
Las pruebas A/B de email comparan dos versiones de un mensaje para descubrir cuál logra mejor un objetivo, como generar clics, reservas o compras. Para que el resultado sea útil, cambia una sola variable, divide la audiencia de forma comparable y mide una acción relevante, no solo las aperturas.
Qué son las pruebas A/B de email y cuándo usarlas
En una prueba A/B, una parte de tus suscriptores recibe la versión A y otra parte recibe la versión B. Si mantienes iguales el público, el momento de envío y el resto del contenido, puedes atribuir una diferencia observada al elemento que cambiaste con mayor confianza.
Este método sirve para mejorar campañas comerciales, boletines, invitaciones a eventos, recordatorios de citas y mensajes de recuperación de carrito. Por ejemplo, una tienda puede comparar dos llamadas a la acción para una oferta de temporada; un estudio de yoga puede probar dos asuntos para llenar una clase de prueba.
No necesitas hacer un experimento en cada envío. Priorízalo cuando tengas una pregunta concreta y una lista con suficientes destinatarios para que la comparación aporte información. Si tu audiencia es pequeña, toma el resultado como una señal inicial y repite la prueba antes de convertirlo en una regla permanente.
Qué probar primero en una campaña
Empieza por los elementos que pueden cambiar la decisión del lector y que puedes modificar sin rehacer toda la campaña. El asunto suele ser fácil de probar, pero no es automáticamente lo más importante: si buscas ventas, la oferta, el contenido y el destino del enlace también pueden influir mucho.
| Elemento | Variantes posibles | Métrica principal |
|---|---|---|
| Asunto | Beneficio concreto frente a pregunta; asunto breve frente a uno descriptivo | Clics o conversiones por destinatario |
| Llamada a la acción | Ver productos frente a Comprar ahora; botón frente a enlace de texto | Clics y acciones posteriores |
| Oferta | Envío incluido frente a descuento; paquete frente a producto individual | Ingresos, pedidos o reservas |
| Contenido | Recomendación personalizada frente a selección general | Clics en los enlaces relevantes |
| Horario | Dos momentos de envío comparables | Conversión dentro de un periodo definido |
Evita cambiar el asunto, la oferta, el diseño y la hora a la vez. Aunque una versión gane, no sabrás qué cambio tuvo efecto. Define también una hipótesis: “Creo que explicar el beneficio en el asunto aumentará las visitas a la página del producto”. Así, el resultado responde una pregunta y no se queda en una preferencia estética.
Cómo diseñar pruebas A/B de email fiables
Una buena prueba es sencilla de explicar y de repetir. Antes de enviarla, decide qué compararás, quién recibirá cada versión, qué resultado cuenta como éxito y cuánto tiempo dejarás correr el experimento. Si tu plataforma ofrece una opción de prueba A/B, revisa qué métrica utiliza para declarar una versión ganadora.
- Elige un objetivo de negocio. Puede ser vender un producto, conseguir registros, confirmar una cita o atraer lectores a una guía. Vincula la métrica con ese objetivo.
- Escribe una hipótesis comprobable. Especifica qué elemento cambiarás y por qué esperas que afecte el comportamiento. “Quiero que el email se vea mejor” no es una hipótesis medible.
- Cambia una variable. Mantén iguales el segmento, el contenido restante, los enlaces y el momento de envío, salvo que precisamente estés probando el horario.
- Reparte la audiencia al azar. Una división aleatoria ayuda a evitar que una versión reciba, por casualidad, más clientes activos o más suscriptores nuevos.
- Define por adelantado la métrica y el periodo. Para una campaña de venta, registra pedidos o ingresos asociados; para un boletín, puedes observar clics hacia el artículo. No declares un ganador tras mirar repetidamente los datos.
- Guarda el resultado y la siguiente pregunta. Anota qué probaste, para qué público y qué aprendiste. Repite con una nueva hipótesis en otro envío comparable.
Comprueba que los dos mensajes funcionen en móvil, que los enlaces lleven al destino correcto y que los nombres o campos personalizados se muestren como esperas. Si envías a una lista pequeña, considera probar primero una variable de alto impacto y acumular aprendizaje a lo largo de varias campañas, en lugar de sacar conclusiones de unas pocas interacciones.
Cómo leer los resultados sin sacar conclusiones apresuradas
La métrica correcta depende de la meta. Si quieres visitas, observa los clics únicos en el enlace principal; si buscas ventas, compara pedidos o ingresos atribuidos a cada versión. Para registros o reservas, mide las acciones completadas. La tasa de clics puede explicar el interés, pero una tasa mayor no garantiza más ventas.
Las aperturas deben interpretarse con cautela porque algunas tecnologías de privacidad y sistemas de seguridad pueden registrar aperturas o clics automáticos. Una variación en aperturas puede servir como pista, pero no la trates como una medida perfecta de atención humana. Cuando sea posible, apóyate en conversiones registradas en tu tienda, formulario o sistema de reservas, además de las métricas del email.
Antes de declarar una versión ganadora, mira cuántas personas recibieron cada variante y cuántas acciones se produjeron. Si la diferencia es pequeña o el volumen es bajo, el resultado puede ser azar. No existe un umbral universal válido para toda lista y objetivo: espera el periodo que definiste, evita detener la prueba en cuanto una versión se adelante y vuelve a probar si la decisión importa.
También revisa efectos secundarios. Un asunto que consigue más aperturas, pero atrae a personas que no hacen clic, puede no ayudar al negocio. Una oferta que aumenta pedidos debe evaluarse junto con el margen, las devoluciones o la capacidad de atender reservas. El ganador es la versión que cumple mejor el objetivo real, no necesariamente la que tiene el número más llamativo.
Ejemplos de pruebas para adaptar
Estos ejemplos muestran cómo formular una prueba con una sola variable. Conserva el mismo público y contenido en las dos versiones, excepto por el cambio indicado.
Una tienda de ropa compara asuntos:
Versión A: Nuevos básicos para tus días de trabajo
Versión B: Encuentra tu próximo look para la oficina
Variable: el enfoque del asunto. Métrica: clics únicos en la colección de ropa de trabajo.
Una cafetería local prueba la llamada a la acción:
Asunto: Tu pausa de café, con algo nuevo
Texto del botón A: Ver el menú de temporada
Texto del botón B: Visítanos esta semana
Variable: el texto del botón. Métrica: visitas al menú o cupones canjeados, según el objetivo de la campaña.
Un consultorio compara el enfoque de un recordatorio:
Versión A: Confirma tu cita de esta semana desde el enlace.
Versión B: ¿Necesitas cambiar tu cita? Elige otro horario desde el enlace.
Variable: el mensaje principal. Métrica: citas confirmadas o cambios completados, no solo aperturas.
Checklist antes de enviar una prueba
- ¿La hipótesis describe una diferencia concreta entre las versiones?
- ¿Cambiaste una sola variable y mantuviste lo demás constante?
- ¿Las variantes se asignaron de forma aleatoria a grupos comparables?
- ¿Elegiste una métrica vinculada con el objetivo del negocio?
- ¿Definiste el periodo de medición antes de revisar resultados?
- ¿Probaste los enlaces, la visualización móvil y la página de destino?
- ¿Vas a considerar clics automatizados y otras limitaciones de medición?
- ¿Anotarás el resultado para no repetir la misma prueba sin aprender?
Herramientas para probar y registrar aprendizajes
Para empezar, puedes usar las funciones nativas de tu plataforma de email, una hoja de cálculo y los informes de tu tienda o formulario. La hoja puede incluir fecha de envío, audiencia, hipótesis, versiones, métrica, resultado y decisión. Revisa que la forma de medir conversiones sea igual para ambas variantes.
Si buscas automatizar la redacción y el análisis de campañas, MailFlow incluye pruebas A/B de asuntos y funciones de analítica que filtran ciertos escáneres y bots de vista previa para que las decisiones se basen en interacciones humanas verificadas. Consulta sus herramientas de email marketing con IA y el centro de ayuda para revisar cómo se configuran. La herramienta no sustituye una hipótesis clara ni garantiza que una diferencia sea significativa. Puedes comparar los planes y precios antes de decidir si necesitas una plataforma especializada; para una lista pequeña, las funciones gratuitas o nativas pueden ser suficientes.
Conclusión: convierte cada prueba en una decisión
Para mejorar tus campañas, elige una pregunta de negocio, cambia una sola variable y mide una acción relacionada con el objetivo. Interpreta las aperturas con cuidado, no detengas la prueba antes de tiempo y registra lo que aprendiste, incluso cuando no haya un ganador claro.
Tu siguiente paso puede ser sencillo: selecciona una campaña próxima, escribe una hipótesis sobre el asunto o la llamada a la acción y decide de antemano qué resultado vas a medir. Después aplica el aprendizaje a una prueba nueva, sin asumir que una variante funcionará igual con todas las audiencias.
Preguntas frecuentes
¿Qué elementos puedo probar en un email?
Puedes comparar el asunto, el texto de la llamada a la acción, la oferta, el contenido, el diseño o el horario de envío. Cambia un solo elemento por prueba para poder relacionar el resultado con esa diferencia. Elige el elemento según tu objetivo: para ventas, por ejemplo, observa también pedidos e ingresos, no solo aperturas.
¿Cuántos contactos necesito para una prueba A/B de email?
No hay una cantidad universal: depende de la tasa de conversión habitual, del tamaño de la diferencia que quieres detectar y de cuántas acciones registra cada variante. Con una lista pequeña, toma el resultado como indicativo, repite pruebas comparables y evita convertir una diferencia basada en pocas acciones en una regla definitiva.
¿Qué métrica debo usar para elegir la versión ganadora?
Usa la métrica que corresponde al objetivo de la campaña. Para ventas, mira pedidos o ingresos atribuidos; para reservas, citas completadas; para tráfico, clics únicos en el enlace relevante. Las aperturas pueden aportar contexto, pero no equivalen necesariamente a atención humana y no deberían ser la única base de una decisión.
¿Puedo probar el asunto y el horario al mismo tiempo?
Es mejor no hacerlo si quieres saber qué cambio produjo la diferencia. Si una versión combina otro asunto y otra hora, no podrás separar el efecto de cada variable. Prueba primero uno de los elementos y luego el otro en una campaña comparable, manteniendo iguales el público y el contenido restante.
¿Cuánto tiempo debo esperar para leer los resultados?
Define el periodo antes de enviar y espera hasta que termine, considerando cuánto suelen tardar tus suscriptores en hacer la acción buscada. No declares un ganador apenas una variante se adelante. En campañas con ventas, también puede ser útil observar el tiempo que tarda el cliente en completar la compra después del clic.

Autor
Fundador de MailFlow, ingeniero de software full-stack que trabaja en todos los lenguajes de programación principales, especializado en automatización con IA, entregabilidad de email y SEO.
Artículos relacionados
Métricas de email marketing: cuáles importan y cuáles engañanNo tomes decisiones solo por la tasa de apertura. Aprende a medir clics humanos, conversiones, bajas y entregabilidad para mejorar cada campaña.
Cómo crear una lista de correo electrónico desde cero y atraer suscriptoresUna guía práctica para crear una lista de correo electrónico desde cero, ofrecer un motivo para suscribirse y mantener el contacto con permiso.
Ideas de lead magnet para atraer suscriptores con intenciónEncuentra ideas de lead magnet adaptadas a tu negocio, aprende a crear una oferta útil y descubre cómo promocionarla sin atraer contactos que nunca comprarán.
Doble opt-in o registro simple: qué método convieneEl doble opt-in confirma que cada persona quiere recibir tus emails; el opt-in simple añade suscriptores con un solo envío del formulario. Aquí tienes criterios prácticos para elegir.Empieza gratis con MailFlow
Plan gratuito para siempre, sin tarjeta. Mejora cuando crezcas.
Ver precios