Test A/B con poco tráfico: qué hacer cuando no llegas a la muestra
Alternativas realistas cuando tu web no tiene visitas suficientes: métricas más frecuentes, tests de más impacto, diseño secuencial y cuándo no testear.
Con 500 visitas al mes no puedes detectar una mejora del 5 % en la compra. No es un problema de herramienta, es aritmética: harían falta meses. La buena noticia es que se puede seguir experimentando sin tirar el tiempo.
Primero, mide si tienes potencia
Antes de lanzar, calcula cuántas visitas necesitas por variante:
- Página con 4 % de conversión y quieres detectar +1 pp (25 % de mejora): cientos de visitas por rama.
- Página con 20 % de conversión y quieres detectar +2 pp: muchas menos.
La calculadora de tamaño muestral te da el número exacto. Si el resultado supera tu tráfico de tres meses, cambia el enfoque.
1. Elige una métrica que ocurra más
La compra es el objetivo final, pero no siempre es la métrica del test. Si el checkout convierte al 1,5 %, cada 100 visitas generan 1,5 conversiones: necesitas miles para decidir algo.
Sube un escalón:
| Objetivo final | Métrica intermedia útil |
|---|---|
| Compra | add_to_cart, begin_checkout |
| Lead (formulario largo) | Inicio del formulario, clic en «solicitar información» |
| Registro | Visita a la página de precios, clic en «crear cuenta» |
| Llamada | Clic en el botón de teléfono o WhatsApp |
Siempre que la métrica intermedia esté causalmente conectada con el objetivo, es una decisión válida.
2. Prueba cambios grandes, no matices
Con poco tráfico solo se detectan efectos grandes. Cambiar el color de un botón de #2563eb a #1d4ed8 no mueve la aguja de forma medible. Sí puede hacerlo:
- Un titular completamente distinto.
- Reordenar la página (propuesta de valor antes de la prueba social).
- Cambiar el modelo de precios o el formato de la oferta.
- Sustituir el formulario largo por uno de dos campos.
Si el cambio necesita una muestra enorme, probablemente tampoco sea el que mueve el negocio.
3. Alarga la ventana, no la mentira
Un test con poco tráfico puede durar 6-8 semanas si el efecto esperado es grande. Lo que no puedes hacer es mirar cada día y parar en el pico. Fija el criterio al principio:
- Frecuentista: número de visitas por variante acordado.
- Bayesiano: probabilidad de mejora ≥ 95 % y mínimo de días y conversiones.
La lectura bayesiana suele ser más práctica en sitios pequeños, porque permite decidir con la incertidumbre a la vista en lugar de con un sí/no.
4. Combina tests secuenciales
En lugar de dos variantes simultáneas, prueba A contra el original durante 3 semanas, aplica lo que funcione y lanza el siguiente test sobre esa base. El riesgo de estacionalidad es mayor, así que compara siempre semanas completas y no cruces campañas.
5. Usa señales cualitativas para decidir qué testear
El tráfico bajo no impide investigar. Los mapas de calor del panel te dicen dónde se detiene la gente; cinco entrevistas con clientes te dicen por qué. Un test bien elegido vale más que diez aleatorios.
Cuándo no hacer un test A/B
- Menos de ~1.000 visitas al mes en la página y un objetivo de conversión por debajo del 1 %.
- Cambios legales, de precio regulado o de stock que no puedes mantener estables.
- Páginas que reciben tráfico mayoritariamente de una campaña puntual.
En esos casos es mejor invertir en investigación, en mejorar la propuesta de valor o en SEO, y volver a experimentar cuando haya volumen.
Resumen
- Calcula la muestra antes de lanzar.
- Usa una conversión más frecuente pero conectada con el negocio.
- Prueba cambios grandes.
- Fija el criterio y respétalo durante semanas, no horas.
- Si no hay volumen, investiga en vez de testear.
¿Quieres aplicar esto con datos reales?
El plan gratuito de fluxAB incluye editor visual, mapas de calor y 5.000 visitantes al mes, sin tarjeta.
Crear cuenta gratis