# Qué es una hipótesis de CRO

> Una hipótesis de CRO es una afirmación que se puede comprobar con un test A/B: dice qué vas a cambiar en tu web, a quién se lo vas a enseñar, qué métrica esperas que mejore y por qué crees que pasará, apoyándote en algún dato.

- Source: https://bixlow.com/es/glossary/cro-hypothesis
- Language: es
- Updated: 2026-11-02
- Publisher: Bixlow

## Por qué «creo que» no es una hipótesis

«Creo que el botón verde venderá más» es una opinión. No dice por qué, no dice para quién y no dice cómo sabrás si tenías razón. Si el test sale mal, no aprendes nada; si sale bien, tampoco sabes muy bien por qué.

Una buena hipótesis te obliga a pensar antes de construir. Y, pase lo que pase, te deja algo aprendido: si falla, sabes que esa razón no era la que frenaba a tus clientes.


> **Plantilla para rellenar.** Como hemos visto que [dato u observación], creemos que [cambio] para [audiencia] hará que [métrica] mejore, porque [motivo]. Lo sabremos cuando [métrica principal] sea mejor en la variante sin que [métrica que no puede empeorar] baje.


## Hipótesis mala frente a hipótesis buena

La misma idea, escrita de dos formas.

|  | Mala | Buena |
| --- | --- | --- |
| Ficha de producto | «Hay que poner más fotos» | Como el 40 % de las devoluciones son por talla, creemos que añadir la tabla de tallas junto al selector en móvil subirá los pedidos, porque reduce la duda antes de comprar |
| Carrito | «El carrito es feo» | Como muchos abandonan el carrito al ver el coste de envío, creemos que mostrar «Envío gratis a partir de 40 €» en la ficha subirá los pedidos, porque elimina la sorpresa al final |
| Home | «Probemos un banner nuevo» | Como los visitantes que llegan desde Instagram rebotan en la home, creemos que enseñarles los productos del anuncio arriba del todo subirá los clics a ficha, porque encuentran lo que venían a ver |

_Los datos de las hipótesis buenas son ejemplos; en tu caso tienen que salir de tu analítica o de tus clientes._


## Las piezas de una buena hipótesis

No hace falta que todas sean perfectas, pero si falta alguna, el test va a ser difícil de leer.

- La evidencia: un dato de analítica, una queja repetida en atención al cliente, un patrón en las opiniones.
- El cambio: concreto, que se pueda construir y ver.
- La audiencia: todos los visitantes o un grupo, como móvil, nuevos o los que vienen de una campaña.
- La métrica principal: la que decide el resultado, mejor si está cerca del negocio.
- El porqué: la razón por la que crees que la gente se comportará distinto.


## Cómo lo hace Bixlow

En Bixlow, cada hipótesis es un brief que se rellena por pasos (problema, cambio, audiencia y métrica) y queda unido al workflow que la pone en marcha. Puedes escribirla tú, dejar que el agente de IA te entreviste y la redacte contigo, o pedirle que analice tu web y te proponga hipótesis con la evidencia que las apoya. Las hipótesis que salen de ese análisis llegan puntuadas con ICE y ordenadas, y el agente construye el test cuando tú la das por buena.


## FAQ

### ¿Qué diferencia hay entre una idea y una hipótesis?

Una idea es «cambiar el botón». Una hipótesis añade el porqué, para quién y qué métrica decide, de forma que el test pueda darte o quitarte la razón.

### ¿Una hipótesis puede salir mal?

Claro, y pasa a menudo. Una hipótesis que no se confirma también es útil: te dice que esa razón no era la que frenaba la conversión.

### ¿Cuántas hipótesis debería tener a la vez?

Las que quieras en la lista, pero priorizadas. Un método como ICE ayuda a decidir cuál va primero sin discutirlo cada semana.

### ¿De dónde saco la evidencia?

De tu analítica (dónde abandonan, en qué dispositivo), de atención al cliente, de las opiniones de producto y de ver tu web en el móvil como lo haría un cliente nuevo.

## Para seguir leyendo

- [Hipótesis en Bixlow](https://bixlow.com/es/platform/hypotheses)
- [Qué es la puntuación ICE](https://bixlow.com/es/glossary/ice-score)
- [Qué es un test A/B](https://bixlow.com/es/glossary/ab-test)