Agencia de Tests A/B
La mayoría de los tests A/B fracasan porque se concluyen demasiado pronto, se ejecutan con tráfico insuficiente o se tratan como experimentos puntuales en lugar de conocimiento acumulado. Diseñamos cada test con cálculos del efecto mínimo detectable y requisitos de tamaño de muestra documentados antes de que salga una sola variante — para que sepa que el test vale la pena antes de ejecutarlo.
Rigor estadístico aplicado a cada experimento
El estándar del sector es lanzar un test, observar el panel durante una semana y declarar un ganador cuando el gráfico de barras parece favorable. Ese enfoque produce falsos positivos a una tasa que preocuparía a un estudiante de primer año de estadística. Calculamos el efecto mínimo detectable, determinamos el tamaño de muestra requerido y establecemos el tiempo de ejecución antes de que se lance el test — no después.
Cada test produce un aprendizaje documentado independientemente del resultado. Los tests perdedores nos dicen algo real sobre sus usuarios. Ese conocimiento acumulado se compone — cada hipótesis es más precisa gracias a lo que nos enseñó el último test. Registramos y compartimos cada perspectiva para que el aprendizaje permanezca en su negocio de forma permanente.
Servicios de tests A/B
Diseño del test e hipótesis
Cada experimento comienza con una hipótesis fundamentada vinculada al comportamiento observado del usuario. Calculamos el efecto mínimo detectable y el tamaño de muestra requerido antes de que nada salga en vivo — si el test no vale la pena dados su tráfico, se lo decimos de antemano.
Análisis estadístico e informes
Pruebas de significación bayesiana o frecuentista, según su tolerancia al riesgo y sus patrones de tráfico. La significación se evalúa solo tras alcanzar el tamaño de muestra preespecificado. Los resultados incluyen intervalos de confianza, uplift observado frente al previsto e interpretación en lenguaje claro junto a los números.
Tests de copy y mensajes
Titulares, CTAs, propuestas de valor, ubicación de pruebas sociales y microcopy mueven las tasas de conversión — a menudo más que los cambios de maquetación. Escribimos y testamos variantes de copy de forma sistemática, tratando la mensajería como una variable de experimento de primer nivel en lugar de una idea de último momento.
Tests multivariable
Cuando necesita entender cómo interactúan múltiples elementos y qué combinaciones funcionan mejor, diseñamos tests multivariable con la estructura factorial correcta y la asignación de tráfico adecuada. Las páginas de alto tráfico donde importan los efectos de interacción reciben el enfoque que merecen.
Preguntas frecuentes
¿Cuánto tiempo debe ejecutarse un test A/B?
El tiempo suficiente para alcanzar el tamaño de muestra precalculado, y nunca menos de dos ciclos de negocio completos (normalmente un mínimo de dos semanas). La duración exacta depende de su tasa de conversión de referencia, el efecto mínimo detectable que le importa y su tráfico diario. Calculamos el tiempo de ejecución requerido antes de que el test se lance — detenerlo pronto porque la variante parece prometedora es la causa más común de falsos positivos en los tests A/B.
¿Qué se puede testear con A/B?
Casi cualquier elemento que un usuario vea o con el que interactúe: titulares, CTAs, imágenes de héroe, presentaciones de precios, maquetaciones de formularios, pasos del flujo de pago, navegación, ubicación de pruebas sociales, estructura de página y microcopy. La limitación es el tráfico — los elementos profundos en un embudo de bajo tráfico tardan demasiado en alcanzar la significación. Priorizamos los tests en páginas de alto tráfico y alto impacto donde los resultados son alcanzables en un plazo razonable.
¿Qué significación estadística utilizan para los tests A/B?
Apuntamos a un 95% de confianza (p < 0,05) como mínimo, con un 80% de potencia estadística — lo que significa un 80% de probabilidad de detectar un efecto real si existe. Para tests de alto tráfico y bajo riesgo podemos aceptar un 90% de confianza. Para tests con consecuencias empresariales significativas (precios, reestructuración mayor de UX) mantenemos el 95% o superior. Documentamos el umbral elegido y la justificación antes de comenzar cada test, de modo que los criterios de decisión estén fijados antes de que lleguen los resultados.
¿Cuánto tráfico necesitamos para los tests A/B?
Depende de su tasa de conversión de referencia y del tamaño de la mejora que intenta detectar. Como orientación aproximada: si su página convierte al 3% y quiere detectar una mejora relativa del 15% (al 3,45%), necesita aproximadamente 10.000 visitantes por variante. Las tasas de referencia más bajas o los efectos objetivo más pequeños requieren proporcionalmente más tráfico. Ejecutamos el cálculo de potencia para sus números específicos y le indicamos si un test es viable antes de diseñarlo.
Deje de ejecutar tests A/B que no alcanzan la significación
Cuéntenos su tasa de conversión actual y sus volúmenes de tráfico. Calcularemos qué es realmente testeable y qué experimentos se acumularán más rápido.
Contáctanos → Optimización de la Tasa de Conversión →