En esta sesión, compartiremos estrategias esenciales para ir más allá del A/B testing y empezar a desarrollar un proceso de optimización potente y escalable.
Empezaremos analizando cómo desarrollar un proceso de optimización, con pasos clave como el establecimiento de objetivos, recursos y plazos; la definición de métricas de éxito; la creación de un bucle de feedback basado en datos; y la medición del impacto de los cambios.
2. Product
Hackers
-
03
02
04
05
Cómo formar el equipo óptimo para el éxito de la
experimentación
Cómo cultivar una cultura de experimentación
productiva que involucre a todos los empleados
Preguntas
Cómo impulsar el crecimiento a través de Tests
basados en datos en lugar de suposiciones
01 Cómo diseñar y escalar un proceso de
optimización para maximizar las conversiones
6. Product
Hackers
-
6
Punto A -
Mayo 2023
Punto B -
Enero 2024
25.000 pedidos 40.000 pedidos
15% margen 18% margen
2.000.000€
Revenue
3.000.0000€
Revenue
¿Por qué experimentamos?
7. Product
Hackers
-
7
Punto A -
Mayo 2023
Punto B -
Enero 2024
25.000 pedidos 40.000 pedidos
150.000
Tráfico mensual
1,4%
Conversion Rate
8% Clientes con
repetición
+40% tráfico
+10% CR
=
+10% tráfico
+40% CR
=
+15% tráfico
+15% CR
+25%
recurrencia
28€ CAC -15% -10% -30% CAC
80€ ticket
medio
+30% ticket
medio
+15% ticket
medio
+5% ticket
medio
¿Por qué experimentamos?
8. Product
Hackers
-
8
Punto A -
Mayo 2023
Punto B -
Enero 2024
25.000 pedidos 40.000 pedidos
150.000
Tráfico mensual
1,4%
Conversion Rate
8% Clientes con
repetición
+40% tráfico
+10% CR
=
+10% tráfico
+40% CR
=
+15% tráfico
+15% CR
+25%
recurrencia
28€ CAC -15% -10% -30% CAC
80€ ticket
medio
+30% ticket
medio
+15% ticket
medio
+5% ticket
medio
¿Por qué experimentamos?
9. Product
Hackers
-
9
Punto A -
Mayo 2023
Punto B -
Enero 2024
25.000 pedidos 40.000 pedidos
150.000
Tráfico mensual
1,4%
Conversion Rate
8% Clientes con
repetición
+40% tráfico
+10% CR
=
+10% tráfico
+40% CR
=
+15% tráfico
+15% CR
+25%
recurrencia
28€ CAC -15% -10% -30% CAC
80€ ticket
medio
+30% ticket
medio
+15% ticket
medio
+5% ticket
medio
¿Por qué experimentamos?
10. Product
Hackers
-
10
Punto A -
Mayo 2023
Punto B -
Enero 2024
25.000 pedidos 40.000 pedidos
150.000
Tráfico mensual
1,4%
Conversion Rate
8% Clientes con
repetición
+40% tráfico
+10% CR
=
+10% tráfico
+40% CR
=
+15% tráfico
+15% CR
+25%
recurrencia
28€ CAC -15% -10% -30% CAC
80€ ticket
medio
+30% ticket
medio
+15% ticket
medio
+5% ticket
medio
¿Por qué experimentamos?
12. Product
Hackers
-
12
Punto A -
Mayo 2023
Punto B -
Enero 2024
25.000 pedidos 40.000 pedidos
Métricas clave ? ? ?
No sabemos cuál es la mejor decisión que
debemos tomar para maximizar nuestras
métricas e incrementar el valor que se entrega
a los usuarios / clientes
¿Por qué experimentamos?
13. Product
Hackers
-
13
Punto A -
Mayo 2023
Punto B -
Enero 2024
25.000 pedidos 40.000 pedidos
Métricas clave ? ? ?
La única forma que tenemos de saberlo es
aprendiendo mediante la interacción entre el
producto y el usuario.
¿Por qué experimentamos?
Experimentos Experimentos Experimentos
14. Product
Hackers
-
¿Qué es un experimento?
Un experimento es la cantidad
mínima de esfuerzo necesaria
para generar un aprendizaje
entre producto y usuario que
ayude a validar o refutar una
hipótesis.
15. Product
Hackers
-
¿Qué es un experimento?
Un experimento es la cantidad
mínima de esfuerzo necesaria
para generar un aprendizaje
entre producto y usuario que
ayude a validar o refutar una
hipótesis.
Hipótesis = idea que puede ser testada
17. Product
Hackers
-
Las partes del proceso
Definición y
medición de
objetivos
Análisis en busca de
problemas y
oportunidades
Generación,
categorización y
priorización de ideas
Diseño de hipótesis
de usuario
Experimento
(definición, diseño,
desarrollo, analítica)
Ejecución y
recopilación de datos
Interpretación y
documentación de
aprendizajes
Comunicación y
toma de decisiones
19. Product
Hackers
-
Las partes del proceso
Definición y
medición de
objetivos
Análisis en busca de
problemas y
oportunidades
Generación,
categorización y
priorización de ideas
Diseño de hipótesis
de usuario
Experimento
(definición, diseño,
desarrollo, analítica)
Ejecución y
recopilación de datos
Interpretación y
documentación de
aprendizajes
Comunicación y
toma de decisiones
North Star Framework
OKRs
SMART Goals
20. Product
Hackers
-
20
Análisis en
busca de
problemas y
oportunidades
Datos Pago
4%
3,9%
1,8%
1,9%
¿Qué ocurre por el camino?
¿Son niveles de mercado?
¿Todos los segmentos se
comportan igual?
visita PDP Cart Checkout
100% 88%
12% 4,1%
4,7%
2,5%
16%
21. Product
Hackers
-
21
Datos Pago
4%
3,9%
1,8%
1,9%
¿Qué ocurre por el camino?
¿Son niveles de mercado?
¿Todos los segmentos se
comportan igual?
visita PDP Cart Checkout
100% 88%
12% 4,1%
4,7%
2,5%
16%
18% 36%
blog rebote
24%
menús
navegación
9%
buscador
Análisis en
busca de
problemas y
oportunidades
22. Product
Hackers
-
22
Datos Pago
4%
3,9%
1,8%
1,9%
¿Qué ocurre por el camino?
¿Son niveles de mercado?
¿Todos los segmentos se
comportan igual?
visita PDP Cart Checkout
100% 88%
12% 4,1%
4,7%
2,5%
16%
18% 36%
blog rebote
24%
menús
navegación
9%
buscador
Análisis en
busca de
problemas y
oportunidades
¿Qué creo que
ocurre?
31. Product
Hackers
-
Diseño de hipótesis
de usuario
Creo que… añadir información sobre las
devoluciones en PDP y Checkout.
hará que… aumente el número de compras
en el segmento de… usuarios que llegan a
PDP
porque… reduciremos el riesgo y el coste
de tomar una decisión equivocada
32. Product
Hackers
-
Diseño de hipótesis
de usuario
Creo que… añadir información sobre las
devoluciones en PDP y Checkout.
hará que… aumente el número de compras
en el segmento de… usuarios que llegan a
PDP
porque… reduciremos el riesgo y el coste
de tomar una decisión equivocada
Idea / Solución
33. Product
Hackers
-
Diseño de hipótesis
de usuario
Creo que… añadir información sobre las
devoluciones en PDP y Checkout.
hará que… aumente el número de compras
en el segmento de… usuarios que llegan a
PDP
porque… reduciremos el riesgo y el coste
de tomar una decisión equivocada
Métricas objetivos
34. Product
Hackers
-
Diseño de hipótesis
de usuario
Creo que… añadir información sobre las
devoluciones en PDP y Checkout.
hará que… aumente el número de compras
en el segmento de… usuarios que llegan a
PDP
porque… reduciremos el riesgo y el coste
de tomar una decisión equivocada
Segmentos clave
35. Product
Hackers
-
Diseño de hipótesis
de usuario
Creo que… añadir información sobre las
devoluciones en PDP y Checkout.
hará que… aumente el número de compras
en el segmento de… usuarios que llegan a
PDP
porque… reduciremos el riesgo y el coste
de tomar una decisión equivocada
Problema /
oportunidad
36. Product
Hackers
-
Definición y
medición de
objetivos
Análisis en busca de
problemas y
oportunidades
Generación,
categorización y
priorización de ideas
Diseño de hipótesis
de usuario
Experimento
(definición, diseño,
desarrollo, analítica)
Ejecución y
recopilación de datos
Interpretación y
documentación de
aprendizajes
Comunicación y
toma de decisiones
Escalar y optimizar
Cultura de equipo
37. Product
Hackers
-
Definición y
medición de
objetivos
Análisis en busca de
problemas y
oportunidades
Generación,
categorización y
priorización de ideas
Diseño de hipótesis
de usuario
Experimento
(definición, diseño,
desarrollo, analítica)
Ejecución y
recopilación de datos
Interpretación y
documentación de
aprendizajes
Comunicación y
toma de decisiones
Escalar y optimizar
Conocimiento y tecnología
38. Product
Hackers
-
Definición y
medición de
objetivos
Análisis en busca de
problemas y
oportunidades
Generación,
categorización y
priorización de ideas
Diseño de hipótesis
de usuario
Experimento
(definición, diseño,
desarrollo, analítica)
Ejecución y
recopilación de datos
Interpretación y
documentación de
aprendizajes
Comunicación y
toma de decisiones
Escalar y optimizar
Conocimiento y tecnología
VWO + Experimentor
40. Product
Hackers
-
¿Por qué VWO?
Mayor velocidad e independencia en
la experimentación
- Analítica
- Medición
- Interpretación resultados
- Motor estadístico
- Documentación
- Operativa
- Extracción de datos
- Ejecución
- QA
- Soporte
- Performance
50. Product
Hackers
-
Las bases de una
cultura escalable
Data-Driven /
Informed
Lenguaje
compartido
Homogeneización
de procesos
Alineación de
objetivos