Una de las mejores formas de aumentar tu rentabilidad es realizar pruebas A/B. Google Ads tiene una función llamada «Experiments» donde puedes crear experimentos personalizados para tus campañas y comparar cómo se desempeña tu grupo de prueba en comparación con tus campañas originales (grupo de control) a lo largo del tiempo.
El único problema es que esto solo está disponible para las campañas de Búsqueda y Display, no para Shopping. Afortunadamente, he ideado cinco formas en las que puedes realizar pruebas A/B en Google Shopping, y eso es en lo que nos adentraremos en esta publicación.
¿Cómo realizar pruebas A/B en Google Shopping en la información del producto?
Realizar pruebas A/B en la información del producto, como los títulos, imágenes o extensiones, puede ser útil para optimizar tu feed de productos. Esto se puede hacer en la configuración de tu feed, ya sea a través de una herramienta de gestión de feeds o manualmente en Google Merchant Center. Una vez que hayas decidido qué quieres probar, necesitarás crear grupos iguales de productos. Esto se puede hacer de varias formas, principalmente utilizo los siguientes dos métodos:
1. Método de análisis de clúster
Con un análisis de clúster, dividirás tus productos en grupos iguales en función del rendimiento histórico (por ejemplo, dividiendo tus productos en grupos iguales según métricas como clics, ingresos, costos y valor de conversión). Puedes hacer esto mediante una hoja de cálculo para conjuntos de datos más pequeños o en R (u otros lenguajes de programación) para conjuntos de datos más grandes.
2. Método de división aleatoria
Una división aleatoria se puede hacer en función del ID de tu producto. Por ejemplo, si utilizas valores numéricos como ID de producto, puedes asignar el grupo A, a todos los números pares y el grupo B a todos los números impares.
Lo más importante al dividir tus productos es asegurarte de que todos los grupos de tu experimento tengan el mismo número de productos y que tus métricas clave también sean muy similares.
Una vez que hayas realizado la división, realiza los cambios en los ID de producto en tu grupo de prueba. Asegúrate de poder informar sobre todos tus ID de producto y los grupos correspondientes. De esta manera, podrás analizarlos y encontrar los ganadores. A continuación, puedes ver un ejemplo de cómo se vería esto en tu feed.
¿Cómo realizar pruebas A/B en la configuración de la campaña?
Si deseas realizar pruebas A/B en la configuración de la campaña, como ROAS, segmentación o diferentes tipos de campañas, deberás hacer divisiones basadas en algo distinto a los ID de producto. Idealmente, querrás ofrecer los mismos productos tanto en tu grupo de control como en tu grupo de prueba, ya que el rendimiento puede variar según el producto. Hay tres divisiones diferentes que puedes hacer para probar tu configuración. Al igual que en la configuración de prueba de contenido de productos, es clave crear grupos iguales. Con todos los métodos, necesitas realizar el análisis de clúster de datos tú mismo. Crea dos o más grupos iguales y analiza las diferencias en función de ellos.
3. Método de división de coincidencia de clientes
Con Coincidencia de clientes, puedes dirigirte a audiencias de primera parte en Google Ads. Funciona mediante la carga de una lista de direcciones de correo electrónico de tu base de datos existente a la que deseas dirigirte, y Google asociará esas direcciones de correo electrónico a las cuentas de Google.
¿Cómo hacerlo?
Si estás utilizando Coincidencia de clientes, deberías poder crear una división de cookies en tu software de CRM. Luego puedes crear dos campañas diferentes utilizando dos audiencias de Coincidencia de clientes de Google distintas. Cambia la configuración que deseas probar en tu campaña de prueba y mantén todo lo demás igual en tu campaña de control. Y eso es todo.
Nota: Si estás utilizando Coincidencia de clientes, asegúrate de tener una tercera campaña en ejecución para todos los clientes potenciales que no se encuentren en tu base de datos. De esta manera, no perderás ninguna conversión potencial.
Ventajas
- División aleatoria: Al dividir las cookies, obtienes una división aleatoria que se utiliza a menudo en otras pruebas A/B.
- Datos confiables: Debido a la división aleatoria, los resultados son confiables y reproducibles.
Desventajas
- Difícil de implementar: No todos los anunciantes tienen los recursos para implementar Coincidencia de clientes o realizar la división aleatoria en su CRM.
- No es 100% completo: Este experimento solo se aplica a los clientes existentes en tu base de datos. Eso significa que los resultados no son válidos para nuevos clientes potenciales.
4. Método de prueba de división geográfica
Las divisiones geográficas se utilizan a menudo para encontrar mejoras incrementales en las campañas. Esto podría responder preguntas como: ¿Existe un valor incremental en la publicidad de palabras clave de marca?
¿Cómo hacerlo?
En una prueba geográfica, un mercado se divide en regiones geográficas más pequeñas llamadas geos. A cada geo se le asigna un grupo de control o un grupo de prueba. Los usuarios en los geos de prueba se exponen a las campañas modificadas, mientras que los usuarios en los geos de control reciben las campañas de control. La división se puede hacer por país o región, siempre que ambos grupos regionales estén altamente correlacionados. Deberás utilizar el análisis de clúster para determinar tus grupos.
Ventajas
- Fácil de configurar: Cualquier persona con un poco de experiencia en Google Ads puede configurarlo.
- Confiable: Dado que dividimos las mismas campañas, la estacionalidad no puede influir.
Desventajas
- El comportamiento puede variar mucho según la ubicación geográfica. Es esencial tener dos grupos altamente correlacionados. Además, la estacionalidad puede diferir según la ubicación geográfica. No es ideal comparar Alaska con Texas si vendes equipo para actividades al aire libre.
- Algo difícil de preparar: El análisis de clúster en la orientación por ubicación puede ser complicado cuando se trata de ubicaciones geográficas más pequeñas.
5. Método de división de campañas
En una división de campañas, simplemente divides tus campañas o cuentas en dos grupos altamente correlacionados. Ambos grupos deben tener un número igual de métricas clave como clics, conversiones y costos.
¿Cómo hacerlo?
En un grupo de campañas (grupo de prueba), realizas los cambios mientras que en el grupo de control, seguirás utilizando tus mejores prácticas actuales. Si etiquetas y rastreas los diferentes grupos de campañas, podrás ver las diferencias en el rendimiento.
El presupuesto y la estrategia de oferta son dos configuraciones que puedes probar.
Ventajas
- Muy fácil de configurar: Solo necesitas cambiar la configuración en la mitad de tus campañas y eso es todo.
Desventajas
- Menos confiable: La estacionalidad puede influir en diferentes campañas, especialmente si tus campañas están divididas por categoría de producto (¿has probado la estructura de campaña de puja por prioridad?).
- La preparación puede ser difícil: El análisis de clúster en grupos de campañas puede ser complicado cuando se trata de conjuntos de campañas y datos más pequeños.
Reflexiones finales
¡Eso es todo! Cinco formas diferentes de realizar pruebas A/B en Google Shopping:
- Prueba atributos del feed de productos, creando grupos con un análisis de clúster.
- Prueba atributos del feed de productos, creando grupos con una división aleatoria.
- Prueba configuraciones de campaña con grupos de Coincidencia de clientes.
- Prueba configuraciones de campaña con geos.
- Prueba configuraciones de campaña con grupos de campañas.
La calidad del resultado depende de la calidad de tu análisis y configuración preliminares (análisis de clúster). Lo que obtienes es lo que inviertes. Espero que esto te ayude con la optimización de tus campañas de Google Shopping.
¡Si pruebas alguno de estos métodos, comparte los resultados en los comentarios! Por ahora, ¡que tengas un día maravilloso y sigue optimizando!
