En contexto - Pruebas A/B para sitios web

Esta guía explica el tema Pruebas A/B para sitios web con contexto práctico. Un cambio de página deja de ser una discusión sobre gustos cuando se convierte en experimento controlado: eso aportan las pruebas A/B para sitios web, si evitas la falsa confianza.

Las pruebas AB son útiles porque convierten el cambio de un sitio web en un experimento controlado en lugar de un debate sobre gustos. La disciplina es simple: decida qué resultado comercial desea mejorar, exponga a visitantes comparables a diferentes versiones y mida si el cambio produjo un impulso real. Lo difícil es evitar la falsa confianza.

Una configuración de análisis que priorice la privacidad puede respaldar buenos experimentos sin convertir a cada visitante en un perfil publicitario de larga duración. Por lo general, necesita visitas a la página, referencias, parámetros de campaña, asignación de variantes y un evento de conversión. No necesita seguimiento entre sitios, atributos confidenciales ni un gráfico de identidad para la mayoría de los experimentos de sitios web.

¿Qué se considera un buen experimento de sitio web?

Una prueba A/B útil consta de cuatro partes: una hipótesis, una métrica principal, un método de asignación aleatoria y una regla de detención. Por ejemplo: "Si acercamos la prueba de precios al botón de registro, el inicio de la prueba desde la página de precios aumentará porque los visitantes verán una reducción del riesgo antes de decidir". Eso es mejor que "probar una nueva página de precios" porque dice qué debería cambiar y por qué.

Elija una métrica principal antes del lanzamiento. Las métricas secundarias siguen siendo útiles, pero no deberían convertirse en una lista de compras para obtener un resultado positivo después del hecho. Una prueba de página de precios de SaaS podría utilizar la tasa de registro de prueba como métrica principal y monitorear los errores de pago, los clics de soporte, la profundidad de desplazamiento y las solicitudes de reembolso como barreras de seguridad.

La asignación aleatoria es importante. Si los visitantes que regresan siempre ven el control y los nuevos visitantes ven la variante, el resultado combinará su cambio de diseño con las diferencias de audiencia. Empieza con la asignación del lado del servidor para la sesión actual o para usuarios autenticados donde la identificación de la cuenta interna permanece dentro de tus propios sistemas. Si almacenas la variante asignada en una cookie de origen, almacenamiento local o almacenamiento similar del navegador, trata ese almacenamiento como potencialmente sujeto al consentimiento ePrivacy, a menos que se aplique una exención local limitada.

Qué probar primero

Empieza con cambios relacionados con un punto de decisión. Los colores de los botones rara vez son el mejor primer experimento. Los mejores candidatos incluyen claridad del mensaje, estructura de precios, longitud del formulario, prueba cerca de una CTA de alta intención, encuadre de prueba versus demostración, fricción en el proceso de pago y opciones de pago.

Priorice las pruebas con suficiente tráfico y suficiente control de desventajas. Una prueba de caja puede producir una señal rápida, pero una caja rota también cuesta dinero. Utiliza indicadores de funciones, controle la calidad de ambas variantes y supervise las tasas de error desde los primeros minutos del lanzamiento.

Tamaño de la muestra y momento

No detengas una prueba la primera vez que un tablero se ponga verde. Mirar repetidamente aumenta la posibilidad de un falso positivo. Los investigadores de Microsoft Ronny Kohavi, Diane Tang y Ya Xu enfatizan en su trabajo experimental controlado en línea que los programas experimentales necesitan métricas claras, aleatorización y disciplina estadística, no solo división del tráfico (Experimentos controlados en línea confiables).

Para equipos prácticos, establezca estas reglas antes del lanzamiento:

1. Tiempo de ejecución mínimo: al menos un ciclo comercial completo, generalmente siete días, por lo que se representa el comportamiento entre semana y fin de semana.
2. Conversiones mínimas: suficientes conversiones en cada variante para que el resultado sea significativo. Una prueba con 20 conversiones en total suele ser direccional, no decisiva.
3. Efecto mínimo detectable: el levantamiento más pequeño sobre el que realmente actuarías. Si un aumento del 1% no cambiaría su hoja de ruta, no diseñe la prueba en torno a la detección del 1%.
4. Barandillas: métricas que pueden invalidar a un ganador, como una carga de página más lenta, reembolsos más altos, activación más baja o más tickets de soporte.

Para sitios con poco tráfico, las pruebas A/B pueden ser la herramienta equivocada. Si su página de precios recibe 300 visitas por mes y 9 registros, una prueba estadísticamente limpia llevará mucho tiempo. Utiliza primero la investigación cualitativa, embudos a nivel de sesión, encuestas, notas de llamadas de ventas y pruebas de usabilidad. Luego, realiza experimentos más grandes y audaces donde el efecto esperado sea lo suficientemente grande como para detectarlo.

Implementación de privacidad primero

Una implementación mínima necesita tres eventos: exposición del experimento, consecución del objetivo y eventos de barrera. Mantén las propiedades del evento aburridas: la página, el nombre del experimento, la variante, la marca de tiempo, la fuente y la clase de dispositivo son suficientes.

Evita recopilar direcciones de correo electrónico, nombres, direcciones IP sin formato o URLs completos que contengan datos personales. Si los parámetros de la campaña son necesarios, mantenga los UTM pero elimine los identificadores innecesarios. Si una URL puede contener un token, un ID de pedido o una dirección de correo electrónico, límpielo antes de que llegue a análisis.

Las reglas de consentimiento dependen de la implementación. Según la legislación de la UE, el almacenamiento o el acceso a información en el dispositivo del usuario se rige generalmente por las leyes nacionales que implementan la Directiva ePrivacy, mientras que el tratamiento posterior de datos personales se rige por GDPR. Tanto las orientaciones del Artículo 5(3) del EDPB como las orientaciones sobre almacenamiento y acceso de la ICO enfatizan que estas reglas cubren más que cookies, incluido el almacenamiento local, los píxeles, los SDK y otros accesos a equipos terminales (orientaciones del Artículo 5(3) del EDPB, orientaciones sobre tecnologías de acceso y almacenamiento de la ICO). El informe del grupo de trabajo sobre banners de cookies del EDPB señala la división entre las reglas de acceso a las cookies y las reglas de tratamiento GDPR (Grupo de trabajo sobre banners de cookies del EDPB).

Si su experimento utiliza cookies no esenciales, almacenamiento local, seguimiento de terceros o destinos publicitarios, es posible que necesite consentimiento. Si ejecuta un experimento estrictamente necesario en el lado del servidor sin perfiles personales, el análisis es diferente, pero documente su razonamiento y evite que la tarea se convierta en un identificador oculto.

Leyendo el resultado

Una variante ganadora debería responder tres preguntas: ¿mejoró la métrica principal, las barreras de seguridad se mantuvieron saludables y el efecto es lo suficientemente grande como para importar? Ten cuidado con el análisis de segmentos. Si divide los resultados en diez segmentos después de la prueba, uno puede parecer dramático por casualidad. Utiliza segmentos para generar hipótesis de seguimiento, no para rescatar un resultado débil.

Decide también qué sucede después de una pérdida. Una prueba fallida es útil cuando elimina una mala idea de la hoja de ruta o revela que la hipótesis era incorrecta. Anota el resultado, la interpretación y la siguiente acción. Con el tiempo, su archivo de experimentos se convierte en una base de conocimiento del producto.

Las pruebas AB no son mágicas. Es una forma de hacer que las decisiones sobre sitios web sean menos frágiles. Los mejores equipos lo utilizan con moderación, miden solo lo que necesitan y tratan las limitaciones de privacidad como un requisito de diseño en lugar de un obstáculo.

Lista de verificación de cumplimiento del experimento

Antes de enviar una prueba, confirme el método de asignación, el comportamiento de almacenamiento, el activador del consentimiento, la carga útil del evento, el período de retención y los destinos del proveedor. En un navegador limpio, pruebe la carga de la primera página antes de la elección, después del rechazo y después de la aceptación. Un experimento compatible no solo es estadísticamente sólido; También demuestra que el almacenamiento y las etiquetas opcionales respetan la elección del usuario.

Vincula cada métrica a una decisión. Las visitas a las páginas deben guiar el contenido y el trabajo de navegación, las referencias deben guiar la inversión en el canal, las etiquetas de campaña deben guiar el gasto y los eventos de conversión deben conciliarse con los registros de backend. Si una métrica no puede cambiar una decisión, archívela desde el panel principal.

Preguntas frecuentes

¿Qué hace buena a una hipótesis de prueba A/B?

Una buena hipótesis dice qué debería cambiar y por qué, no solo que va a probar algo nuevo. Por ejemplo, acercar la prueba de precio al botón de registro porque los visitantes necesitan ver la reducción de riesgo antes de decidir. Ese planteamiento indica qué construir y qué resultado contaría como respaldo.

¿Cuánto tiempo debe durar una prueba A/B?

Déjela correr al menos un ciclo de negocio completo, normalmente siete días, para que el comportamiento entre semana y fin de semana quede reflejado en los datos. Cortarla antes porque el panel se pone en verde aumenta la probabilidad de un falso positivo.

¿Cuántas conversiones se necesitan antes de confiar en un resultado?

No hay un número único que sirva en todos los casos, pero cada variante necesita conversiones suficientes para que el resultado tenga sentido. Una prueba con 20 conversiones en total entre ambas variantes suele ser solo orientativa, no algo sobre lo que actuar.

¿Por qué revisar los resultados antes de tiempo es un problema?

Mirar el resultado varias veces antes de que la prueba termine aumenta la probabilidad de tomar un falso positivo por una victoria. Defina la regla de parada, la duración, el mínimo de conversiones y el efecto mínimo detectable antes de lanzar la prueba y respételos.

¿Qué probar primero en un sitio web?

Deje de lado el color de los botones y empiece por lo que está ligado a un punto de decisión: claridad del mensaje, estructura de precios, longitud del formulario y prueba social cerca de una llamada a la acción de alta intención. Después pruebe el enfoque de prueba gratuita frente a demo, la fricción en el checkout y las opciones de pago. Estos elementos pesan más porque tocan lo que el visitante está decidiendo de verdad.

¿Vale la pena hacer pruebas A/B en un sitio con poco tráfico?

No demasiado. Una página de precios con 300 visitas al mes y 9 registros tardará mucho en dar un resultado estadísticamente limpio. La investigación cualitativa, los embudos a nivel de sesión, las encuestas y las pruebas de usabilidad responden más en menos tiempo, dejando las pruebas A/B grandes para cambios con un efecto esperado grande.

¿Se necesita consentimiento de cookies para una prueba A/B?

El consentimiento de cookies es obligatorio cuando la prueba usa cookies no esenciales, almacenamiento local o rastreo de terceros, que bajo las reglas de ePrivacy suelen necesitar consentimiento. Un experimento del lado del servidor, estrictamente necesario y sin perfilado personal, es un caso distinto, pero conviene documentar el razonamiento de todos modos.

¿Qué cuenta como métrica de guardarraíl en una prueba A/B?

Los guardarraíles son las métricas que pueden invalidar a un ganador aparente: carga de página más lenta, más reembolsos, menor activación o más tickets de soporte. Vigilarlas junto a la métrica principal evita que una mejora en un número esconda un daño en otro lado.

¿Qué datos necesita realmente una prueba A/B centrada en la privacidad?

Vistas de página, referrers, parámetros de campaña, asignación de variante y un evento de conversión cubren la mayoría de los experimentos de sitios web. No hacen falta rastreo entre sitios, atributos sensibles ni un grafo de identidad.

¿Qué hacer después de que una prueba pierda?

Anote el resultado, su interpretación y la siguiente acción, igual que haría con una victoria. Una prueba fallida sigue teniendo valor cuando quita una mala idea de la hoja de ruta o muestra que la hipótesis original estaba equivocada.