Medir es la mitad del trabajo. La otra mitad es cambiar el resultado. CRO (Conversion Rate Optimization) es la disciplina de subir el porcentaje de gente que hace lo que quieres, usando datos en vez de opiniones. El concepto-raíz: no adivinas qué cambiar, lo pruebas; no decides por gusto, decides por evidencia estadística.
Qué es un funnel realmente
Un funnel (embudo) es la secuencia de pasos que alguien recorre hacia una conversión. Se llama embudo porque en cada paso se cae gente:
1000 visitan ████████████████████ 100%
600 ven producto ████████████ 60%
200 añaden carrito ████ 20%
120 inician checkout ██ 12%
80 compran █ 8%
El valor del analista NO está en saber que el funnel existe. Está en identificar el escalón con mayor caída (el “leak” / fuga) y atacarlo. En el ejemplo, la caída brutal es de producto (600) a carrito (200): pierdes dos tercios ahí. Ese es el punto de mayor retorno.
El cálculo que lo gobierna todo
Tasa de conversión = (conversiones ÷ visitantes) × 100
Tasa de caída por paso = 1 − (paso siguiente ÷ paso actual)
La métrica clave no es la conversión global, es la conversión paso a paso. Una conversión global de 8% no te dice nada accionable. Saber que pierdes 67% entre producto y carrito sí te dice dónde actuar.
Interactúa: Optimizador de Funnel e Incremento A/B
Utiliza los controles deslizantes para simular el comportamiento de tu embudo de ventas y calcular la significancia estadística de tus tests A/B en tiempo real.
El ciclo de CRO (el método, no el truco)
CRO no es “cambiar el botón a verde”. Es un método científico:
1. DATOS → ¿dónde se cae la gente? (el funnel te lo dice)
↓
2. HIPÓTESIS → ¿por qué se cae? (formulas una causa probable)
↓
3. TEST → pruebas un cambio contra el original (A/B)
↓
4. ANÁLISIS → ¿el cambio mejoró con significancia estadística?
↓
5. DECISIÓN → implementas el ganador o descartas
↓
(vuelves al paso 1)
El 80% de la gente hace solo el paso 3 (cambiar cosas) sin el 1, 2 y 4. Por eso fracasan: cambian sin saber por qué ni medir si funcionó.
La hipótesis: el formato que importa
Una hipótesis de CRO bien formulada tiene estructura:
"PORQUE observamos [dato],
creemos que [cambio]
logrará [resultado esperado]
medido por [métrica]."
Ejemplo:
"PORQUE el 67% abandona entre producto y carrito,
creemos que mostrar el coste de envío antes
reducirá el abandono
medido por la tasa de add_to_cart."
Sin hipótesis, un test es solo curiosidad. Con hipótesis, es aprendizaje aunque pierda (descubres que tu teoría era falsa).
A/B Testing: el corazón estadístico
Un test A/B divide tráfico: mitad ve el original (control), mitad ve la variante. Comparas conversión. Pero hay 4 conceptos que separan al que sabe del que juega:
| Concepto | Qué es | Por qué importa |
|---|---|---|
| Significancia estadística | La probabilidad de que la diferencia NO sea casualidad | Sin ella, podrías “ganar” por azar |
| Confianza (95%) | El umbral estándar: 95% seguro de que es real | Por debajo, no implementas |
| MDE (Minimum Detectable Effect) | El cambio mínimo que el test puede detectar | Define cuánta mejora buscas |
| Power (potencia) | La capacidad del test de detectar un efecto real si existe | Tests con poco power dan falsos negativos |
El error mortal del principiante:
Ve "variante 12% vs control 10%" → "¡ganamos 2%!"
↓
PERO con poca muestra, ese 2% puede ser ruido.
Sin significancia estadística, no ganaste nada.
Pudiste tener suerte.
Sample size: por qué no puedes parar cuando quieras
Necesitas un número mínimo de visitantes ANTES de mirar el resultado. Parar el test cuando “va ganando” es el error más común y más caro:
❌ MAL: "Llevo 3 días, la variante gana, la implemento."
→ muestra insuficiente, el resultado puede revertirse.
✓ BIEN: Calculas el sample size necesario ANTES de empezar.
Esperas a alcanzarlo. ENTONCES miras.
Esto se llama “peeking” (espiar) y arruina la validez. La regla: defines el tamaño de muestra y la duración antes, y no tocas nada hasta llegar.
Tipos de test (más allá del A/B)
| Tipo | Qué prueba | Cuándo |
|---|---|---|
| A/B | Una variante contra el original | Un cambio aislado |
| A/B/n | Varias variantes a la vez | Comparar 3+ versiones |
| Multivariante (MVT) | Combinaciones de varios elementos | Ver qué combinación gana (necesita MUCHO tráfico) |
| Split URL | Dos páginas/URLs distintas | Rediseños completos |
El A/B simple es el 80% de lo que harás. El multivariante suena sexy pero necesita volúmenes enormes — solo sirve en sitios con mucho tráfico.
Las herramientas
| Herramienta | Para qué |
|---|---|
| Optimizely / VWO / AB Tasty | Crear y correr los tests |
| Hotjar / Clarity | Ver POR QUÉ se cae la gente (mapas de calor, grabaciones) |
| GA4 (funnels exploration) | Identificar dónde se cae |
| Calculadora de significancia | Validar si el resultado es real |
El combo típico: GA4 te dice DÓNDE se cae, Hotjar te dice POR QUÉ (ves la grabación del usuario trabándose), formulas hipótesis, y Optimizely corre el test.
Las consideraciones que importan
1. La cualitativa importa tanto como la cuantitativa. El funnel te dice DÓNDE (cuantitativo). Las grabaciones de sesión y mapas de calor te dicen POR QUÉ (cualitativo). Necesitas ambos: el dato sin contexto no genera buenas hipótesis.
2. No todo test debe correrse. Si tu sitio tiene poco tráfico, un test tardaría meses en alcanzar significancia. En tráfico bajo, a veces el cambio obvio (basado en mejores prácticas) supera a esperar un test imposible.
3. Los falsos positivos son reales. Si corres 20 tests, por puro azar ~1 dará “ganador” falso al 95% de confianza. Por eso la significancia y el sample size no son burocracia: son protección contra engañarte.
4. CRO conecta con tu valor anti-IA. La IA puede correr el test y calcular la significancia. Lo que no puede: formular una buena hipótesis (requiere entender al usuario y el negocio) ni decidir qué vale la pena probar. El criterio es humano; la ejecución se automatiza.
5. Un test perdido no es un fracaso. Si tu hipótesis era “el botón verde convierte más” y pierde, aprendiste que el color no era el problema. Eso ahorra esfuerzo futuro. El fracaso real es no medir.
El concepto que une Funnels y CRO
El funnel te dice DÓNDE se cae el dinero (el escalón con mayor fuga).
Lo cualitativo (Hotjar) te dice POR QUÉ.
Formulas una HIPÓTESIS (porque X, creemos que Y logra Z).
La pruebas con A/B, respetando sample size y significancia.
Implementas solo si ganó de verdad (95% confianza), no por azar.
La IA ejecuta el test; tú aportas la hipótesis y el criterio.