Seguimos un caso en Bixlee, una tienda de bebidas de demostración, de principio a fin: escribimos la hipótesis, definimos a quién va dirigida, decidimos qué cuenta como éxito, construimos la variante, lanzamos el test y leemos el veredicto. Con capturas reales de cada pantalla.
Esta guía muestra el ciclo completo de un experimento en Bixlow: una hipótesis documentada, una audiencia, un objetivo de conversión, una variante construida sobre la web real, un test A/B con reparto en el navegador y un veredicto bayesiano que dice cuándo el resultado es fiable.
Bixlee es una tienda de demostración y el tráfico del paso 6 es simulado: sirve para enseñar cómo se lee el resultado, no es el dato de un cliente.
Bixlee anuncia en Instagram un sabor distinto en cada anuncio. Todos los clics acaban en la misma portada, que abre con un carrusel de sandía. El sabor que ha traído a la visita está varios bloques más abajo, y en el móvil casi nadie baja tanto.
En Hipótesis creamos «Que el anuncio de Instagram continúe en la portada» y la completamos sección a sección: el problema, el cambio, el efecto que esperamos y por qué, a quién afecta, cómo lo vamos a medir y qué necesitamos. Cada sección es una pantalla, y las preguntas que no sabes contestar se marcan como «No lo sé» o «Más adelante» en lugar de inventarlas.
En Audiencias creamos «Instagram en móvil» con dos condiciones que se tienen que cumplir a la vez: la fuente UTM es instagram y el dispositivo es móvil. Una audiencia es una regla con nombre que se reutiliza: la misma sirve para este test y para cualquier personalización posterior.
En Objetivos creamos «Añadir al carrito», de tipo añadir al carrito, con un detector de clic sobre los botones de la tienda (button[name="add"]). Bixlow lo detecta en la web sin tocar el código del tema, y cada clic queda como una conversión de ese visitante.
![Diálogo del objetivo «Añadir al carrito», sección Detección: un detector de clic sobre button[name="add"].](/guides/ab-test-walkthrough/es-03-goal.webp)
En Workflows creamos «Portada del anuncio de Instagram» y elegimos «Test A/B». El editor abre dos pestañas: Original, que se queda como está, y la variante, que renombramos «Sabor del anuncio». En la variante ponemos un disparador «al iniciar la página» que ejecuta una acción de inyectar: un bloque con el nombre del sabor, la lata, el precio y el botón. Su código lee utm_content, oculta el carrusel y, al pulsar, añade al carrito el producto real de la tienda.
«Lanzar test» abre un resumen con las dos variantes y el reparto (50 % y 50 %). Ponemos el nombre, elegimos «Añadir al carrito» como lo que cuenta como éxito y, en la sección «Quién entra», la audiencia «Instagram en móvil». Al confirmar, la variante llega a la web.
La pantalla del experimento compara las dos variantes sobre los visitantes expuestos. En el ejemplo, la Original convierte un 4,0 % y «Sabor del anuncio» un 5,3 %, con un 98 % de probabilidad de ser la mejor. Bixlow solo declara ganadora cuando hay muestra suficiente en cada variante, el test ha durado lo mínimo y la probabilidad pasa del 95 %. Hasta entonces dice «todavía no hay evidencia suficiente» y por qué.
Nada de esto se queda en este experimento. La audiencia, el objetivo y lo aprendido en la hipótesis sirven para la próxima idea, y el ciclo vuelve a empezar con más información.
No. La variante la puede construir el agente a partir de una frase. En la guía enseñamos el código para que se vea qué se inyecta en la web, pero no hace falta escribirlo.
No. Bixlow funciona en cualquier web donde se pueda añadir su script: Shopify, WordPress, una web a medida o una aplicación. Bixlee usa un tema de Shopify porque es un caso habitual.
Las pantallas son reales: están sacadas de un proyecto de Bixlow sobre la tienda de demostración. El tráfico del paso 6 es simulado para enseñar cómo se lee un resultado.
La portada de siempre. No cumplen la audiencia, así que no entran en el test ni cuentan en sus resultados.
También es un resultado. Terminas el experimento quedándote con la Original, la web sigue como estaba y lo aprendido queda en la hipótesis para la siguiente idea.
Lo que haga falta para cumplir los mínimos de muestra y duración y llegar a la probabilidad necesaria. Bixlow te dice en cada momento qué falta.
Instala el script, describe la idea y Bixlow te acompaña por los mismos seis pasos.
