Qué es el tamaño de muestra en un test A/B
El tamaño de muestra de un test A/B es el número de visitantes que necesita ver cada versión para que la diferencia que mides sea una señal real y no ruido. Depende de tu tasa de conversión actual, de lo pequeño que sea el cambio que quieres detectar y de cuánta seguridad le pides al resultado.
Por Fernando Blanco Dosil · Actualizado el 2 de noviembre de 2026
Por qué hace falta una muestra mínima
Si lanzas un test el lunes y el martes la variante lleva 12 ventas y el original 8, parece que gana. Pero con tan pocos datos, esa diferencia sale por puro azar muy a menudo. Tira una moneda diez veces y verás siete caras sin que la moneda esté trucada.
El tamaño de muestra es la respuesta a una pregunta sencilla: cuántos visitantes necesito por versión para que, si de verdad hay una mejora del tamaño que me importa, la vea con bastante seguridad.
De qué depende
Son cuatro cosas, y conviene tenerlas claras antes de lanzar nada.
- Tasa de conversión de partida: cuanto más baja, más visitantes necesitas. Una tienda al 1 % necesita mucho más tráfico que una landing de captación al 10 %.
- Efecto que quieres detectar: detectar una mejora del 30 % es barato; detectar una del 5 % cuesta muchísimo tráfico. Es lo que se llama efecto mínimo detectable.
- Confianza: cuánto aceptas equivocarte cuando declaras un ganador. Lo habitual es un 95 %.
- Potencia: la probabilidad de ver la mejora si existe. Lo habitual es un 80 %.
Ejemplo con números reales
Visitantes por versión, con confianza del 95 % (bilateral) y potencia del 80 %, usando la fórmula clásica de dos proporciones.
| Conversión actual | Mejora relativa que quieres ver | Conversión de la variante | Visitantes por versión |
|---|---|---|---|
| 2 % | 10 % | 2,2 % | 80.683 |
| 2 % | 20 % | 2,4 % | 21.109 |
| 3 % | 10 % | 3,3 % | 53.211 |
| 3 % | 20 % | 3,6 % | 13.914 |
Fórmula: n = (1,96·√(2p̄(1−p̄)) + 0,8416·√(p1(1−p1) + p2(1−p2)))² / (p2 − p1)², redondeado hacia arriba. Con dos versiones, el total es el doble.
Errores habituales
El más común es no calcularlo y parar el test cuando el gráfico pinta bien. El segundo es calcularlo con una mejora optimista (un 30 % porque sí) y luego sorprenderse de que el test no concluya: los cambios pequeños, como un texto de botón, rara vez mueven tanto.
Otro clásico: contar visitas a toda la web cuando el test solo afecta a la página de producto. La muestra son los visitantes que de verdad ven el cambio, no tu tráfico total.
Y no olvides la semana completa. Aunque llegues a la muestra en tres días, el comportamiento de un martes no es el de un domingo, ni el de rebajas el de una semana normal.
Cómo lo trata Bixlow
La fórmula de esta página es la estimación clásica para planificar un test. Bixlow juzga los resultados con estadística bayesiana: solo da un ganador cuando cada versión llega a una muestra mínima, el test cumple una duración mínima y la probabilidad de ser la mejor alcanza el 95 %. Si falta algo, la página de resultados dice exactamente qué.