# Pruebas A/B de email: preguntas que tus datos puedan responder

URL canónica: https://brew.new/es/blog/email-ab-testing
Autoría: Thomas Park
Publicado: 2026-08-12
Actualizado: 2026-09-29

Una prueba A/B de email compara dos versiones en condiciones similares. Su valor está en la decisión que te ayuda a tomar, no en la etiqueta de ganadora que aparece en un panel.

Empieza con una pregunta lo bastante concreta como para que cualquiera de los dos resultados cambie tu próximo email. “¿Una captura de pantalla ayuda a los usuarios nuevos a completar la configuración?” es una pregunta útil. “¿Qué email es mejor?” deja demasiadas cosas sin definir.

## Elige primero el resultado

Usa una métrica cercana al motivo del envío. Si el objetivo es la activación, una tarea completada en el producto es más útil que una apertura. En una newsletter, puede bastar con un clic relevante o una respuesta. Mide también las quejas y las bajas, como costos, aunque no sean la métrica principal.

Define el denominador. Los clics por email entregado y los clics por persona que abrió responden a preguntas distintas. Las métricas basadas en aperturas también se ven afectadas por las funciones de privacidad. La [Mail Privacy Protection](https://support.apple.com/en-us/102580) de Apple, por ejemplo, puede cargar en segundo plano el contenido remoto de un email, así que puede registrarse una apertura de un mensaje que nadie leyó. Anota el cálculo exacto antes de que empiece la prueba.

Nuestra [guía de métricas de email](/es/blog/email-metrics-that-matter) explica en qué casos el seguimiento puede inducirte a error.

## Qué probar, por orden de prioridad

Si no sabes por dónde empezar, recorre esta lista de arriba abajo. Los elementos de la parte superior deciden si al lector le interesa siquiera el mensaje. Un botón mejor no va a salvar una oferta que nadie quiere.

| Elemento | Qué te dice un resultado claro |
| --- | --- |
| Audiencia u oferta | Si este grupo quiere lo que le pides que haga. Pruébalo antes que nada, porque todos los demás elementos dependen de ello. |
| Asunto | Qué enfoque consigue que los lectores adecuados abran y actúen. Júzgalo por los clics o por la acción posterior, además de por las aperturas. |
| Nombre del remitente | Si los lectores reconocen el nombre del remitente y confían en él; por ejemplo, el nombre de una persona frente al de la empresa. |
| Texto de vista previa | Si la línea que aparece después del asunto da un motivo para abrir. Algunos clientes de correo la acortan o la ocultan, así que el efecto depende de qué clientes usen tus lectores. |
| Texto y posición del CTA | Si los lectores entienden qué pasa después del clic y encuentran el enlace sin tener que buscarlo. |
| Estructura | Si la estructura ayuda a los lectores a llegar a la acción. Un cambio de estructura altera muchas cosas a la vez, así que interpreta el resultado como un conjunto. |
| Hora de envío | Cuándo suele actuar esta audiencia ante este tipo de mensaje. Compara más de un envío, porque un solo día puede ser atípico. |

La hora de envío es la única prueba en la que las versiones salen, a propósito, en momentos distintos. Mantén todo lo demás idéntico, incluida la forma de dividir la audiencia, y mide los dos grupos durante una ventana de la misma duración.

## Plantea cada prueba como una hipótesis

Una hipótesis nombra el cambio, la audiencia, la métrica y el motivo por el que esperas una diferencia. El motivo es la parte de la que aprendes. Si el resultado sale al revés, te indica qué suposición debes cuestionar.

```text
If we [change] for [audience], [metric] will [rise or fall] because [reason].
```

Es decir: si hacemos [este cambio] para [esta audiencia], [esta métrica] [subirá o bajará] porque [este motivo]. Algunos ejemplos:

- Si añadimos una captura de pantalla de la configuración terminada al email de onboarding de quienes acaban de empezar la prueba, aumentarán las configuraciones completadas en los primeros siete días, porque la gente ve el resultado al que quiere llegar.
- Si enviamos la newsletter con el nombre de quien la edita en lugar del de la empresa, aumentarán las respuestas, porque los lectores reconocen a la persona que la escribe.
- Si el asunto del email de lanzamiento nombra la nueva función en lugar de decir “Novedades del producto”, aumentarán los clics a la página de la función, porque los lectores sabrán si les afecta.
- Si añadimos la fecha límite de inscripción al texto de vista previa de una invitación a un webinar, aumentarán las inscripciones antes de esa fecha, porque se ve en la bandeja de entrada.
- Si movemos el enlace principal por encima de la primera imagen, aumentarán los clics de quienes leen en móvil, porque llegan a él sin tener que desplazarse.
- Si ofrecemos a las cuentas de prueba estancadas una llamada para ayudarlas con la configuración en lugar de un descuento, aumentarán las conversiones a un plan de pago, porque esas cuentas se quedaron atascadas durante la configuración.

Cualquiera de estas hipótesis podría fallar, y aun así el fallo te enseña algo sobre tus lectores. Una prueba vaga como “probar una plantilla nueva” te enseña muy poco, gane la versión que gane.

## Decide qué diferencia importaría

Un cambio pequeño puede ser real y, aun así, demasiado pequeño para justificar más trabajo de producción. Elige el efecto mínimo que cambiaría tu decisión, estima la tasa de partida y calcula el tamaño de la muestra con un nivel de confianza y una potencia estadística definidos.

No existe un mínimo universal, como 1000 destinatarios. Una acción habitual necesita una muestra distinta de la que necesita una compra poco frecuente. Una prueba que busca una mejora muy pequeña necesita más datos que una que busca un cambio grande.

Con una lista pequeña, puede ser mejor probar un cambio importante a lo largo de varios envíos comparables, o recoger opiniones cualitativas, que dividir una campaña en muchos grupos diminutos. Al repetir campañas entran en juego diferencias en el momento del envío, así que menciona esa limitación al interpretar el resultado.

## Haz que la comparación se pueda interpretar

Asigna al azar a cada versión los destinatarios que cumplan los requisitos. Mantén comparables las reglas de la audiencia, la ventana de entrega y el resto del contenido relevante. Si cambias a la vez el asunto, la estructura, la oferta y la página de destino, estás probando el conjunto y no puedes saber qué parte causó la diferencia.

No cuentes los envíos repetidos a una misma persona como observaciones independientes. En los resultados a nivel de cuenta, ten en cuenta si las personas de una misma cuenta podrían influirse entre sí.

Fija una ventana de observación que deje tiempo para que ocurra la acción buscada. No mires los resultados una y otra vez para detener la prueba en la primera fluctuación favorable, salvo que tu método estadístico admita expresamente ese enfoque.

## Lee la incertidumbre, no solo el titular

Supón que una versión consigue 24 compras y la otra, 27. Esas cifras, por sí solas, no determinan una ganadora. Necesitas el tamaño de los grupos, el método de asignación y un intervalo alrededor de la diferencia estimada.

Si el resultado no es concluyente, dilo. Quédate con la versión más sencilla o usa lo que aprendiste para diseñar una próxima prueba más sólida. Una prueba que descarta una gran mejora también puede ahorrarte tiempo.

Registra la hipótesis, las versiones, la audiencia, la muestra, las fechas, la métrica, el resultado y la siguiente decisión. Vincula ese registro a la campaña. Cuando revises los [asuntos](/es/blog/email-subject-lines), resiste la tentación de convertir una sola prueba en una regla permanente para todas las audiencias.