🧪 Diseño Tests A/B

CTA Pricing Page — NutriTrack

Experiment Brief · PostHog Server-Side · Junio 2026

100
Design Score
Excellent
Cliente NutriTrack SaaS
Responsable Producto + Marketing
Herramienta PostHog (server-side)
Tráfico diario 1.800 usuarios
Tipo de test A/B (50/50)
Estado Listo para lanzar
💡
Hipótesis Estructurada
Porque los heatmaps muestran que el 68% de usuarios llega al bloque de planes pero solo el 4.2% hace clic (CTA gris "Ver planes" con baja prominencia visual),
creemos que cambiar el CTA del plan Pro a "Empezar gratis 14 días" con fondo verde (#22C55E) y badge "Más popular"
causará un incremento de ≥20% en la tasa de selección de plan
para todos los visitantes nuevos a la página de precios.
Lo sabremos cuando la variante alcance significancia estadística (p < 0.05) con el tamaño muestral pre-calculado de 9.800 por variación.
🎨
Variantes del Experimento
A — Control (actual)

CTA gris · "Ver planes"

Ver planes
  • Botón gris oscuro (#374151)
  • Texto neutro sin urgencia
  • Sin badge o indicador visual
  • Posición: centro, plan Pro
B — Variante (nueva)

CTA verde · "Empezar gratis 14 días"

Empezar gratis 14 días Más popular
  • Botón verde #22C55E con sombra
  • Texto orientado a beneficio + urgencia
  • Badge "Más popular" en amarillo
  • Cambio único — sin tocar copy ni precio
📊
Cálculo Estadístico (Calculadora Python)
4.2%
Baseline (Control)
5.04%
Esperado (Variante)
9.800
Usuarios por variación
11 días
Duración estimada
n = (Z_α/2 + Z_β)² × (p1(1−p1) + p2(1−p2)) / (p2−p1)² [two-proportion z-test, two-tailed]
Z_α/2 = 1.96  ·  Z_β = 0.8416  ·  α = 0.05  ·  Power = 80%
Total = 19.600 usuarios ambas variaciones  ·  Lift absoluto: +0.84pp
Test bilateral (detecta lift en ambas direcciones)
Muestras independientes — sin correlación intra-sujeto
Horizonte fijo — NO parar antes de alcanzar n
Resultado binomial: seleccionó plan (sí/no)
Sin corrección por efecto novedad — añadir +10-20% buffer por varianza fin de semana
⏱
Timeline del Experimento
2d
Setup técnico
Implementar variante B en PostHog, verificar tracking, QA en staging
11d
Test activo
Split 50/50, monitorizar issues técnicos — sin tocar variantes
2d
Análisis
Significancia, segmentos mobile/desktop, métricas guardrail
1d
Decisión
Roll-out ganador o archivo con learnings documentados
~16d
Total estimado
🎯
Métricas del Experimento
Métrica Primaria
Tasa de selección de plan
Clics en cualquier CTA de plan ÷ visitas únicas a pricing page. Usada para declarar ganador.
Métricas Secundarias
Distribución por plan + Tiempo en página
¿Qué plan se elige más? ¿Cambió el engagement? Interpretan el "por qué" del resultado.
Métricas Guardrail
Tickets soporte + Tasa de cancelación
Detener si aumentan significativamente. El CTA más agresivo no debe generar frustración.
✅
Checklist Pre-Lanzamiento
⚡
Durante el Test

Hacer

  • Monitorizar errores técnicos diariamente
  • Documentar eventos externos (promo, PR, ads)
  • Revisar calidad del segmento (% control vs variante)
  • Esperar a n=9.800 antes de revisar resultados

No hacer

  • NO ver resultados antes de alcanzar n (peeking)
  • NO modificar variantes con el test activo
  • NO añadir tráfico de nuevas fuentes mid-test
  • NO declarar ganador con p > 0.05
🔬
Guía de Análisis de Resultados
Resultado estadístico Conclusión Acción
Variante B significativa (p < 0.05, lift ≥ 20%) Ganador Roll-out completo, documentar learnings
Control significativamente mejor Perdedor Mantener control, analizar por qué falló la hipótesis
Sin diferencia significativa (p > 0.05) Inconcluso Más tráfico o test más audaz; revisar si cambio fue suficiente
Primaria sube pero guardrail deteriorada Mixto Profundizar análisis por segmento; no hacer roll-out sin revisión
Generado con CULTIVA IA — Skill: diseno-tests-ab · c9c47638
Design Score: 100/100 Excellent