Seguramente ya sabes que para optimizar la conversión en una web, la mejor herramienta es crear tests A/B. Pero cuando te planteas crear tests A/B en tu web, surgen muchas dudas, ¿qué páginas deberías testear? ¿qué tipo de tests A/B deberías crear? ¿cómo los creas? ¿cuándo debería finalizar un tests A/B? y, una vez que un test A/B ha acabado, ¿qué debes hacer? Esta entrada intenta ser una guía para ayudarte a crear tests A/B de forma sistemática, contestarte a todas las preguntas anteriores y asegurarte de que obtienes los mejores resultados en tu web.
Tabla de contenidos
Qué es un test A/B
Los test A/B son pruebas de diseño que nos permiten realizar variaciones de una misma página para comparar el comportamiento de los usuarios en las distintas opciones y poder valorar cuál de las versiones es la que mejores resultados obtiene.

Una vez analizados los datos puedes concluir ante qué versión responden mejor y cuándo los resultados son más positivos. Por ejemplo, ya hace algunos años, Obama para conseguir ingresos para su campaña, realizó un test con distintas variaciones de su la página de aterrizaje de su web en la que combinaba distintas imágenes y botones.

Y el resultado fue que con la versión ganadora consiguió aumentar los ingresos por un total de 60 millones de dólares respecto a la versión original. No está nada mal, ¿verdad?

Al realizar un test A/B, los elementos a probar de tu web no sólo tienen por qué ser páginas, también pueden ser menús, widgets, temas, plantillas, etc. Normalmente, llamamos «versión original» o «variante A» a la versión que existía antes de realizar un test y «variaciones» o «variantes» o «alternativas B, C» , etc. a las que no son la versión original. Las diferencias entre las distintas variaciones pueden ser desde cambios muy sutiles respecto a la versión original a variaciones con cambios radicales.
Además, los tests A/B se crean con el propósito de analizar el comportamiento de los usuarios para alcanzar un objetivo definido de antemano. Ya hemos visto en el ejemplo anterior que el objetivo era conseguir más ingresos para una campaña política pero también puede ser para conseguir más suscritores a una newsletter, más respuestas en un formulario, más ventas de un producto, etc.
Beneficios de los tests A/B
Supongo que los beneficios de los tests A/B se han visto claros en el ejemplo anterior. Los tests A/B permiten aumentar los ingresos de forma contrastada, basándonos en datos reales sobre el comportamiento de nuestros visitantes. Pero no se trata exclusivamente de ingresos, los tests A/B nos permiten también:
- Mejorar la experiencia del usuario. Los tests A/B nos permiten comparar las distintas preferencias y gustos de nuestros visitantes. Con cada test que realizamos, iremos mejorando aspectos de nuestra web que sabemos que tienen más éxito y, al contrario, no haremos cambios en el diseño que podrían tener un impacto negativo entre nuestros usuarios.
- Mejorar la tasa de rebote y reducir la fricción con el usuario. Los tests A/B ayudan a mejorar los clics a nuestros productos, artículos y anuncios. Identificar qué funciona mejor y qué ignoran nuestros visitantes.
- Mejorar la tasa de conversión. Cuando hablamos de conversión, no sólo hablamos de mejorar los ingresos (que también), si no también que los usuarios realicen cualquier acción deseada como puede ser que consulten los detalles de un producto o que se inscriban a nuestra newsletter.
- Mejorar nuestro análisis. Google Analytics nos da un montón de información sobre lo que ocurre en nuestra web, pero un test A/B, de forma muy fácil y sin necesitar datos adicionales o contrastados, nos dice si una alternativa es mejor que otra.
- Comprobar todo en nuestra web. Uno de los grandes beneficios de los tests A/B es que te permiten probar cualquier elemento de diseño y contenido. No sólo cambiar una imagen y un botón, también puedes comprobar estilos de letra, cambiar los menús, los formularios o cualquier widget que tengas o incluso probar distintos temas de WordPress y ver cuál resulta mejor. Los tests A/B son la única herramienta que te permite realizar este tipo de pruebas.
- Reducir el riesgo. Y lo mejor de todo es que sabes, con datos reales y comprobados, que los cambios que realices en tu web, después de realizar un tests A/B, son mucho más fiables que la opinión de cualquier persona. Serán precisamente las opiniones de tus propios usuarios las que habrán decidido los cambios que deberías realizar para mejorar tu web.
Antes de crear un test A/B
Si quieres optimizar los resultados de tus tests A/B en tu web deberías previamente realizar las tareas que te comento a continuación. Te ayudarán a identificar los datos sobre los que debes actuar y qué tests A/B deberás crear.
Define los objetivos, indicadores clave de desempeño y métricas objetivo de conversión de tu web
Primero identifica qué quieres conseguir con tu web, cuáles son tus objetivos de conversión, indicadores clave de desempeño (o KPIs) y las métricas objetivo de conversión de tu web. Por ejemplo, si tienes un restaurante, uno de los objetivos de tu web puede ser el aumentar las reservas online. En este caso, un indicador clave de desempeño (o KPIs en inglés) será el número de reservas realizadas mediante el formulario de contacto de tu web y la métrica objetivo de conversión puede ser el recibir, por ejemplo, 100 formularios de reserva online.
Veamos otro ejemplo: nosotros vendemos suscripciones a plugins de WordPress y uno de ellos es Nelio A/B Testing. Una forma de promocionarlo es publicando en nuestro blog artículos como el que estás leyendo en estos momentos, en el que intentamos que nuestros lectores aprendan más sobre los tests A/B. En este caso, uno de los objetivos de conversión del blog es conseguir que el lector acabe visitando la página de planes y precios de Nelio A/B Testing. El KPI es el número de visitas a dicha página y nuestra métrica objetivo es conseguir 2.000 visitas mensuales. Por supuesto, otro KPI es el número de ventas de cada uno de los distintos planes y también tendré definida una métrica objetivo mensual para cada uno de ellos, etc.
Es decir, antes de cualquier tipo de análisis, identifica el embudo de conversión de tus visitantes: los pasos que va realizando y las distintas páginas que va visitando desde que aterriza a tu web hasta que se convierte (realiza aquellas acciones que satisfarán los objetivos de tu web).

Nelio A/B Testing
Me sorprendió mucho la calidad del plugin, lo fácil que fue configurarlo y el increíble soporte que me dio Nelio. Recomiendo encarecidamente usar Nelio A/B Testing.

Josette Millar
Recopila información y analiza si estás consiguiendo tus objetivos
Vayamos al siguiente punto que puede ser un poco más complejo. ¿En qué consiste? A partir de tu embudo de conversión, tus objetivos, kpis y métricas objetivo, ves analizando con las herramientas que tengas actualmente disponibles qué resultados estás obteniendo y la diferencia respecto a las expectativas de métricas objetivo que te habías marcado.
Recuerda que necesitamos datos en los qué podamos actuar. Para ello, empieza realizando un análisis heurístico, es decir, evalúa cada página de tu embudo de conversión según la siguiente serie de criterios y evalúa si podrías mejorar los resultados:
- ¿Cumple la página las expectativas del usuario en cuanto a contenido y diseño? ¿Cómo podemos mejorarla?
- ¿Es el contenido y las ofertas de esta página lo más claros posibles? ¿Podemos hacerlo más claro o sencillo?
- ¿Qué es lo que provoca dudas en esta página o dificulta el proceso? ¿Podemos simplificarlo?
- ¿Qué hay en la página que no ayuda al usuario a actuar?
- Y por último, ¿podemos aumentar la motivación del usuario?
Google Analytics es una buena herramienta que te proporciona gran parte de la información para poder responder a las preguntas anteriores. Por ejemplo, puedes ver el tiempo medio en cada página, la tasa de abandono, dónde hacen clic los usuarios etc. Otras herramientas que son muy útiles en esta fase son los heatmaps, clickmaps y scrollmaps. Estos te proporcionan información adicional sobre qué llama más la atención del usuario en cada página o qué está ignorando. En definitiva, te ayuda a entender mejor el comportamiento de tu usuario.
Por ejemplo, con Google Analytics vimos que casi la mitad de los visitantes a la página Nelio A/B Testing visitaban nuestra página de precios, que no está mal. Pero el scrollmap nos ayudó a identificar que la mayoría de nuestros visitantes no pasaban del primer bloque de la página de aterrizaje para saber más sobre nuestro producto. Aquí sí que pudimos encontrar un potencial de mejora.

Tras este análisis obtienes un listado detallado de todos los aspectos que crees que podrías mejorar en tu web. En el ejemplo anterior, llegamos a la conclusión de que deberíamos mejorar la página de Nelio A/B Testing para intentar conseguir que los visitantes hicieran scroll hacia abajo.
Genera hipótesis de mejora
A continuación, para cada uno de los problemas identificados, genera una hipótesis de mejora. Por ejemplo, si en el punto anterior identificamos que teníamos el problema de que nuestros visitantes se quedan en el primer bloque de la página de Nelio A/B Testing, quizá si modificamos el tamaño del primer bloque y hacemos más atractivo el titulo y el texto, nuestros visitantes se animarán a mirar el resto de la página.


Al final, obtendrás un listado de problemas conjuntamente con tus hipótesis de mejora.
Ordena el listado de puntos a mejorar por mayor impacto y menor coste
Cuando creas tests A/B en tu web, no puedes estar probándolos todos a la vez ya que se mezclarían los resultados obtenidos y sería difícil sacar conclusiones fiables. Por este motivo, la siguiente tarea a realizar es priorizar el listado obtenido en el punto anterior de forma pragmática: qué mejoras pueden tener más impacto y cuáles pueden ser más fáciles de cambiar. Las mejoras que van a tener más impacto acostumbran a ser aquellas que ocurren en las páginas más visitadas y, sobretodo en las páginas de precios. Sobre el coste de los cambios, dependerá de las hipótesis que hayas planteado en el punto anterior: no es lo mismo cambiar el título o algún color que, por ejemplo, crear nuevos vídeos multimedia, etc.
Aunque idealmente, deberías acabar probando todos los puntos a mejorar, mi recomendación es empezar por aquellos que puedan generarte mejores resultados.
Y ya está. Tras todos estos pasos, ya puedes empezar al test A/B del primer punto de tu lista ordenada.
Cómo crear un test A/B
Si has llegado hasta aquí, piensa que ya has hecho el trabajo más pesado. Crear tests A/B es muy fácil si utilizas la herramienta adecuada. Para ello, te recomiendo que leas nuestro artículo sobre los distintos plugins de tests A/B para WordPress. Todo son ventajas si utilizas un plugin de WordPress, como Nelio A/B Testing, para crear tests A/B:
- Puedes crear tests de cualquier elemento de tu web.

- Las variantes las defines utilizando los mismos editores predefinidos de WordPress, sin necesidad de utilizar ninguna herramienta externa.
- Te permite definir gran variedad de objetivos y acciones de conversión.
- E incluso te permite segmentar qué visitantes quieres que participen en test.
En cuestión de pocos minutos, pudimos crear el test que validaba nuestra hipótesis sobre si podíamos mejorar la página principal de Nelio A/B Testing.

Durante la ejecución de un test A/B
Una vez creado el test, con una buena herramienta de tests A/B, sólo debes indicar que el test A/B se ejecute. Ella misma se encargá de dividir a tus visitantes en tantos grupos como variantes tengas y que cada visitante siempre vea la misma variante. Además, también se encargará de ir recolectando los datos de conversión para que puedas saber en todo momento, en que estado se encuentra el test.

La página de resultados de una herramienta de tests A/B debería proporcionarte información sobre el estado en el que se encuentra (si ya hay suficientes visitas para determinar un ganador) y distintos gráficos sobre los ratios de conversión de la versión original y las variantes que hayas creado.
¿Durante cuánto tiempo debe estar ejecutándose un test A/B? Depende de la complejidad del mismo (cuantas más variantes, más complejo) y el número de visitantes que ven el test (cuantos más visitantes, antes obtendrás datos confiables de los resultados).
Si detienes un test demasiado pronto puede ocurrir que el resultado no sea significativo, mientras que mantener un test en ejecución durante demasiado tiempo puede hacer que pierdas conversiones y ventas debido a una variante deficiente en el test o que estés perdiendo la oportunidad de crear otros test que pueden obtener mejores resultados. Nuestros tests acostumbran a durar entre dos y cuatro semanas, pero si tienes una web con mucho más tráfico, con menos tiempo puedes conseguir grandes resultados.
Al finalizar un test A/B
Un test puede finalizar por varios motivos: que haya una variante ganadora y los resultados sean estadíticamente significativos, que sea la versión original la ganadora y también sean los resultados estadísticamente significativos o que, sencillamente decidas finalizar el test porque ya lleva demasiado tiempo ejecutándose sin que obtengas unos resultados que indiquen que ninguna variantes es mejor o peor que la original.
Si hay una variante ganadora, ¡Felicidades!, ahora sólo falta que a la herramienta de A/B testing le indiques que aplique esa versión ganadora como la definitiva y única versión que ven todos tus visitantes.

Pero también puede ocurrir que los resultados obtenidos no sean los esperados. Pero esos resultados también nos han servido para invalidar, en este caso, nuestra hipótesis. Y sí, mientras se ha estado ejecutando el test, quizá hemos perdido algunos ingresos. Pero en cualquier caso, habrá sido mucho más provechoso el experimento que si hubiéramos aplicado nuestra hipótesis a la web, sin antes haberlo validado con un test A/B.
Y es que optimizar la conversión en nuestra web es un proceso recurrente de ir analizando datos, creando hipótesis de mejora, crear tests y sacar conclusiones sobre los resultados obtenidos.
Te recomiendo encarecidamente que eches una ojeada a los distintos tests que vamos creando en nuestra web y los resultados que vamos obteniendo. Estoy segura de que te ayudarán a entender rápidamente en qué consiste el proceso de optimización de la conversión de una web.
Imagen destacada de Bannon Morrissy en Unsplash.
Deja una respuesta