Optimización multivariable de páginas de destino

La optimización multivariante de páginas de destino (MVLPO) es una forma específica de optimización de páginas de destino en la que se evalúan múltiples variaciones de elementos visuales (por ejemplo, gráficos, texto) en una página web. Por ejemplo, una página determinada puede tener k opciones para el título, m opciones para la imagen o gráfico destacado y n opciones para el logotipo de la empresa. Este ejemplo genera k × m × n configuraciones de página de destino.

La primera aplicación de un diseño experimental para MVLPO fue realizada por Moskowitz Jacobs Inc. en 1998 como un proyecto de simulación/demostración para LEGO . MVLPO no se convirtió en un enfoque generalizado hasta 2003 o 2004.

La optimización multivariable de páginas de destino puede ejecutarse en un entorno real (de producción) o mediante simulaciones y encuestas de investigación de mercado .

La optimización multivariante de páginas de destino se basa en el diseño experimental (p. ej., elección discreta , análisis conjunto , métodos Taguchi , IDDEA , etc.), que prueba una combinación estructurada de elementos de la página web. Algunos proveedores (p. ej., Memetrics.com) utilizan un enfoque "factorial completo", que prueba todas las combinaciones posibles de elementos. Este enfoque requiere un tamaño de muestra menor —normalmente, varios miles— que los diseños Taguchi fraccionales tradicionales para lograr significación estadística . Esta cualidad es una de las razones por las que el modelado de elección ganó el Premio Nobel en 2000. Los diseños fraccionales que se utilizan normalmente en entornos de simulación requieren la prueba de pequeños subconjuntos de combinaciones posibles y tienen un margen de error mayor . Algunos críticos del enfoque cuestionan las posibles interacciones entre los elementos de las páginas web y la incapacidad de la mayoría de los diseños fraccionales para abordar este problema.

Para resolver las limitaciones de los diseños fraccionados, se introdujo un método de simulación avanzado basado en el paradigma de Experimentación para el Desarrollo de Reglas (RDE). ^{[ 1 ]} RDE crea modelos individuales para cada encuestado, descubre todas las sinergias y supresiones entre los elementos, ^{[ 2 ]} descubre la segmentación actitudinal y permite la creación de bases de datos a través de pruebas y a lo largo del tiempo. ^{[ 3 ]}

En la ejecución de MVLPO en un entorno real, una herramienta especial realiza cambios dinámicos en una página para dirigir a los visitantes a diferentes versiones de páginas de destino creadas según un diseño experimental. El sistema realiza un seguimiento de los visitantes y su comportamiento, incluyendo su tasa de conversión , el tiempo que pasan en la página, etc. Una vez que se han acumulado suficientes datos, el sistema estima el impacto de cada componente en la métrica objetivo (por ejemplo, la tasa de conversión).

La ejecución en un entorno real presenta las siguientes ventajas:

• Capaz de probar el efecto de las variaciones como una experiencia de la vida real.
• Generalmente transparente para los visitantes
• Relativamente sencillo y económico de ejecutar.

La ejecución en un entorno real presenta las siguientes desventajas:

• Alto costo
• Mayor complejidad en la modificación de un sitio web en fase de producción.
• Se requiere un largo período de tiempo para obtener datos estadísticamente fiables. Esta situación se debe a las variaciones en el volumen de tráfico que genera los datos necesarios para tomar una decisión.
• Probablemente no sea apropiado para sitios web de bajo tráfico y alta importancia cuando los administradores del sitio no quieren perder clientes potenciales.

En la ejecución de MVLPO mediante simulación (encuesta), la base consiste en técnicas avanzadas de investigación de mercado . En la fase de investigación, se dirige a los encuestados a una encuesta que les presenta un conjunto de combinaciones de páginas de destino diseñadas experimentalmente. Los encuestados califican cada versión en función de algún factor (por ejemplo, la intención de compra). Al final de la fase de investigación, se crean modelos de análisis de regresión, ya sea para páginas individuales o para todo el panel de páginas. El resultado relaciona la presencia o ausencia de elementos de la página en las diferentes ejecuciones de páginas de destino con las calificaciones de los encuestados. Estos resultados pueden utilizarse para sintetizar nuevas páginas de destino como combinaciones de los elementos mejor puntuados, optimizadas para subgrupos o segmentos de mercado , con o sin interacciones. ^{[ 4 ]}

La ejecución de simulaciones presenta las siguientes ventajas:

• En muchos casos, es más rápido y fácil de preparar y ejecutar, en comparación con la ejecución en un entorno real.
• Aplicable a sitios web con poco tráfico.
• Capaz de producir datos más robustos y completos gracias a un mayor control sobre el diseño de la página.

La ejecución de simulaciones presenta las siguientes desventajas:

• Posible sesgo debido a que se trata de un entorno simulado en lugar de un entorno real.
• Necesidad de reclutar y, opcionalmente, incentivar a los encuestados.