# 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.

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

## 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._


> **Cómo leer la tabla.** Una tienda que convierte al 2 % y quiere saber si una ficha nueva sube las ventas un 10 % necesita unos 80.000 visitantes en cada versión, 160.000 en total. Si esa tienda recibe 4.000 visitas al día, son casi seis semanas. Si se conforma con detectar un 20 %, le bastan unos 21.000 por versión: once días.


## 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.


## FAQ

### ¿El tamaño de muestra es por versión o en total?

Normalmente se da por versión. Si tu test tiene el original y una variante, multiplica por dos. Con tres versiones, por tres.

### ¿Qué hago si no tengo tráfico suficiente?

Prueba cambios más grandes, que mueven más la conversión y necesitan menos muestra, o mide una conversión más frecuente, como añadir al carrito en vez de compra completada.

### ¿Puedo parar el test cuando llegue a la muestra?

Sí, siempre que hayan pasado al menos una o dos semanas completas. Llegar a la muestra en tres días con el tráfico de un fin de semana no representa a tus visitantes habituales.

### ¿Por qué una conversión baja necesita tanta muestra?

Porque con pocas conversiones el azar pesa mucho. Al 2 %, de cada 1.000 visitantes compran 20: que salgan 17 o 23 es normal, y eso ya es un 15 % arriba o abajo.

## Para seguir leyendo

- [Calculadora de tamaño de muestra](https://bixlow.com/es/tools/sample-size-calculator)
- [Qué es el efecto mínimo detectable](https://bixlow.com/es/glossary/minimum-detectable-effect)
- [Calculadora de duración de un test A/B](https://bixlow.com/es/tools/ab-test-duration-calculator)
- [La estadística de Bixlow](https://bixlow.com/es/platform/statistics)