La verdad sobre la publicidad es que se gasta mucho dinero en ella, y una gran parte de ese dinero se gasta en contenido ineficiente. Una de las causas principales de la ineficacia del contenido es la implementación incorrecta de las pruebas A/B. En particular, sacar conclusiones basándose en pequeñas variaciones en la creatividad de los anuncios. Las pequeñas variaciones son cosas que no alteran el activo subyacente de forma inmediatamente reconocible. Estas variaciones suelen ser rápidas y fáciles de implementar, ya que no implican realizar ningún cambio importante en el concepto original del anuncio.

Si bien probar variaciones similares de un anuncio funciona en el sentido de que siempre habrá un claro ganador, es poco probable que el resultado arroje un rendimiento mayor en todos los ámbitos. ¿Qué pasa si algunas de las suposiciones que has hecho son falsas y un elemento del anuncio que has pasado por alto o no creías que fuera necesario probarlo marcó la diferencia? En la estructura de optimización del presupuesto de campaña (CBO) de Meta, tu algoritmo distribuye automáticamente el presupuesto entre todos los conjuntos de anuncios y creatividades de tu campaña. Cuando hay demasiados anuncios similares en un conjunto de anuncios, Meta no optimizará tu distribución porque el algoritmo tratará los activos con pequeñas variaciones como si fueran «iguales». Por ejemplo, si tienes dos versiones de un anuncio que solo difieren en unos pocos trabajos o en una CTA, es probable que Meta solo destine el presupuesto a una de ellas. Por lo tanto, es poco probable que las pequeñas variaciones mejoren el rendimiento general.
En lugar de cambiar solo uno o dos elementos, es mejor que pienses en grande y cambies el concepto visual o contextual de un anuncio. Las grandes variaciones implican la introducción de nuevos elementos gráficos destacados.

Si bien hacer grandes cambios puede resultar intimidante e incluso arriesgado, es posible que sean necesarios para averiguar qué es lo que mejor genera conversiones para tu audiencia, lo que lleva a campañas mejores y más optimizadas. Para asegurarte de que tus variaciones son significativas, analiza una variable a la vez y asegúrate de que tus pruebas incluyan una versión que no contenga ninguna variable. Por ejemplo, supongamos que quieres comprobar si añadir una imagen específica al anuncio lo hace más atractivo para tu audiencia. Prueba a crear tres versiones de tu anuncio:

De esta forma, verás cuál de esas dos imágenes ayudó a que tu anuncio tuviera un mejor rendimiento, ¡o si ninguna de las dos lo hace! De hecho, puedes ir un paso más allá y combinar estas grandes variaciones estratégicas con pruebas multivariantes de las creatividades. Un anuncio puede tener varias personas, mientras que el otro no tiene ninguna. Con estas importantes variaciones, ahora puedes atribuir cualquier diferencia de rendimiento entre las variaciones del anuncio a cambios en el tratamiento creativo, no solo a la suerte. Esto también es excelente para los algoritmos. No agruparán los conjuntos de anuncios que contengan grandes variaciones, lo que te ayudará a descubrir los «activos más importantes» o los anuncios en los que Meta destine la mayor parte del presupuesto de un conjunto de anuncios.
A pesar de tener beneficios abrumadores, las grandes variaciones en las pruebas A/B son caras. La cantidad de tiempo y recursos que se dedican al desarrollo de estas variantes requiere que encuentres un diseño ganador que realmente genere conversiones. Omneky se ha esforzado mucho en crear una plataforma que reduzca la fricción en el proceso de las pruebas A/B y nos ayude a generar anuncios optimizados para cientos de empresas.
Confiamos en la analítica creativa para impulsar las variaciones de las pruebas A/B
En Omneky, aprovechamos la información creativa para guiar las variaciones de anuncios que probamos en todas las plataformas. En concreto, utilizamos la visión artificial para identificar cómo las numerosas funciones de los anuncios de texto e imagen se correlacionan con las métricas de conversión. Además, Omneky utiliza la inteligencia artificial para determinar qué anuncios tienen el mejor rendimiento. En la pestaña de análisis de nuestro panel de control, destacamos los anuncios con mejor rendimiento para cada cliente. De este modo, nuestros diseñadores pueden seleccionar un anuncio y crear variaciones basándose en las mejores prácticas comprobadas y en la información obtenida de los anuncios con mejor rendimiento. Con estos datos, Omneky desarrolla variaciones estratégicas en los anuncios que sometemos a pruebas A/B. Un cliente de Omneky experimentó de primera mano el poder del análisis de datos de Omneky. Al analizar el panel de información creativa, Omneky descubrió que los anuncios de vídeo tenían un CTR (en algunas semanas un aumento superior al 15%) e impresiones mucho más altos que los anuncios gráficos. Sin embargo, solo el 50% del presupuesto publicitario del cliente se gastaba en anuncios de vídeo. Omneky aprovechó esta valiosa información aumentando significativamente el número de anuncios de vídeo y, en consecuencia, el% de inversión en anuncios de vídeo, lo que ayudó a impulsar el CTR y las conversiones en los meses siguientes. En definitiva, la posibilidad de disponer de una infraestructura de datos sólida y de una herramienta como el análisis creativo permite ahorrar muchísimo tiempo en el proceso de pruebas creativas. La analítica creativa te ayuda a reducir todas esas hipótesis contradictorias sobre lo que hay que probar y convertirlas en otras que estén respaldadas por datos.

Experimentamos con docenas de estilos de anuncios
La estrategia de pruebas A/B de Omneky se basa en experimentar con diferentes estilos de anuncios. Tomamos un anuncio y lo renderizamos con varios estilos, lo que produce variaciones únicas que nos proporcionan comentarios significativos que podemos utilizar para seguir repitiéndolo. Este es un ejemplo de cómo realizamos pruebas creativas multivariantes para uno de nuestros clientes, modificando simultáneamente el texto, los gráficos y los estilos de los anuncios. Cambiar los tipos de contenido multimedia permite a Omneky comprender las preferencias de nuestra audiencia por los diferentes tipos de anuncios. Por ejemplo, en lugar de publicar anuncios con una sola imagen de forma repetida, podríamos experimentar con anuncios en forma de carrusel para crear una mejor experiencia de narración. Es posible que anteriormente hayamos publicado numerosos anuncios testimoniales porque creemos que son los mejores para la marca, pero experimentamos con gráficos animados para crear una experiencia más atractiva para el cliente. Hay docenas de estilos de anuncios diferentes que no son difíciles de implementar. Cuando estés listo para probar algo nuevo, no es necesario que comiences desde cero: ¡busca en tu biblioteca de recursos y experimenta con diseños de anuncios antiguos cambiando el tipo de medio! En el mundo actual en el que priman los dispositivos móviles, es aún más importante experimentar con grandes variaciones estratégicas, ya que los hábitos de visualización de la publicidad digital están cambiando a un ritmo sin precedentes.

Sin el marco adecuado para tus pruebas A/B, es probable que desperdicies tiempo y dinero valiosos en anuncios ineficaces y acabes decepcionado por los resultados. Si realizas grandes variaciones en tus conjuntos de anuncios mediante estadísticas basadas en datos y una experimentación incesante con diferentes tipos de medios, podrás generar el tipo de información útil que sea más rentable para tu empresa.