Test A/B de la ficha de producto en Shopify: la fórmula de tamaño de muestra antes de creerte un resultado (2026)

Cuánto tiempo necesitas para un test de ficha de producto depende de dos números que la mayoría de vendedores nunca calculan antes de lanzarlo: su tasa de conversión base y qué tamaño de mejora les importa realmente detectar. Sáltate esa cuenta y el test se juzga como la mayoría de tiendas de dropshipping lo hacen: un vistazo al panel a los dos o tres días, una variante por delante, se cambia todo. Al tráfico que corre la mayoría de tiendas, esa diferencia es casi siempre ruido disfrazado de ganador.

La señal se ve en cuanto miras los números. Una tienda con 40 sesiones al día por variante y una tasa base del 3% convierte más o menos un pedido al día, a veces cero, a veces dos. Una sola venta extra un martes mueve la tasa diaria un 100%, y no tiene nada que ver con el titular que cambiaste. Cierra un test con ese tipo de muestra y no estás leyendo un resultado, estás leyendo el martes pasado.

Lo que sigue: por qué la mayoría de test de ficha de producto se cierran antes de significar algo, una fórmula de tamaño de muestra que puedes calcular con tus propios números en lugar de confiar en la caja negra de una herramienta, lo que ese cálculo significa en días para una tienda pequeña frente a una más grande, una grilla para leer un test con honestidad mientras todavía está corriendo, y los riesgos de contaminación que la fórmula por sí sola no puede detectar.

Por qué la mayoría de test de ficha de producto en dropshipping se cierran demasiado pronto

El fallo es siempre el mismo: abrir el panel el día dos, ver que la variante B convierte un 20% mejor que A, pasarlo todo a B. Con poco tráfico diario, esa diferencia del 20% está construida casi por completo con el timing aleatorio de los pedidos, no con nada que la página haya hecho distinto — vuelve a correr las mismas dos variantes dos días más y la ventaja se invierte.

Las tiendas de dropshipping están más expuestas a esto que un retailer de mucho tráfico, porque la muestra se llena muy despacio. Una tasa base del 3% a 40 sesiones al día por variante produce más o menos una compra al día; un salto de cero a dos pedidos se lee como un movimiento de conversión del 100-200% en un panel que no tiene ni idea de que está mirando una moneda al aire.

La solución es aburrida y por eso la mayoría de vendedores se la salta: decide el tamaño de muestra antes de lanzar, no mientras miras cómo se mueven los números, y resiste a tocar el test hasta que se alcance ese número o un resultado cruce un umbral lo bastante grande para fiarte de él antes de tiempo — lo cubrimos en la grilla más abajo.

La fórmula de tamaño de muestra: cuántas visitas necesitas realmente por variante

Es la misma aproximación que corre detrás de la mayoría de calculadoras de split test comerciales, solo que ahora la ves para poder calcularla con tu propia tasa base en lugar de fiarte de lo que un plugin decide llamar "significativo". Para una comparación de dos proporciones con aproximadamente un 95% de confianza y un 80% de potencia, el número de visitas que necesitas por variante es:

Mete tus propios dos números en la fórmula. p es tu tasa de conversión actual de la ficha de producto en decimal — un 3% se escribe 0,03. d es la mejora mínima, en puntos de conversión absolutos, que realmente te importa detectar — si solo quieres saber si pasa de 3% a 3,75%, d es 0,0075, no 0,75.

• n por variante ≈ 16 × p × (1 − p) / d²
• p = tu tasa de conversión base actual, en decimal (3% = 0,03)
• d = la mejora mínima que te importa detectar, en puntos de conversión absolutos (pasar de 3% a 3,75% = 0,0075)
• Esto es una aproximación, no un cálculo exacto — redondea el resultado hacia arriba, no hacia abajo, sobre todo con una tasa base baja

Mira los anuncios que están ganando ahora mismo

Convertir el tamaño de muestra en número de días

Corre la fórmula con una tasa base del 2,5% donde quieres pillar una mejora relativa del 20% — un paso a más o menos 3%, así que d = 0,005. Eso da n ≈ 16 × 0,025 × 0,975 ÷ 0,005² ≈ 15.600 sesiones por variante, 31.200 en total. Con 300 sesiones totales al día repartidas a partes iguales, son 150 por variante al día — unos 104 días para alcanzar la muestra. Para casi cualquier tienda pequeña de dropshipping, esa mejora simplemente no es detectable en un plazo que nadie va a esperar.

Amplía la mejora que buscas detectar y el panorama cambia rápido. Misma tasa base del 2,5%, ahora buscando una mejora relativa del 40% (hasta más o menos 3,5%, d = 0,01), y n baja a unas 3.900 por variante — 7.800 en total. Con las mismas 150 sesiones al día por variante, son unos 26 días, un test que la mayoría de tiendas puede terminar de verdad. La lección no es que tu test estuviera mal, es que la pregunta que le hiciste era demasiado sutil para el tráfico que tienes.

Como guía aproximada con una tasa base del 2,5-3% y una mejora que merece la pena pillar (más o menos un 25-30% relativo, necesitando algo así como 6.000-7.000 sesiones por variante): unas 1.000 sesiones al día por variante lo resuelve en menos de una semana, 300 al día por variante tarda unas tres semanas, y por debajo de 100 al día por variante se pasa de los dos meses — a ese volumen, testea solo cambios lo bastante grandes como para esperar una mejora mucho mayor, no una sutil.

La grilla de decisión: ship, kill, o seguir corriendo

Lee el test contra el objetivo de muestra que fijaste antes de lanzarlo, no contra lo convincente que parezca la diferencia hoy.

• Ship: muestra completa alcanzada, y la diferencia se ha mantenido igual o por encima de tu mejora mínima detectable durante los últimos días del test, no solo el último
• Quédate con A, testea algo más grande después: muestra completa alcanzada, pero la diferencia cae dentro de la banda de la mejora mínima detectable — a ese nivel de tráfico no hay una diferencia real entre las dos páginas, y eso es un resultado legítimo, no un test fallido
• Cierre anticipado aceptable: por debajo de un tercio de la muestra objetivo, pero una variante ya va perdiendo por más del doble de tu mejora mínima detectable — esa diferencia es lo bastante grande como para ser una señal real y no ruido, y no hay razón para quemar el resto del tráfico demostrándolo otra vez
• Sigue corriendo, no lo cierres todavía: por debajo de la muestra objetivo y la diferencia cae dentro de la banda de la mejora mínima detectable — es exactamente la etapa donde un "ganador claro" de hoy se invierte la semana siguiente, y es donde más veces los vendedores cierran un test demasiado pronto

Correr el test lo bastante limpio como para creerte el número

Cambia una sola variable por test — imagen principal, formato del precio, o colocación del badge de confianza, no las tres a la vez. Una página que cambia la imagen, el formato del precio y la posición del badge todo a la vez y gana te dice que algo en ese paquete funcionó, no cuál parte, así que el próximo test vuelve a empezar desde una suposición.

Mantén fijo el mix de tráfico mientras corre el test. Lanzar un nuevo conjunto de anuncios, ampliar la segmentación, o mover presupuesto entre plataformas a mitad del test puede mover la tasa de conversión por sí sola — una audiencia más barata y con menos intención de compra que llega a mitad del test arrastra a las dos variantes por igual, y no tiene nada que ver con la página.

Corre las dos variantes al mismo tiempo, nunca una después de otra. Una página que corrió la variante A una semana y la variante B la siguiente no es un test controlado — son dos semanas distintas con mix de tráfico distintos, repartos de días de la semana distintos, y puede que dos promociones distintas corriendo a la vez, y la comparación no te dice nada fiable sobre ninguna de las dos páginas.

Lo que la fórmula no te puede decir

Un diseño nuevo suele recibir un empujón de corta duración solo por ser distinto para los visitantes que vuelven — un efecto novedad que suele desaparecer en una o dos semanas. Si un resultado parece fuerte pronto, merece una segunda mirada unas semanas después del lanzamiento en lugar de tratar los números del día cinco como definitivos.

La estacionalidad y las promociones contaminan la lectura de formas que la matemática del tamaño de muestra no puede ver. Un banner de rebajas, una semana de nómina, o un pico de Black Friday mueve la tasa de conversión de forma independiente a lo que haya en la página, así que un test que se solapa con uno de esos eventos necesita correr más tiempo o una ventana distinta, no una lectura más rápida.

Correr muchos test sucesivos al nivel estándar del 95% de confianza significa que más o menos uno de cada veinte "ganadores" es pura casualidad aunque todos los números cuadren — por eso un resultado en la métrica que realmente querías mover importa más que un salto sorprendente en un número secundario enterrado en el panel. El seguimiento de competencia de Trackira muestra qué diseños de ficha de producto, qué badges y qué formatos de precio están usando ahora mismo las tiendas que ya corren publicidad en tu nicho, lo que es una forma más rápida de elegir qué testear después que adivinarlo desde una biblioteca de plantillas.

¿Cuánto tiempo debo correr un test A/B en mi ficha de producto de Shopify?

Depende de tu tasa de conversión base, tu tráfico diario, y la mejora mínima que quieras poder detectar — no de un número fijo de días. Corre primero la fórmula de tamaño de muestra con tus propios números; una tienda con 150 sesiones al día por variante suele necesitar de 3 a 15 semanas según lo sutil que sea la mejora que persigue.

¿Cuántas visitas necesito para un test de ficha de producto válido?

Usa n ≈ 16 × p × (1 − p) / d² por variante, donde p es tu tasa de conversión actual en decimal y d la mejora mínima, en puntos absolutos, que te importa detectar. Una tienda con un 2,5% base que busca una mejora relativa del 40% necesita unas 3.900 sesiones por variante; buscar una mejora relativa del 20% pide unas 15.600.

¿Qué es la mejora mínima detectable y por qué importa?

Es la mejora más pequeña que realmente te importa pillar, expresada en puntos de conversión absolutos. Fijarla demasiado baja hace que la muestra necesaria sea inalcanzable para la mayoría de tiendas; fijarla en el movimiento más pequeño que de verdad cambiaría tu decisión hace que el test termine en un plazo que puedes esperar.

¿Puedo fiarme de un test que no alcanzó la muestra completa?

Solo si la diferencia ya supera el doble de tu mejora mínima detectable y la muestra llega al menos a un tercio del objetivo — esa combinación es una señal real. Dentro de la banda de la mejora mínima detectable, un resultado temprano es ruido, por muy convincente que parezca en el panel.