Test A/B de campañas de correo: qué probar y cómo
Todos tienen una teoría sobre qué hace que un correo funcione. El test A/B zanja esos debates con datos en lugar de con la voz más alta. Bien hecho, es una ventaja acumulativa: cada prueba te enseña algo sobre tu audiencia concreta sobre lo que se apoya la siguiente. Mal hecho, produce disparates con aire de certeza. Veamos cómo quedarte en el lado correcto de esa línea.
Cómo funciona de verdad un test A/B
Creas dos variantes que difieren en exactamente un elemento, envías cada una a una porción aleatoria y comparable de tu lista y, tras acumular suficientes respuestas, comparas una métrica elegida y declaras un ganador. Muchas plataformas envían luego la versión ganadora al resto de contactos de forma automática.
Todo el método descansa en una disciplina: cambiar una variable a la vez. Prueba el asunto, la imagen y la llamada a la acción juntos y una mejora no te dirá nada sobre qué cambio la causó.
Qué probar, más o menos por impacto
- Asunto y texto de vista previa — la mayor palanca sobre la tasa de apertura
- Texto, color y ubicación de la llamada a la acción — impulsa los clics
- Hora y día de envío — se ajusta a los hábitos de tu audiencia
- Nombre del remitente — afecta a la confianza y a las aperturas más de lo esperado
- Diseño, longitud e imágenes del contenido — influyen en clics y conversiones
Prueba primero el asunto
El asunto es la mayor palanca sobre la tasa de apertura y la variable más fácil de aislar con limpieza, lo que lo convierte en el punto natural de partida. Una vez optimizadas las aperturas, baja por el embudo hacia las llamadas a la acción y el contenido que impulsan clics y conversiones.
Monta una prueba que sea realmente válida
A la mayoría de los «test A/B» los arruina el mismo puñado de errores: muestras demasiado pequeñas para ser significativas, varios cambios probados a la vez, o la prueba cerrada demasiado pronto. Un resultado con 40 destinatarios es un cara o cruz disfrazado de hallazgo.
- Cambia una variable para que el resultado sea atribuible
- Usa muestras lo bastante grandes para un resultado fiable
- Elige la métrica que encaja con el objetivo — conversiones antes que aperturas para ingresos
- Da tiempo a la prueba para recoger respuestas antes de decidir
Haz que las pruebas se acumulen
Una prueba aislada es un dato; el hábito de probar es una estrategia. Documenta qué ganó y por qué, incorpóralo a la siguiente prueba y construye una imagen de a qué responde tu audiencia concreta. Los flujos automáticos frecuentes —bienvenida, recuperación de carrito— son campos de prueba ideales porque las muestras se acumulan con el tiempo incluso en una lista pequeña.
Preguntas frecuentes
¿Cómo de grande debe ser mi lista para un test A/B?
Lo bastante para que cada variante reciba un número significativo de respuestas; de lo contrario, el «ganador» es solo ruido. Las listas pequeñas aún pueden probar flujos automáticos frecuentes, donde las muestras se acumulan con el tiempo.
¿Qué debo probar primero?
El asunto. Tiene el mayor efecto sobre la tasa de apertura y es fácil de aislar. Una vez optimizadas las aperturas, pasa a las llamadas a la acción y al contenido que influyen en clics y conversiones.
¿Por qué mi test A/B dio un resultado engañoso?
Normalmente por una muestra demasiado pequeña, probar varios cambios a la vez o terminar demasiado pronto. Cambia una variable, usa muestras adecuadas y deja que la prueba siga su curso.
Empieza a enviar en minutos
Crea una cuenta gratuita, conecta tu dominio y llega a tu audiencia en todos los canales, sin tarjeta de crédito.
Plan gratuito para siempre · Sin tarjeta de crédito · Listo en minutos