Cómo priorizar hipótesis cuando solo puedes lanzar un test al mes

Todos los marcos de priorización de CRO que vas a encontrar —ICE, PIE, PXL— asumen abundancia. Son sistemas de ordenación para equipos con más capacidad de testear que buenas ideas, donde el coste de elegir un test mediocre es una semana.

Si puedes lanzar doce experimentos al año, el coste de elegir uno mediocre es la doceava parte de todo tu presupuesto de aprendizaje. Eso cambia las cuentas, y cambia qué criterios importan.

Primero la detectabilidad, no el impacto#

Los marcos estándar puntúan el "impacto" como una estimación de cuánto moverá la métrica el cambio. Para una marca con poco tráfico hay una pregunta anterior: ¿podrías notarlo?

Una hipótesis con un efecto plausible del 4% vale cero para ti, por muy grande que fuera ese 4% en facturación absoluta, porque no puedes detectar un 4% en un mes. No es una mala idea: es una idea no medible, y lanzarla te cuesta un mes y no devuelve nada.

Así que el primer filtro no es una puntuación, es una puerta: con mi tráfico en esa página, ¿cuál es el efecto más pequeño que podría detectar en cuatro semanas? Todo lo que tenga un efecto realista por debajo de esa línea sale de la lista. Bixlow calcula esto con tu propia conversión de partida al configurar, así que la puerta es un número y no una sensación.

Esto suele eliminar el 70% de un backlog normal en la primera pasada. De eso se trata.

Después, ordena por lo que cambia la respuesta#

De lo que sobreviva, prioriza por valor de decisión, no por subida esperada.

Pregúntate: si este test sale positivo, ¿qué hago distinto? Si sale negativo, ¿qué hago distinto? Si la respuesta honesta a las dos es "gran cosa no", el experimento es trivia cara.

Las mejores hipótesis para una marca pequeña son aquellas en las que las dos ramas divergen con claridad. "¿El tráfico de pago debería tener una landing dedicada?" es excelente: un sí te reconstruye el funnel de captación, un no te ahorra construir doce landings. "¿El testimonio va encima o debajo del fold?" es mala: de una forma u otra, la semana que viene es igual.

Pondera la reutilización#

Con doce tiros al año, quieres que cada uno te enseñe algo que sirva más allá de la página en la que corrió.

Un test sobre si tu audiencia responde a la prueba social o a las garantías te dice algo aplicable a todas las páginas, todos los anuncios y todos los emails. Un test sobre el texto exacto de un botón te habla de ese botón.

Cuando dos candidatos puntúan parecido, quédate con el que generaliza. A lo largo de un año eso compone en una comprensión real de tus clientes, que es lo que hace que el decimotercer experimento sea mejor que el primero.

Coste de equivocarse sin testear#

El último criterio invierte la pregunta. Hay cambios que simplemente puedes publicar: baratos de construir, fáciles de revertir, poco daño si te equivocas. Publicar esos sin experimento libera tu muestra para otra cosa.

Reserva los experimentos para cambios caros de construir, difíciles de revertir o en los que equivocarse sale caro y no se ve. Reestructurar la página de precios cualifica. Un enlace nuevo en el pie, no.

Una hoja de puntuación que funciona#

Por cada candidato, tres columnas:

1. ¿Detectable en cuatro semanas? Sí o no. Un no lo deja fuera: sin puntuación y sin debate.
2. Valor de decisión, 1–5. ¿Cómo de distinto actúas según el resultado?
3. Reutilización, 1–3. ¿El aprendizaje sirve en otro sitio?

Ordena por 2 × 3. Ya está. No añadas columnas de confianza ni de esfuerzo: el esfuerzo casi no importa cuando la herramienta te construye la variante, y la confianza es justo lo que intentas averiguar.

Revisa la lista cada vez que termine un experimento, porque cada resultado cambia lo que crees sobre los que siguen en ella. Esa es la parte que casi todos los equipos se saltan, y es la que hace que un programa pequeño mejore con el tiempo en vez de limitarse a acumular tests.

Claves#

• La detectabilidad es una puerta, no una puntuación. Si no puedes medir el efecto en cuatro semanas, fuera de la lista.
• Ordena por cómo de distinto actuarías ante un resultado positivo frente a uno negativo.
• Prefiere hipótesis cuyo aprendizaje generalice más allá de la página en la que corrieron.
• Publica sin experimento lo barato, reversible y obvio, y gasta la muestra en otra cosa.