\u00bfVende o no vende m\u00e1s una tienda online con One Step Checkout?<\/h2>\n
Despu\u00e9s de dos a\u00f1os recopilando y procesando informaci\u00f3n de Tests A\/B en 50 tiendas online de distintos sectores, podemos basar nuestra respuesta no s\u00f3lo en una intuici\u00f3n que pudiera dictar la l\u00f3gica, sino en datos fehacientes. Y la respuesta es no. Disponer de un proceso de compra en uno o varios pasos no afecta directamente a las conversiones de una tienda online.<\/p>\n
Est\u00e1 claro que muchos habremos visto casos concretos donde un cambio de proceso de compra ha aportado mejoras en la conversi\u00f3n de las ventas de un eCommerce, pero \u00bfpodemos achacar estas mejoras \u00fanicamente al cambio de sistema?<\/p>\n
En una de nuestras \u00faltimas experiencias, que implicaba un cambio en la direcci\u00f3n opuesta a las tendencias mencionadas (es decir, de one-step hacia multi-step), el resultado fue un ligero aumento de la conversi\u00f3n. Si nos qued\u00e1ramos en la superficie podr\u00edamos llegar a concluir de manera err\u00f3nea. En este caso en concreto, el aumento de la conversi\u00f3n respond\u00eda a otras mejoras que ten\u00edan que ver con la asignaci\u00f3n de tarifas y descuentos, y a otras mejoras funcionales y de usabilidad.<\/p>\n
En ocasiones, aqu\u00ed es donde radica el principal problema:<\/p>\n
Tendemos a comparar procesos en desigualdad de condiciones<\/strong><\/p>\n \u00bfPor qu\u00e9? <\/strong><\/p>\n Porque no se puede comparar distinto p\u00fablico, distintos espacios temporales, distintas campa\u00f1as. Si hacemos comparaciones en desigualdad de condiciones, siempre encontraremos ejemplos que desequilibren la balanza hacia uno u otro bando, y que pueden ser usados a nuestro antojo para hacernos con la verdad absoluta.<\/p>\n Volvamos a la l\u00f3gica y las matem\u00e1ticas, es donde nos sentimos m\u00e1s c\u00f3modos porque existen datos, no hip\u00f3tesis. Y tambi\u00e9n es donde podemos ver, en igualdad de condiciones, que los n\u00fameros nunca enga\u00f1an.<\/p>\n NOTA: Estos datos son extra\u00eddos de una muestra de 50 tiendas divididas en 4 sectores. Tiendas con diferentes vol\u00famenes de visitas y facturaci\u00f3n para dotar de la m\u00e1xima fiabilidad y amplitud de datos, pero que en ning\u00fan caso tienen porqu\u00e9 reflejar los porcentajes generales de conversi\u00f3n online de cada sector de mercado, ni es el objetivo de este estudio.<\/em><\/p>\n Os proponemos un sencillo ejercicio, para quien tenga curiosidad y tiempo: Haced que vuestra tienda haga un test A\/B de vuestros visitantes sin que cambie absolutamente nada para los visitantes de uno u otro grupo. Es decir, simplemente clasificad al 50% en un grupo, y al otro 50% en otro sin m\u00e1s. Al cabo de unas semanas pod\u00e9is acceder a Analytics y sacar algunos datos de esta divisi\u00f3n, y os sorprender\u00e1 el resultado.<\/p>\n Esto matem\u00e1ticamente es sencillo de explicar: si tu p\u00fablico objetivo tiene un comportamiento estad\u00edstico en su totalidad, si estudias \u00fanicamente a la mitad del mismo p\u00fablico, en las mismas circunstancias, el resultado estad\u00edstico de su comportamiento debe ser id\u00e9ntico por l\u00f3gica. Por tanto, es normal que ambos grupos presenten resultados muy parecidos.<\/p>\n Llegados a este punto, lo que se pretend\u00eda evidenciar en este estudio era que a mismo p\u00fablico objetivo y en el mismo espacio temporal, al dividir los usuarios en 2 grupos al 50% cada uno con un checkout distinto, pero manteniendo en com\u00fan los campos del formulario de usuario y las opciones de pago y env\u00edo, los resultados de conversi\u00f3n de ambos grupos ser\u00edan muy similares entre ellos, sin poder decantarse por uno u otro sistema como el que m\u00e1s y mejor convierte.<\/p>\n El estudio, como se ha comentado anteriormente, se ha realizado con una muestra de 50 eCommerce de cada uno de los sectores desglosados, y con datos desde Enero de 2023 hasta Octubre de 2024. Todas las tiendas ten\u00edan un dise\u00f1o responsive y repart\u00edan sus usuarios al 50% entre los dos procesos de compra. El resultado es la media de las conversiones de cada uno de los grupos, en cada sector.<\/p>\n Vayamos pues, ahora s\u00ed, a los n\u00fameros:<\/p>\n Como se puede observar en la gr\u00e1fica (dejando de lado las diferencias a nivel de conversi\u00f3n encontradas entre los diferentes sectores, que no son objeto de este estudio), los porcentajes de conversi\u00f3n son muy similares entre s\u00ed, para cada sector. Teniendo una ligera ventaja el One Step Checkout en Alimentaci\u00f3n, y d\u00e1ndose el caso contrario en el resto de sectores estudiados, pero siempre con diferencias poco rese\u00f1ables.<\/p>\n Y \u00bfqu\u00e9 ocurre si dividimos estos n\u00fameros por dispositivo?<\/p>\n (OSC = One Step Checkout, MSC = Multi Step Checkout)<\/em><\/p>\n Como era de esperar, al hacer la divisi\u00f3n por tipolog\u00eda de dispositivo, los resultados nuevamente son muy similares entre s\u00ed. Es l\u00f3gico, si tenemos en cuenta la premisa indicada anteriormente al respecto de la divisi\u00f3n de resultados estad\u00edsticos en igualdad de condiciones.<\/p>\n Queda claro que el proceso de compra en s\u00ed no tiene porqu\u00e9 influir en la decisi\u00f3n de compra de nuestros usuarios, siempre que est\u00e9 optimizado y funcione correctamente. En nuestro blog encontrar\u00e9is varios consejos sobre c\u00f3mo mejorar y optimizar un proceso de compra que os pueden ser \u00fatiles.<\/p>\n En resumen, hay varios factores que si pueden influir de manera directa en la decisi\u00f3n de compra de los usuarios, como podr\u00edan ser:<\/p>\n\n
Comparemos en igualdad: los n\u00fameros no enga\u00f1an<\/h2>\n
La verdad sobre el one page checkout: convierte lo mismo<\/h2>\n
![\"Conversiones](\"https:\/\/trilogi.com\/blog\/wp-content\/uploads\/sites\/2\/img_checkout_1-retoc.png\")
<\/p>\n![\"grafico](\"https:\/\/trilogi.com\/blog\/wp-content\/uploads\/sites\/2\/img_checkout_2_retoc.png\")
<\/p>\nEntonces \u00bfqu\u00e9 proceso de compra debo elegir para mi tienda online?<\/h2>\n