Feedoptimise
Feedoptimise
menu
Probar Reservar demo

Pruebas A/B para feeds de productos

Ejecuta experimentos en cualquier atributo del feed, programa cuándo se publica cada variante y deja que los datos de rendimiento decidan cuál se queda

ProbarReservar demo

Configura cada experimento visualmente, sin necesidad de código

Crea un experimento de feed igual que creas tus reglas de feed, eligiendo qué cambiar, cuándo se ejecuta y a qué productos se aplica, todo en pantalla

  • Cambia un atributo o varios

    Un solo experimento puede modificar un campo o muchos a la vez, desde títulos e imágenes hasta categorías o cualquier otro atributo de tu feed.

  • Programa cuándo se ejecuta cada experimento

    Define una fecha de inicio y una fecha de finalización opcional para que una prueba se publique y termine por sí sola sin que tengas que vigilar el calendario.

  • Dirígete solo a los productos que quieras

    Añade condiciones para limitar un experimento a categorías, marcas o rangos de productos, o utiliza cualquier modificador para crear el conjunto, incluida la asignación aleatoria. Pruebas solo los productos que eliges y dejas el resto intacto.

Elige cómo se ejecuta tu experimento

Las pruebas A/B de feeds funcionan de tres maneras: una división paralela limpia, una rotación directa o un híbrido que combine ambas

  • Duplicado, ejecutado en paralelo

    El método duplicado clona el producto original con un nuevo ID y ejecuta la variación modificada junto a él, para que ambos compitan a la vez sin conflicto entre ellos.

  • Rotado, alterna con el tiempo

    El método rotado mantiene el ID existente y alterna tus variaciones según una programación, por ejemplo una versión esta semana y otra la siguiente.

  • Híbrido, lo mejor de ambos

    El método híbrido rota copias nuevas mientras sigue midiéndolas frente al original intacto, combinando un control limpio con rotación en el tiempo.

Deja que la significación estadística termine la prueba

Define un umbral de datos para la métrica que elijas, un nivel de confianza y una duración máxima, y el experimento concluye por sí solo en el momento en que el resultado es estadísticamente significativo

  • Define cuándo cuenta un resultado

    Elige la métrica que importa para la prueba, ROAS, clics, impresiones, conversiones o cualquier otra que sigas, define el mínimo que debe recopilar cada versión y la confianza que quieres alcanzar, por ejemplo 100 clics por versión con un 95% de confianza.

  • Rota hasta que lleguen los números

    Las versiones siguen alternándose según la programación hasta que cada una alcanza tus umbrales, para que una semana lenta no acorte un experimento y un día de suerte no corone a un falso ganador.

  • Define un tiempo límite para que ninguna prueba se ejecute para siempre

    Da a cada experimento una duración máxima, por ejemplo 30 días. Si para entonces no se alcanzan los umbrales, la prueba se pliega por sí sola, ya sea de vuelta a tus datos originales o hacia la versión probada, según lo que hayas elegido al inicio.

  • Decide ganadores por artículo o por grupo

    Elige cómo se evalúa la prueba. A nivel de artículo, cada producto obtiene su propio veredicto con sus propios datos, por lo que la versión B puede ganar en un producto mientras la versión A se mantiene en otro. A nivel de grupo, se declara un ganador para toda la prueba.

  • Concluye con una decisión, no con un informe

    Cuando termina el experimento, las versiones ganadoras se incorporan a tu feed activo y las perdedoras se retiran, por producto o en todo el grupo según cómo evalúes, con el nivel de confianza y las métricas por versión registrados para que puedas ver exactamente por qué se tomó cada decisión.

Prueba cualquier cosa en tu feed

Cualquier atributo, cambiado por cualquier modificador, significa que casi no hay nada que no puedas convertir en un experimento

  • Experimenta con cualquier atributo

    Títulos, descripciones, imágenes, tipos de producto, precios o etiquetas personalizadas, cualquier campo de tu feed puede ser objeto de una prueba.

  • Usa cualquier modificador como variación

    Cada modificador de la plataforma puede generar tu variación de prueba, desde títulos con IA y ediciones de imagen hasta fórmulas, sustituciones y búsquedas.

  • Compara la IA con tus originales

    Ejecuta títulos o imágenes generados por IA frente a tus datos actuales, mide la diferencia y conserva la variación que funcione mejor.

Ve qué versión gana

Cada experimento se mide con rendimiento real del canal, por lo que los datos deciden la variación ganadora

  • Compara variaciones con datos reales

    Haz seguimiento de clics, conversiones y retorno de la inversión publicitaria para cada variación a nivel de producto, con resultados basados en el rendimiento real del canal.

  • Basado en tus informes

    Los experimentos se integran en los mismos informes a nivel de artículo que ya utilizas, con datos extraídos de tus plataformas publicitarias, analítica y tienda.

  • Aplica el ganador en un solo paso

    Finaliza la prueba e incorpora la variación ganadora directamente a tu feed en vivo, sin reconstrucción manual.

  • Obsérvalo en directo, audítalo después

    Sigue cada experimento en tiempo real, con estado actual, clics, conversiones y la confianza alcanzada hasta el momento, por producto o para toda la prueba según cómo evalúes. Una vez concluido, el nivel de confianza final y las métricas por versión quedan registrados, para que puedas ver por qué se eligió cada ganador.

Preguntas frecuentes

Preguntas comunes sobre las pruebas A/B de tus feeds de productos con Feedoptimise

  • ¿Qué son las pruebas A/B para feeds de productos?

    Las pruebas A/B para feeds de productos son el proceso de ejecutar dos o más versiones de tus datos de producto una contra otra para ver cuál funciona mejor en un canal. Con Feedoptimise puedes probar cualquier atributo, como títulos o imágenes, medir cada variación con datos reales del canal, por ejemplo de Google Shopping, y aplicar la versión ganadora a tu feed en vivo.

  • ¿Puedo probar más de un atributo en un solo experimento?

    Sí. Un solo experimento puede modificar un atributo o varios a la vez, por ejemplo un nuevo título y una nueva imagen juntos, y tú eliges exactamente qué campos cambia cada prueba.

  • ¿Cuál es la diferencia entre los métodos duplicado, rotado e híbrido?

    El método duplicado clona el producto original con un nuevo ID y ejecuta la variación junto a él. El método rotado mantiene el mismo ID y alterna variaciones a lo largo del tiempo. El método híbrido rota copias nuevas mientras las compara con el original.

  • ¿Qué atributos del feed puedo probar con A/B?

    Puedes probar cualquier atributo de tu feed, incluidos títulos, descripciones, imágenes, tipos de producto, precios y etiquetas personalizadas. Cualquier modificador de la plataforma puede generar la variación, por lo que se pueden probar títulos con IA, imágenes editadas, fórmulas y sustituciones.

  • ¿Puedo programar un experimento de feed para que empiece y termine por sí solo?

    Sí. Cada prueba tiene una fecha de inicio y una fecha de finalización opcional, por lo que se publica y finaliza automáticamente. También puedes delimitarla con condiciones para que solo se aplique a ciertas categorías o rangos de productos.

  • ¿Cómo sé qué versión ganó?

    Cada variante se mide según el rendimiento real del canal, como clics, conversiones, CTR, ROAS y más, todo a nivel de producto. Cuando finaliza la prueba, puedes configurar Feedoptimise para que aplique automáticamente la versión ganadora directamente en tu feed activo.

  • ¿Qué mide realmente el nivel de confianza?

    La confianza mide qué tan improbable es que la diferencia entre tus versiones se deba a una variación aleatoria en lugar del cambio que hiciste. Con un 95% de confianza, la diferencia es lo bastante grande como para que el azar sea una explicación poco probable, que es lo que la mayoría de la gente quiere decir cuando llama a un resultado estadísticamente significativo. Hasta ese punto, el experimento sigue ejecutándose en lugar de declarar un ganador con unos pocos días de datos ruidosos.

  • ¿La confianza es lo mismo que la significación estadística?

    Describen la misma idea desde dos direcciones. Un resultado es estadísticamente significativo cuando es improbable que se deba al azar, y el nivel de confianza es el umbral que defines para ello. Un experimento configurado al 95% de confianza solo declarará un ganador con un resultado que sea estadísticamente significativo a ese nivel. Feedoptimise usa la confianza en la interfaz porque la introduces como un número, por ejemplo 95%, y puedes ver cómo aumenta mientras la prueba sigue en marcha.

  • ¿Qué pasa si una prueba nunca alcanza significación estadística?

    La duración máxima actúa como red de seguridad. Cuando se alcanza el tiempo límite sin un resultado estadísticamente significativo, el experimento se pliega automáticamente a la versión que nominaste de antemano, los datos originales o la versión probada. Nada queda ejecutándose indefinidamente y ninguna prueba no concluyente bloquea tu feed.

  • ¿Cómo sé qué versión ganó?

    Cada versión se mide con el rendimiento real del canal, como clics, conversiones, CTR, ROAS y más, todo a nivel de producto. Cuando la prueba termina, puedes configurar Feedoptimise para implementar la versión ganadora directamente en tu feed activo.

  • ¿Cada producto obtiene el mismo ganador?

    Eso depende de ti. Cada experimento puede evaluarse a nivel de grupo, con un ganador para toda la prueba, o a nivel de artículo, donde cada producto obtiene su propio veredicto con sus propios datos, y la versión B puede estar activa en algunos productos mientras la versión A permanece en otros.

ProbarReservar demo