Inicio›Marketing

Test A/B: ¿el resultado es real o suerte?

Compare dos versiones de una página, anuncio, correo o precio y descubra si la diferencia en la conversión es estadísticamente significativa o puede ser casualidad. Vea el aumento estimado, el intervalo de confianza y cuántos visitantes necesita el test para detectar una mejora.

Simulación educativa. No es una recomendación de inversión. Los resultados son estimaciones hechas con los datos que usted ingresa y no reemplazan la orientación de un profesional calificado.

Revisado el 31 oct 2026

Valores de ejemplo. Visitantes que vieron cada versión y cuántos convirtieron (compraron, se registraron, hicieron clic).

Versión A (original)
Versión B (nueva)
Rigor del test

Los datos quedan solo en este navegador y no se envían. Desmarque para borrarlos.

—Aumento de la conversión de la versión B
—

Dónde está la conversión verdadera de cada versión

Rango probable de la tasa de conversión real de cada versión. Cuanto menos se superponen las curvas, más confiable es la diferencia.

Toque el gráfico para ver los valores.

Visitantes necesarios según la mejora que quiere detectar

Visitantes por versión para detectar cada mejora relativa, con la confianza y la potencia elegidas. Las mejoras pequeñas exigen tests mucho más grandes.

Toque el gráfico para ver los valores.

Estadísticas

El resumen incluye los datos ingresados, los resultados, las fórmulas, los supuestos y las fuentes. El informe completo agrega los gráficos y las interpretaciones, a color. En la ventana de impresión, elija Guardar como PDF.

Método, supuestos y fuentes

Fórmulas

z = (pB − pA) ÷ √(p × (1 − p) × (1/nA + 1/nB)), con p = conversiones totales ÷ visitantes totales
p-valor bilateral = 2 × (1 − Φ(|z|))
Intervalo de la diferencia = (pB − pA) ± z crítico × √(pA(1 − pA)/nA + pB(1 − pB)/nB)
Muestra por versión = (zα/2 × √(2p̄(1 − p̄)) + zβ × √(p1(1 − p1) + p2(1 − p2)))² ÷ (p2 − p1)²

Supuestos y límites

  • Cálculo educativo con el test z de dos proporciones. Intervalo de la diferencia con error estándar no agrupado; tamaño de muestra para detectar la mejora relativa indicada sobre la conversión de la versión A.
  • Buenas prácticas: defina el tamaño del test antes de empezar, no lo corte apenas salga significativo, corra semanas completas y pruebe un cambio a la vez.
  • El test supone muestras independientes y un único indicador. Cortar el test antes del tamaño planificado aumenta la probabilidad de un falso positivo.

Fuentes oficiales y referencias

Preguntas frecuentes

¿Qué es un test A/B?

Un experimento que muestra dos versiones de una página, anuncio, correo o precio a grupos parecidos al mismo tiempo y compara una sola métrica, en general la tasa de conversión. La calculadora indica si la diferencia entre ellas probablemente es real o puede ser casualidad.

¿Qué significa el p-valor?

Es la probabilidad de ver una diferencia al menos tan grande como la observada si las dos versiones fueran en realidad iguales. Con 95% de confianza, un p-valor menor que 5% se considera significativo. No es la probabilidad de que B sea mejor.

¿Cómo leo el ejemplo de la página?

La versión A convirtió 3.00% (156 de 5,200) y la B, 3.71% (191 de 5,150): un aumento de 23.6%. El p-valor es de 4.5%, por debajo del 5% aceptado con 95% de confianza, así que la diferencia es significativa, aunque por poco. El aumento verdadero debe estar entre 0.5% y 46.8%. Para detectar mejoras de 10%, el test necesitaría unos 53,000 visitantes por versión.

¿Cuánto tiempo debe durar el test?

Lo suficiente para alcanzar el tamaño de muestra planificado y, como mínimo, una o dos semanas completas, para incluir días hábiles y fines de semana. Con los 700 visitantes por día del ejemplo, detectar mejoras de 10% llevaría más de 150 días: con poco tráfico, pruebe cambios más grandes.

¿Qué hago si el resultado no es significativo?

Significa que el test no encontró evidencia suficiente, no que las versiones sean iguales. Si ya se alcanzó el tamaño planificado, la mejora real probablemente es menor que la buscada: quédese con la versión más simple o más barata y pruebe un cambio más audaz.

¿Qué son la potencia y la mejora mínima detectable?

La potencia es la probabilidad de detectar una mejora que realmente existe (80% es lo habitual). La mejora mínima detectable es el menor aumento relativo que el test está diseñado para captar. Efectos más chicos y más potencia exigen más visitantes.

¿Qué errores conviene evitar?

Cortar el test apenas parece significativo, correr semanas incompletas, cambiar muchas cosas a la vez y revisar muchas métricas hasta que una salga bien. Cada uno de estos errores aumenta la probabilidad de un falso positivo.

Calculadoras relacionadas

Ver todas de Marketing ›

Test A/B: cómo saber si el resultado es significativo

Un test A/B muestra dos versiones de una página, anuncio, correo o precio a grupos parecidos de personas al mismo tiempo y compara los resultados. La pregunta es siempre la misma: ¿la diferencia es real o puede ser casualidad?

Significancia y p-valor

El p-valor es la probabilidad de ver una diferencia al menos tan grande como la observada si las dos versiones fueran en realidad iguales. Con 95% de confianza, el resultado se considera significativo cuando el p-valor es menor que 5%. La calculadora usa el test z de dos proporciones, el método estándar para tasas de conversión.

Intervalo de confianza

Además de decir si hay diferencia, el test estima su tamaño. Un aumento de +22% con intervalo de +2% a +42% significa que la mejora es real, pero puede ser chica. Para decisiones de negocio, mire el límite inferior.

Tamaño de muestra antes de empezar

Cuanto menor la mejora que se quiere detectar, más visitantes hacen falta. Detectar una mejora de 5% exige cerca de cuatro veces más visitantes que detectar una de 10%. Defina el tamaño y la duración antes de empezar.

Errores comunes

  • Cortar apenas sale significativo: mirar el resultado todos los días y cortar en el primer día bueno aumenta mucho los falsos positivos.
  • Semanas incompletas: el comportamiento cambia entre días hábiles y fines de semana; corra semanas completas.
  • Muchos cambios a la vez: no se sabrá cuál hizo la diferencia.
  • Muchas métricas: con 20 métricas, una va a parecer significativa por casualidad; elija la métrica principal antes.