Framework de tests
Hipótesis, variable, métrica y criterio de éxito.
Aprender cada mes. Tests con hipótesis, muestra calculada y un calendario que cabe en la operación real.
Un test sin muestra calculada no es un test: es una moneda al aire con dos caras distintas.
Hipótesis, muestra, calendario, priorización y documento de learnings. Lee la guía completa de Email Marketing para el contexto teórico.
Hacer tests sin saber cuánta muestra hace falta produce dos errores es cambiar cosas por debajo del umbral y quedarse con la versión que "ha salido mejor" por pura casualidad. Con una muestra mal calculada, el equipo acaba tomando decisiones al revés y pierde la confianza en el método.
Va dirigido a marcas que testean sin muestra, que testean demasiadas cosas a la vez o que han acumulado resultados que no han aprendido. Entregamos el framework de tests, el cálculo de muestra por tipo de email, el calendario de experimentos con una o dos variables, la priorización por impacto y esfuerzo y el documento de learnings que evita repetir lo que ya se sabe.
Framework, muestra, calendario, variables, priorización y learnings.
Hipótesis, variable, métrica y criterio de éxito.
Tamaño mínimo por tipo de email y por métrica.
Qué se testea cada mes y con qué prioridad.
Regla para no ensuciar la lectura y la decisión.
Qué se ha probado y qué se ha aprendido {plazo}.
Orden de los tests según esfuerzo y tamaño del efecto.
De la plataforma al negocio, con la diferencia entre abrir y comprar.
De la lectura a la decisión y de la decisión al siguiente envío.
Se define la variable que cambia y la métrica que decide con la fuente y el periodo.
Apertura, clic, conversión e ingreso de el calendario de experimentos del año.
Qué cambia y por qué se espera ese efecto.
Variante y muestra necesaria para concluir.
Se aplica, se documenta y se revisa en 2 semanas.
Una apertura alta sin conversión es ruido. Mide la curiosidad, no el interés.
Medición, atribución, tests y decisiones.
Eventos, UTMs y calidad del dato de conversión.
Qué canal y qué flujo generan la venta.
Una vista con las cinco métricas que importan.
Hipótesis, muestra y calendario de tests de el calendario de experimentos del año.
Informe mensual con decisiones y su impacto.
El mismo trabajo sobre volúmenes y frecuencias distintas.
Un test por semana con dos variables a la vez.
Una variable y muestra calculada: +19% de conversión y cero decisiones revertidas.
Sujetos a escritorio y sin conclusiones válida.
Calendario mensual con muestra mínima: 36 tests al año y un documento vivo.
Campañas de un solo día sin datos suficientes.
Campañas con muestra garantizada: +12% de ingresos y menos horas de diseño.
Lo mejor fue el documento de learnings son los dejamos de probar cosas que ya sabíamos que no funcionaban.
Reseña verificada en Google
4,9/5 · 124+ opiniones.
De 1 a 2 semanas para el calendario de tests. Los primeros resultados concluyentes llegan en el segundo mes.
Framework de tests, cálculo de muestra por métrica, calendario de experimentos, regla de una variable, documento de learnings y priorización por impacto.
Acceso al ESP con capacidad de test A/B, al histórico de campañas y a las métricas de referencia.
Con número de tests concluidos, efecto medio por tipo y decisiones tomadas con su impacto.
Mensual, con el documento de learnings revisado en cada trimestre.
Con el tamaño de muestra necesario, una o dos veces al mes es un ritmo sano. Si la base no permite concluir, el test no se hace es se aplica el criterio delpanel y se registra como decisión, no como aprendizaje. Testear por debajo del umbral da falsos positivos y destruye la confianza del equipo en el método.
Media hora para ver cómo decidís hoy qué versión de un email se envía.
30 minutos con Jorge Sánchez Mosquete, experto en Testing y optimización de campañas. Sin compromiso, en español.
Powered by Netbulb
Empezamos con una auditoría gratuita de 30 minutos. Después, tú decides qué módulos quieres contratar.