La idea detrás del A/B testing es simple: en lugar de debatir durante 3 horas en una reunión cuál de dos versiones de un botón convierte mejor, lo pruebas con usuarios reales y el dato decide.
Suena evidente. Y sin embargo la mayoría de las PYMEs no lo hace porque asumen que requiere herramientas caras, tráfico enorme, o un equipo de growth dedicado.
No requiere ninguna de las tres cosas para empezar.
Qué es el A/B testing y cuándo tiene sentido
Un A/B test es un experimento donde muestras dos versiones distintas de un elemento web (A y B) a grupos aleatorios de usuarios, y mides cuál produce más de la acción que quieres (clics, formularios enviados, compras).
Cuándo tiene sentido:
Necesitas tráfico suficiente para que el resultado sea estadísticamente significativo. La regla práctica: si una página recibe menos de 500 visitas únicas al mes, el A/B testing no va a darte conclusiones fiables en tiempo razonable.
Con 500-1.000 visitas mensuales en la página que quieres testear, puedes hacer tests básicos con variaciones grandes (cambiar el titular, el color del CTA principal, el texto del botón). Con menos de eso, mejor invertir el tiempo en aumentar el tráfico antes de optimizar la conversión.
Las 4 variables con más impacto para testear primero
No todos los elementos de una página tienen el mismo potencial de impacto en la conversión. Empieza con los que más mueven la aguja:
1. El titular principal
Es lo primero que lee el visitante y lo que más influye en si sigue o se va. De todo lo que se puede tocar en una página, es el elemento que más veces he visto cambiar el resultado de un test. Prueba: orientado al problema frente a orientado al resultado, con número frente a sin número, específico frente a genérico.
2. El CTA principal
El texto del botón importa más de lo que parece — y es el primer sitio donde miro cuando una página de destino no convierte. "Solicitar información" vs "Ver cómo funciona" vs "Agenda una llamada gratis" tienen tasas de clic diferentes porque comunican compromisos distintos. También el color y la posición.
3. La longitud del formulario
Cada campo adicional en un formulario reduce la conversión. Un test clásico: ¿qué convierte mejor — pedir nombre, empresa, email y teléfono, o solo el email? A veces la respuesta sorprende.
4. La prueba social (posición y formato)
¿Funciona mejor tener los logos de clientes en el hero o debajo del fold? ¿Las reseñas con foto del cliente convierten más que sin foto? ¿El número de clientes atendidos en grande o integrado en el texto?
Las herramientas gratuitas o de bajo costo
Google Optimize (gratuito — aunque migra a GA4 Experiments):
Google Optimize fue la herramienta estándar gratuita de A/B testing. Google lo discontinuó en 2023 y la funcionalidad migró a Google Analytics 4 bajo el nombre "Experiments". La configuración es más técnica que el Optimize original pero sigue siendo gratuita para tests básicos.
VWO (Visual Website Optimizer) — plan gratuito limitado:
VWO tiene un plan gratuito para hasta 50.000 impresiones al mes. Es más intuitivo que GA4 Experiments y tiene un editor visual que permite hacer cambios sin tocar código. Para una PYME con tráfico moderado, el plan gratuito puede ser suficiente para empezar.
Hotjar Experiments (plan de pago, desde €32/mes):
Hotjar combina heatmaps, grabaciones de sesión, y A/B testing en una plataforma. Si ya usas Hotjar para entender el comportamiento de usuarios, añadir los experimentos tiene sentido.
La opción sin herramienta: landing pages duplicadas + UTMs
Para tests sencillos sin herramienta dedicada: crea dos versiones de la misma landing page (page-v1 y page-v2), dirige el tráfico a cada una con enlaces distintos (desde emails, anuncios o redes), y mide la conversión de cada una en GA4. No es un A/B test puro (no hay asignación aleatoria automática), pero para muchos casos de uso es suficiente.
El proceso del test: cómo no sacar conclusiones incorrectas
El mayor error en A/B testing: declarar un ganador demasiado pronto.
Paso 1: Define la hipótesis antes de empezar
No "vamos a cambiar el botón a ver qué pasa". Sino: "Creemos que cambiar el CTA de 'Solicitar información' a 'Agenda tu diagnóstico gratuito' aumentará los clics porque reduce la fricción al especificar exactamente qué pasa después."
La hipótesis obliga a pensar por qué la variación debería funcionar. Si no sabes por qué debería funcionar, el test no enseña nada aunque gane.
Paso 2: Determina el tamaño de muestra necesario
Hay calculadoras de tamaño de muestra para A/B tests (Evan Miller's Sample Size Calculator es la más usada, gratuita online). Introduce la tasa de conversión actual y la mejora mínima que considerarías significativa. Te dice cuántas visitas necesitas por variación antes de que el resultado sea fiable.
Paso 3: Corre el test durante al menos 2 semanas completas
Los datos de días individuales tienen mucha varianza (los lunes son distintos a los viernes, las semanas con festivos son distintas a las normales). Corre siempre el test durante semanas completas — mínimo 2, idealmente 4 — para capturar variabilidad real.
Paso 4: Solo cambia una variable por test
Si cambias el headline Y el color del CTA Y la imagen al mismo tiempo, no sabes qué causó el cambio en conversión. Un test, una variable.
Paso 5: Declara ganador solo con significancia estadística ≥95%
La mayoría de las herramientas de A/B testing te muestran la significancia estadística. Un resultado con 70% de significancia quiere decir que hay un 30% de probabilidad de que el "ganador" ganó por azar. Solo actúa sobre resultados con 95%+ de significancia.
Qué hacer con los resultados
Un test ganador: implementa la variación ganadora de forma permanente. Documenta qué funcionó y por qué (según tu hipótesis). Ese conocimiento acumulado hace que los siguientes tests sean más inteligentes.
Un test sin ganador claro: también es información. Si no hay diferencia estadística entre las dos versiones, aprendes que ese elemento no es el cuello de botella de la conversión. Busca otro elemento para testear — o revisa antes las causas habituales de que una web no venda, porque a veces el problema no está en la página sino en la oferta.
Un test donde gana la versión original: también válido. Sabes que la variación no mejoró las cosas. Igual de valioso que encontrar un ganador.
El A/B testing bien hecho es una de las formas más eficientes de mejorar el rendimiento de un sitio web porque elimina las opiniones del proceso. No importa lo que el CEO crea que funciona mejor si el dato dice otra cosa. Empieza con la página que más impacto tiene en tu conversión (generalmente la home o la landing de servicios), haz un test a la vez, y acumula aprendizaje.
Newsletter
¿Te fue útil este artículo?
Suscríbete y te aviso cuando publique algo que valga la pena leer. Sin correo basura y sin una frecuencia forzada.