¿Cómo funcionan las pruebas A / B al desarrollar aplicaciones móviles? ¿Cómo difiere el desarrollo de aplicaciones móviles en comparación con el desarrollo para la web?

Esto podría haber sido más difícil cuando se le preguntó por primera vez, pero ahora hay formas de solucionar los problemas que existían en 2010. Específicamente, hay muchos servicios que le permiten realizar pruebas A / B simplemente integrando su SDK en su aplicación móvil. La razón de esto, por supuesto, es que las pruebas A / B son una herramienta vital para la optimización.

Por lo tanto, muchas herramientas han brotado para llenar ese vacío. Uno de los más populares es Optimizely , pero también hay otras buenas opciones que debes considerar.

De hecho, debido al crecimiento exponencial de las aplicaciones móviles, encontrará que hay casi una sobrecarga en la cantidad de herramientas disponibles para la optimización de aplicaciones. Ha hecho las cosas un poco desordenadas y difíciles de comparar una herramienta contra la otra.

Para solucionar este problema, reunimos la Guía del SDK definitivo para la optimización de aplicaciones . Recolectamos las mejores soluciones en cada categoría allí y es GRATIS para que las descargues.

Aquí hay un poco de información sobre Optimizely y Leanplum , dos de los líderes en la categoría de pruebas A / B:

  • Optimizely : conocido como un gigante en el mundo de las pruebas A / B, Optimizely ofrece soluciones para aplicaciones web y móviles. Con él, puede probar A / B cualquier función y realizar cambios inmediatos en la aplicación sin la necesidad de la aprobación de la tienda de aplicaciones.
  • Leanplum : como una de las tres características principales del “Lifecycle Engine” de Leanplum, sus pruebas A / B sirven como un concepto fundamental para la creación de la empresa. Al igual que Optimizely, no se requiere código para comenzar con Leanplum.

Puede leer más sobre Optimizely, Leanplum y los otros líderes en la categoría de atribución descargando la Guía del SDK definitivo para la optimización de aplicaciones GRATIS .

Además, si termina con Optimizely, debe saber que Appsee Mobile App Analytics (donde trabajo) tiene un La integración con Optimizely y el uso conjunto de las herramientas crea una fuerza poderosa.

Con los mapas de calor táctiles de Appsee, puede ver exactamente dónde está fallando su UI o UX, más allá de saber que no está funcionando.

Así es como se ve una prueba A / B con el combo ganador de Appsee y Optimizely:

De cualquier manera, deseándole buena suerte para encontrar la herramienta adecuada para sus necesidades.

A / B probar una aplicación iOS es técnicamente más desafiante que probar un sitio web porque una aplicación se descarga y ejecuta localmente en su dispositivo móvil en lugar de acceder a través de una conexión en vivo a través de un navegador. Esto hace que sea más difícil probar nuevas variaciones y ganadores de lanzamiento sobre la marcha.

Es un tema candente en el desarrollo móvil y los ingenieros de Facebook, LinkedIn, WalmartLabs y Socialcam han analizado cómo diseñar mejor una solución de prueba móvil A / B.

Estos métodos plantean un posible problema de rendimiento: ¿qué sucede si el dispositivo del usuario final no está conectado para extraer activos de prueba del servidor cuando sea necesario? En Splitforce ( http://splitforce.com ), hemos resuelto este problema agrupando a los usuarios en el primer inicio de la aplicación y almacenando en caché los activos de prueba en el dispositivo para poder acceder a ellos localmente en cada sesión posterior.

Esto tiene el beneficio adicional de preservar una experiencia de usuario consistente en las sesiones de la aplicación y garantizar un proceso experimentalmente riguroso de atribuir datos de usuario a una sola variación de prueba.

Si la conexión en el primer inicio de la aplicación es débil o inexistente, la biblioteca volverá a una variación ‘predeterminada’ codificada para preservar una experiencia de usuario ininterrumpida.

Pero realmente, los desafíos de la aplicación móvil de prueba A / B van más allá de lo técnico. La experiencia de los usuarios de las aplicaciones móviles en realidad no sigue el mismo modelo de embudo de conversión lineal en la web. Las métricas relacionadas con el compromiso, como la duración promedio de la sesión, la retención y el número promedio de veces que los usuarios completaron un objetivo son más significativas.

Estos tipos de objetivos ‘específicos para dispositivos móviles’ a menudo no encajan en una distribución normal que sirve como base para calcular cosas como los intervalos de confianza de la tasa de conversión y la significación estadística. Los modelos de datos alternativos a menudo son más adecuados para la optimización de aplicaciones móviles, que es algo en lo que también nos hemos centrado.

Para obtener más información sobre las pruebas A / B y el desarrollo móvil, consulte nuestro blog: Big Data, Little Devices – Pruebas A / B móviles, experimentación y análisis.