Una prueba A/B no consiste en cambiar un botón, esperar unos días y celebrar la variante que parece tener un número mayor. Es un experimento controlado para reducir incertidumbre. Cuando se diseña mal, divide el tráfico, genera conclusiones prematuras y empuja al negocio a implementar cambios que no producen una mejora real.
En un funnel de ventas, el objetivo no es “probar cosas”. Es aprender qué variable modifica una conducta relevante y por qué. Para lograrlo necesitas un diagnóstico previo, una hipótesis concreta, una métrica principal y reglas de decisión definidas antes de mirar el resultado.
Cuándo tiene sentido hacer una prueba A/B
Una prueba A/B es apropiada cuando existe suficiente tráfico, el evento puede medirse con estabilidad y hay dos versiones claramente diferenciadas de una variable. No es la herramienta correcta cuando el funnel todavía tiene errores técnicos, cambia cada semana o recibe tan pocas conversiones que cualquier variación altera el porcentaje.
Antes de experimentar, realiza una auditoría completa del funnel. Si un formulario no envía datos o el checkout falla en móviles, no necesitas una prueba estadística: necesitas corregir el defecto.
La anatomía de una hipótesis útil
Una hipótesis de calidad conecta evidencia, cambio, conducta y resultado. Utiliza esta estructura:
Debido a [evidencia observada], creemos que [cambio específico] ayudará a [audiencia] a [conducta esperada]. Lo sabremos porque mejorará [métrica principal] sin perjudicar [métrica de control].
Ejemplo: “Debido a que muchos visitantes consultan la sección de evidencia y abandonan antes del formulario, creemos que trasladar un caso relevante junto al CTA aumentará los inicios de solicitud sin reducir la calidad de los leads”.
Esta formulación evita experimentos sin causa. También define qué observar si el resultado no cambia.
Qué variable probar primero
Prioriza variables que actúan sobre el cuello de botella identificado. Algunas categorías habituales son:
- Promesa: claridad del resultado y relevancia para la audiencia.
- Continuidad: coherencia entre anuncio, landing y siguiente paso.
- Evidencia: ubicación, especificidad y pertinencia de la prueba.
- Fricción: campos, decisiones, pasos o requisitos innecesarios.
- Riesgo percibido: garantías, transparencia y expectativas.
- Acción: claridad del CTA y lo que ocurre después.
No pruebes simultáneamente un nuevo título, diseño, precio, formulario y garantía si quieres aprender qué causó el cambio. Una variante radical puede ser útil para explorar una dirección, pero no para atribuir el resultado a una variable concreta.
Elige una métrica principal y métricas de control
La métrica principal debe estar cerca de la conducta que el experimento pretende modificar. Si cambias el formulario, mide su finalización; si cambias la promesa, observa el avance hacia una acción de intención. Las ventas siguen siendo importantes, pero pueden requerir más tiempo y volumen.
Las métricas de control impiden ganar una tasa y perder el negocio. Una versión puede conseguir más leads pero reducir su calidad, aumentar compras y elevar reembolsos, o incrementar reservas y provocar más ausencias.
| Cambio | Métrica principal | Métrica de control |
|---|---|---|
| Promesa de landing | Avance al CTA | Calidad o conversión posterior |
| Formulario | Finalización | Calidad del lead |
| Evidencia | Inicio de compra o solicitud | Conversión final |
| Checkout | Compra completada | Reembolso o soporte |
| Página de gracias | Activación | Continuidad y satisfacción |
Cómo evitar desperdiciar tráfico
- Prueba en el cuello de botella: no experimentes donde el sistema ya funciona.
- Define la decisión antes de iniciar: qué harás si gana A, gana B o no hay diferencia clara.
- Mantén la asignación estable: evita cambiar porcentajes durante el experimento.
- Cubre ciclos completos: incluye variaciones normales de días y fuentes.
- No detengas por entusiasmo: un resultado inicial puede revertirse.
- Documenta segmentos: móvil, escritorio, audiencia nueva y recurrente pueden comportarse distinto.
El papel de las microconversiones
Cuando la venta final ocurre pocas veces, las señales intermedias ayudan a entender la dirección del cambio. El artículo sobre microconversiones en un funnel explica cómo seleccionar eventos que representen progreso real.
Una microconversión no sustituye el resultado comercial. Funciona como indicador adelantado: revela si la variante modifica la conducta prevista antes de que haya suficiente volumen de compras.
Errores que invalidan una prueba
- Cambiar otras partes del funnel mientras el experimento está activo.
- Enviar tráfico de distinta calidad a cada variante.
- Elegir la métrica ganadora después de ver los datos.
- Ejecutar múltiples pruebas superpuestas sobre la misma conducta.
- Ignorar problemas de velocidad, dispositivo o medición.
- Confundir significancia estadística con importancia económica.
Cómo interpretar tres resultados posibles
La variante mejora
Implementa el cambio, vigila las métricas de control y registra qué principio aprendiste. No concluyas únicamente que “el título B ganó”; documenta por qué la audiencia pudo responder mejor.
No hay diferencia clara
No es un fracaso. Puede indicar que la variable no es decisiva, la diferencia entre versiones fue débil o el experimento no tuvo suficiente sensibilidad. Conserva la versión más simple y formula una hipótesis nueva.
La variante empeora
Restituye el control y estudia el patrón. Una caída puede revelar qué elemento producía confianza o claridad. El aprendizaje negativo protege tráfico futuro.
Protocolo OPEN CASH para experimentos
- Mapea el funnel y sus transiciones.
- Identifica la pérdida prioritaria.
- Reúne evidencia cuantitativa y cualitativa.
- Escribe una hipótesis verificable.
- Modifica una variable estratégica.
- Define métrica principal, controles y duración mínima.
- Ejecuta sin interferencias.
- Decide, documenta y convierte el aprendizaje en sistema.
La coherencia importa especialmente en experimentos de mensaje. Si cambias el anuncio sin alinear la página, revisa cómo mantener la continuidad entre anuncios y landing page.
Conclusión
Una prueba A/B bien diseñada no busca una victoria rápida. Busca producir evidencia útil para decidir. Empieza con el cuello de botella, conecta el cambio con una conducta, protege las métricas del negocio y documenta el aprendizaje. Así el tráfico deja de ser combustible para ocurrencias y se convierte en una fuente de conocimiento acumulable.
Primero la hipótesis. Después la variante.