Cómo correr un A/B test sin engañarse con los números

Cambiar el color de un botón y decir que con eso subió las ventas no es un experimento; es una corazonada disfrazada de dato. Un A/B test bien hecho le dice, con certeza, si una versión de su página o anuncio vende más que otra. Y mal hecho, lo lleva a tomar decisiones equivocadas con plena confianza, que es lo peor que puede pasar.

En este artículo le explicamos cómo correr un A/B test que de verdad le diga la verdad: qué probar primero, cómo se monta, cuántos datos necesita antes de creerle al resultado, cuánto tiempo dejarlo correr y los errores que hacen que la gente se engañe sola. Con ejemplos en pesos para que aterrice en su negocio.

Qué es un A/B test y para qué sirve

Un A/B test es comparar dos versiones de algo para ver cuál funciona mejor. Tiene la versión A, que es la actual, y la versión B, que es el cambio que quiere probar. A la mitad de la gente le muestra una y a la otra mitad la otra, al mismo tiempo, y mide cuál convierte más. Así sabe si el cambio realmente sirve o si solo era una idea bonita.

La gracia del A/B test es que reemplaza la opinión por la evidencia. En vez de discutir si el titular nuevo es mejor que el viejo, los pone a competir y deja que la gente decida con sus clics y sus compras. Eso elimina el ego de la ecuación: no gana la idea del que manda, gana la que más vende. Para un negocio, esa disciplina vale oro.

Qué probar primero

No todo vale la pena probarlo. Si va a invertir tiempo en un experimento, empiece por lo que más mueve la aguja. Cambiar un color rara vez cambia mucho; cambiar el titular, la oferta o el formulario sí puede cambiarlo todo. Vaya por lo grande antes de afinar los detalles.

• ●El titular de la landing, porque es lo primero que decide si la gente se queda.
• ●La oferta, por ejemplo descuento contra envío gratis contra regalo.
• ●El formulario, probando menos campos contra más campos.
• ●El llamado a la acción, el texto y el lugar del botón.
• ●La imagen o el video principal del anuncio o la página.

Una regla de oro: pruebe un solo cambio a la vez. Si cambia el titular, la imagen y el botón al mismo tiempo y la versión B gana, no va a saber cuál de los tres fue. Un experimento limpio aísla una variable para que el resultado le diga algo claro y accionable.

Cuántos datos necesita antes de creerle

Este es el error más común y el más caro. La gente lanza un test, ve que la versión B va ganando con veinte visitas y la declara ganadora. Con tan pocos datos, ese resultado puede ser pura suerte. Si lanza una moneda cinco veces y caen cuatro caras, no significa que la moneda esté cargada; significa que cinco tiros son muy pocos.

Para confiar en un A/B test necesita un volumen razonable de conversiones en cada versión, no solo de visitas. Como referencia práctica, conviene esperar a tener al menos unas decenas de conversiones por lado antes de mirar el resultado con seriedad. Si su negocio recibe pocas conversiones al mes, un test puede tardar varias semanas en darle una respuesta confiable, y eso está bien. Mejor esperar que decidir con datos falsos.

Cuánto tiempo dejarlo correr

Además del volumen, importa el tiempo. La gente no se comporta igual el lunes que el sábado, ni en quincena que a mitad de mes. Si corre un test solo dos días, puede capturar un comportamiento que no representa la semana completa. Por eso conviene dejar cualquier experimento corriendo al menos una o dos semanas completas, para que pase por días buenos y malos.

También hay que resistir la tentación de detener el test apenas una versión va ganando. Los resultados se mueven mucho al principio y se estabilizan con el tiempo. Una versión que arranca arriba puede terminar abajo. La paciencia, en los A/B test, es literalmente plata: cortar antes de tiempo es la forma más fácil de tomar la decisión equivocada.

Los errores que hacen que se engañe solo

El primer error es parar el test cuando le conviene, es decir, cuando va ganando la versión que usted quería que ganara. Eso no es un experimento, es buscar la confirmación de lo que ya creía. El segundo es cambiar cosas en medio del test, lo que ensucia los datos y los vuelve inútiles.

• ●No detenga el test apenas vea que va ganando su versión favorita.
• ●No cambie nada mientras el experimento esté corriendo.
• ●No saque conclusiones con pocas conversiones por lado.
• ●No corra varios experimentos encimados que se contaminen entre sí.
• ●No ignore un empate: a veces el cambio simplemente no importa, y eso también es un resultado.

Un ejemplo con números

Una tienda de ropa en Medellín quería subir las ventas de su landing. En vez de cambiar diez cosas a ciegas, montamos un A/B test serio. La versión A tenía el titular actual; la versión B tenía un titular centrado en envío gratis a todo el país. Dejamos correr el test dos semanas completas.

• ●Versión A: 1.200 visitas, 36 compras, conversión del 3 por ciento.
• ●Versión B: 1.200 visitas, 60 compras, conversión del 5 por ciento.
• ●Diferencia clara y con suficiente volumen para confiar en ella.
• ●Decisión: el titular de envío gratis se quedó como definitivo.

Con un solo cambio probado en serio, la conversión subió del tres al cinco por ciento, lo que significó dos tercios más de ventas con la misma pauta. Lo valioso no fue solo el resultado, sino la certeza: ahora sabían que ese titular vendía más, en vez de creerlo. Esa es la diferencia entre adivinar y medir.

Cómo lo resolvemos en Manu

En Manu no decidimos por corazonada. Corremos A/B tests reales sobre las landing pages y los anuncios para encontrar, con datos, qué versión vende más antes de escalar la inversión. Así cada peso adicional de pauta cae sobre una página y un anuncio que ya demostraron, en evidencia, que convierten. Performance basado en pruebas, no en opiniones.

Y como medir no sirve de nada si la venta se enfría, la IA cierra el ciclo. Nuestro agente en WhatsApp atiende cada lead que sale de la versión ganadora, lo califica y lo lleva hasta la compra, mientras el CRM guarda todo ordenado. Si quiere saber qué probar primero en su negocio, le hacemos una auditoría gratis y le proponemos el primer experimento que más le puede mover las ventas.