Reparto de tráfico: cuándo usar 50/50 y cuándo 90/10

El reparto de tráfico es el ajuste que más se cambia y menos se piensa. Parece una preferencia. En realidad es un intercambio entre velocidad de aprendizaje y exposición al riesgo, y la respuesta correcta depende por completo de qué estés testeando.

Por qué 50/50 es el valor por defecto#

Un reparto par alcanza la significancia estadística más rápido para un tráfico total dado. No es una convención, es aritmética: la precisión de tu comparación está limitada por el grupo más pequeño, así que cualquier desequilibrio desperdicia muestra.

Pasar de 50/50 a 90/10 aproximadamente duplica el tiempo que necesitas, porque tu grupo de variante —el que determina con qué precisión puedes medir la diferencia— es ahora una quinta parte.

Para una marca pequeña esto importa mucho. Si un test a 50/50 tarda cuatro semanas, la versión 90/10 tarda unas ocho, y ocho semanas son suficientes para que tu mezcla de tráfico, tu inversión en anuncios y posiblemente tu catálogo hayan cambiado por debajo del experimento.

Así que: por defecto 50/50, y exige un motivo para desviarte.

Los motivos para desviarse#

Estás gestionando el radio de impacto de un cambio arriesgado. Una reestructuración completa del checkout que podría romper algo no debería ir a la mitad de tus clientes el primer día. Empieza al 90/10, confirma que no hay fuego —tasas de error, tasa de finalización, tickets de soporte— y después pasa a 50/50 para medir de verdad.

Ojo: son dos fases, no un test impar largo. La primera fase es una comprobación de seguridad, no una medición. Intentar medir al 90/10 es donde cae el coste.

La variante te cuesta dinero por exposición. Si la variante ofrece un descuento, cada visitante que lo ve y habría pagado precio completo es margen que has regalado. Aquí el reparto impar es una decisión de negocio y el resultado más lento es el precio.

Estás testeando algo con consecuencias permanentes. Cualquier cosa que cambie lo que se le promete a un cliente —precios, condiciones de entrega, garantías— no se lo puedes desdecir a quien ya lo vio.

Qué no arregla un reparto impar#

No hace que el test sea más seguro de interpretar. A veces se lanza a 90/10 pensando que es más conservador estadísticamente. No lo es: solo es más lento. Lo que gobierna la probabilidad de equivocarte es el umbral de confianza, y ese no se mueve con el reparto.

Tampoco reduce el número total de personas afectadas por una decisión equivocada, porque la decisión se aplica después a todo el mundo. Solo limita la exposición durante la ventana del test.

El ramp-up y su trampa#

Un patrón habitual es empezar al 90/10 e ir subiendo a 50/50 en unos días. Es sensato para gestionar riesgo, pero tiene una pega estadística real: los visitantes del periodo inicial de baja exposición vieron la variante en condiciones distintas —otro día de la semana, posiblemente otras campañas activas— que los posteriores.

Si lo juntas todo, estás comparando un control medido sobre todo en la semana uno contra una variante medida sobre todo en la semana dos. La estacionalidad y los cambios de campaña aparecen entonces como efectos de la variante.

El enfoque limpio: trata el ramp-up como fase de seguridad, descarta sus datos y empieza a contar al llegar a tu reparto final. Pierdes unos días de muestra y conservas un resultado que puedes defender. Bixlow te deja marcar el inicio de la medición aparte del lanzamiento exactamente por esto.

Tres variantes y el reparto#

Con A/B/C, un reparto par a tres bandas vuelve a ser la ruta más rápida para comparar las tres. Pero si una variante es un tiro lejano que incluyes por curiosidad, darle una porción más pequeña no ayuda: simplemente no llegarás a ninguna conclusión sobre ella mientras ralentizas las que sí te importan.

Si una variante no merece una porción igual de tráfico, no merece estar. Quítala y lánzala más adelante.

Claves#

• 50/50 llega antes a la significancia. Toda desviación cuesta tiempo, y 90/10 lo duplica más o menos.
• Desvíate por radio de impacto, por coste de margen por exposición o por cambios que no puedas desdecir; no por comodidad estadística.
• Un reparto impar no hace más fiable un resultado. Eso solo lo hace el umbral de confianza.
• Si haces ramp-up, trátalo como fase de seguridad y empieza a medir en el reparto final.
• Si una variante no merece una porción igual, no merece estar en el test.