Test A/B: qué es, cómo hacerlo bien y cómo leer el resultado (con el ejemplo de Google Ads)

Un test A/B (o prueba A/B) compara dos versiones de lo mismo —un anuncio, una página, el asunto de un correo— mostrando cada una a una parte del público elegida al azar, durante el mismo periodo. La versión A es la de siempre (el control) y la B lleva un cambio (la variante). Si la B consigue mejores resultados y la diferencia no se explica por casualidad, el cambio funciona.

La clave está en el reparto al azar y en el mismo periodo. Comparar «el anuncio de septiembre» con «el de octubre» no es un test A/B: entre un mes y otro cambian demasiadas cosas a la vez.

Qué se puede probar

Anuncios: titulares, textos, imágenes, llamadas a la acción. Si escribes las versiones, te servirá nuestra guía de copywriting.
Campañas: estrategias de puja, segmentación, presupuesto.
Páginas de destino: el formulario, el orden de los bloques, el precio visible o no.
Email: el asunto, el remitente, la hora de envío.
Cualquier paso del recorrido donde se pierda gente: mira las etapas del embudo de ventas para decidir dónde empezar.

Cómo hacer un test A/B, paso a paso

Este método es nuestro criterio, el que usaríamos en cualquier herramienta:

Escribe la hipótesis antes de empezar. Por ejemplo: «Si el titular menciona el envío gratis, la tasa de clics subirá». Sin hipótesis, cualquier resultado parece una conclusión.
Cambia una sola cosa. Si cambias titular e imagen a la vez y gana la B, no sabrás cuál de los dos cambios funcionó.
Elige una métrica principal y decídela antes. Clics, conversiones o ingresos, pero una. Mirar diez métricas al final garantiza que alguna «gane» por casualidad.
Reparte al azar y a partes iguales si puedes. Con un 50/50, cada versión reúne datos al mismo ritmo.
Fija la duración y respétala. Cubre semanas completas, para que no pese más un lunes que un sábado, y no pares el test el día que la B va ganando: los primeros días oscilan mucho.
Lee el resultado con su margen. Un «+10 %» sin intervalo de confianza no dice nada. Más abajo explicamos cómo lo muestra Google Ads.
Decide y anótalo. Aplica la versión ganadora o descarta el cambio, y guarda qué probaste y qué salió. Un test que nadie recuerda se acaba repitiendo.

Cómo se hace en Google Ads: los experimentos personalizados

Google Ads trae su propia herramienta, y su documentación es un buen ejemplo de cómo debe montarse un test. Según la ayuda oficial de Google Ads:

El experimento parte de una campaña original y comparte su tráfico y su presupuesto. Está disponible en campañas de búsqueda, display, vídeo y Hotel Ads; no en Shopping ni en aplicaciones.
Puedes programar hasta cinco experimentos por campaña, pero solo se ejecuta uno cada vez.
Eliges qué porcentaje del tráfico y del presupuesto va al experimento. Google recomienda el 50 % para que la comparación sea lo mejor posible.
En búsqueda, el reparto puede hacerse por cookies (la opción recomendada: cada usuario ve solo una de las dos versiones) o por búsquedas (el sorteo se repite en cada búsqueda, así que una persona puede ver las dos, pero se llega antes a un resultado significativo). En display, siempre por cookies.
Si usas listas de remarketing con reparto por cookies, Google recomienda que tengan al menos 10.000 usuarios.
Si cambias la campaña original durante la prueba, el cambio no pasa al experimento, y tocar cualquiera de las dos mientras corre hace más difícil interpretar el resultado.

Al terminar, puedes aplicar el experimento a la campaña original o convertirlo en una campaña nueva. La misma lógica está disponible para quien automatiza con scripts: según la documentación para desarrolladores, un experimento «muestra anuncios a un porcentaje específico del tráfico», y cada campaña solo admite un experimento en ejecución. Google también lo está usando para cosas nuevas, como el test de presupuesto de AI Max en Google Ads.

Cómo leer el resultado: significación e intervalo de confianza

Es la parte que más se malinterpreta. Según la ayuda de Google Ads sobre cómo monitorizar experimentos:

Cada métrica muestra la diferencia del experimento frente a la campaña original y un intervalo de confianza. Por ejemplo, [+8 %, +12 %] significa que la mejora real probablemente esté entre esos dos valores.
El intervalo de confianza predeterminado es del 80 %, y puedes elegir otro, como el 95 %. Cuanto más alto, más exigente es la prueba.
Si el resultado es estadísticamente significativo, aparece un asterisco azul. Significa que es probable que la diferencia no se deba al azar.
Si no hay un ganador claro, Google recomienda esperar 2 o 3 semanas más, o subir el presupuesto para reunir datos.

Un apunte nuestro: «no significativo» no quiere decir «no hay diferencia». Puede querer decir que la muestra es pequeña para detectarla. Y un 80 % de confianza es bastante permisivo: para decisiones caras, conviene subirlo.

Los errores más comunes

Parar al primer «ganador». Mirar cada día y cortar cuando la B va por delante infla los falsos positivos.
Probar con muy poco tráfico. Con pocas conversiones, ninguna diferencia razonable llegará a ser significativa.
Cambiar varias cosas a la vez y atribuir el resultado a una sola.
Ignorar la estacionalidad: un test que coincide con una campaña de rebajas mide las rebajas.
Tocar la campaña durante el test, algo que la propia Google desaconseja.

Test A/B frente a test multivariante

En un test A/B se compara una variante con el control. En un test multivariante se combinan varios cambios a la vez (dos titulares por dos imágenes, por ejemplo) para medir cada combinación. Da más información, pero necesita mucho más tráfico: cada combinación tiene que reunir datos suficientes por su cuenta.

Preguntas frecuentes

¿Qué es un test A/B en marketing?

Una prueba que enseña dos versiones de un anuncio, una página o un correo a públicos repartidos al azar, al mismo tiempo, para saber cuál consigue mejores resultados.

¿Cuánto tiempo debe durar un test A/B?

Lo necesario para reunir datos suficientes, y en semanas completas. Google Ads recomienda esperar 2 o 3 semanas si todavía no hay un ganador claro.

¿Qué porcentaje del tráfico debo dar a la variante?

Un 50 % es lo habitual y lo que recomienda Google Ads, porque así las dos versiones reúnen datos al mismo ritmo.

¿Qué significa que un resultado sea estadísticamente significativo?

Que es probable que la diferencia no se deba al azar. Google Ads lo marca con un asterisco azul y muestra el intervalo de confianza de la diferencia.

Imagen de portada: «Project User Experience Testing», de Samuel Mann, vía Wikimedia Commons (CC BY 2.0). Fuentes: ayuda oficial de Google Ads y documentación de Google for Developers, consultadas el 9 de octubre de 2026.

Para seguir el hilo: el test de presupuesto de AI Max en Google Ads · nuestra guía de copywriting.