A/B testing en email marketing: cómo hacer pruebas que realmente mejoran tus resultados

Por qué la mayoría de los A/B tests no sirven para nada

Hacer un test A/B es fácil. Hacerlo bien es otra historia. El error más frecuente: enviar la versión A a 100 personas, la B a otras 100, ver que B tiene un 2% más de aperturas y declarar que "B gana".

Ese resultado no es estadísticamente significativo. No puedes tomar decisiones de negocio basadas en él.

Pero no hace falta convertirse en estadístico para hacer buenos A/B tests. Solo hay que seguir algunas reglas básicas.

Qué variables vale la pena probar

Alto impacto (empieza aquí)

Asunto del email: es lo primero que ve el destinatario y lo que determina si abre o no. Un asunto mejor puede mover la tasa de apertura un 20-40%.

Variables a probar en el asunto:

• Con nombre vs. sin nombre
• Pregunta vs. afirmación
• Corto (< 40 caracteres) vs. largo
• Con emoji vs. sin emoji
• Urgencia vs. beneficio directo

CTA principal: el texto y el diseño del botón de llamada a la acción determina cuántos de los que abren realmente hacen clic.

Impacto medio

• Nombre del remitente (tu nombre vs. nombre de empresa)
• Longitud del email
• Hora y día de envío
• Texto de preencabezado

Bajo impacto (para optimización avanzada)

• Color del botón de CTA
• Imagen de cabecera sí/no
• Fuente tipográfica
• Diseño de la firma

La regla de las variables: una sola por test

El error clásico: cambiar el asunto Y el diseño AND el CTA en la misma prueba. Si B gana, ¿qué fue lo que funcionó?

Un test = una variable. Si quieres probar tres cosas, necesitas tres tests consecutivos.

Cómo calcular el tamaño de muestra

Para que un test A/B sea significativo necesitas suficiente volumen. La fórmula simplificada para email:

Si tu tasa de apertura actual es ~20% y quieres detectar una mejora del 5% de forma fiable, necesitas al menos 1.000 destinatarios por variante (2.000 total).

Con listas más pequeñas, los resultados son orientativos, no concluyentes. Esto no significa que no debas hacer tests con listas pequeñas, sino que debes repetirlos varias veces antes de concluir algo.

Duración mínima del test

No declares un ganador en las primeras 2 horas. Los emails tienen una "cola" de aperturas que se extiende hasta 48-72 horas. Espera al menos 24 horas para leer resultados de apertura, y 48-72 horas para resultados de clics y conversión.

Cómo interpretar los resultados correctamente

Una diferencia de apertura del 24% vs. 21% puede o no ser significativa dependiendo del tamaño de la muestra. Calcula el nivel de confianza estadística antes de decidir.

Regla práctica: con muestras de 1.000+ por variante, una diferencia del 3% o más suele ser significativa. Con muestras de 500, necesitas diferencias del 5%+ para confiar en el resultado.

Documenta todo

El conocimiento de tus A/B tests solo es valioso si lo documentas:

• Variable probada
• Hipótesis inicial
• Tamaño de muestra
• Resultados (A: X%, B: Y%)
• Nivel de confianza
• Conclusión y próximo paso

Con el tiempo construirás un repositorio de aprendizajes sobre tu audiencia específica que ningún blog ni gurú puede darte porque son datos tuyos.

Un calendario de tests para los próximos 3 meses

Mes 1: prueba 4 variaciones de asunto (una por semana) en tus newsletters habituales. Objetivo: encontrar el estilo de asunto que mejor funciona con tu audiencia.

Mes 2: prueba 2 variaciones del nombre del remitente y 2 variaciones del CTA principal.

Mes 3: prueba el horario de envío (día y hora) con 4 variantes.

Al finalizar los 3 meses tendrás un perfil claro de las preferencias de comunicación de tu audiencia específica, y tus emails convertirán mucho mejor.