- Define una métrica principal antes de la rebaja, compárala con una línea base y lee el resultado una vez que los efectos de adelanto de compra se hayan estabilizado.
- La línea base más limpia es un grupo holdout: una parte de los visitantes que no ve la oferta. El año anterior y las semanas previas a la rebaja sirven como una segunda referencia.
- Seis métricas cubren la mayoría de las preguntas: ingresos, pedidos, valor medio del pedido, margen, porcentaje de clientes nuevos y devoluciones.
- La guía termina con una plantilla de informe que puedes copiar. El Black Friday 2026 es el viernes 27 de noviembre, y el Cyber Monday es el lunes 30 de noviembre.
Para medir si una campaña de Black Friday funcionó, define un objetivo métrico antes de la rebaja, compáralo con una línea base que muestre lo que habría pasado sin la campaña, y lee el resultado solo después de que los efectos de adelanto de compra se hayan estabilizado. La línea base más sólida es un grupo holdout: una pequeña parte de los visitantes que no ve la oferta. Las comparaciones interanuales e intersemanales son más fáciles de configurar, pero también más fáciles de malinterpretar.
El Black Friday 2026 es el viernes 27 de noviembre, y el Cyber Monday es el lunes 30 de noviembre. Esta guía cubre la definición de éxito, las seis métricas que importan, tres formas de comparar, los efectos de adelanto de compra, una configuración de holdout con Varify y una plantilla de informe. Para la calidad de los datos de un test A/B en sí, consulta la guía enlazada en la sección de holdout.
Define el éxito antes de la rebaja
Una campaña no se puede juzgar a posteriori si nadie anotó antes qué significa el éxito. Acuerda estos puntos antes de que comience la rebaja:
- Una métrica principal. Elige el número que decide: por ejemplo, los ingresos por visitante, el margen de contribución o los clientes nuevos. Una campaña que aumenta los ingresos y reduce el margen puede verse bien en una métrica y mal en la otra.
- Métricas de control (guardrails). Define los números que no deben empeorar, como la tasa de devoluciones o el porcentaje de pedidos con código de descuento.
- La comparación. Decide qué línea base usarás (ver más abajo) antes de ver ningún dato.
- La ventana de tiempo. Fija el inicio, el final y la fecha de la lectura final. Anota quién es responsable del informe.
Escribe la definición en un párrafo y compártela con todos los que llevan parte de la campaña. Una definición fija evita la costumbre de elegir después la métrica que mejor queda. Añade una regla de decisión en palabras sencillas, por ejemplo: si el grupo de campaña supera al holdout en la métrica principal y las métricas de control se mantienen, repetimos el formato el año que viene; si el margen baja, cambiamos la oferta.
Las métricas que importan
Seis métricas cubren la mayoría de las preguntas sobre el Black Friday. Define cada una de la misma forma en todos los informes.
- Ingresos. Valor total de los pedidos en el periodo. Decide si incluye envío e impuestos y mantén esa decisión.
- Pedidos. El número de pedidos completados. Cuenta cada pedido una sola vez.
- Valor medio del pedido. Ingresos divididos entre pedidos. Muestra si las ofertas cambiaron el tamaño de la cesta.
- Margen. Ingresos menos el coste de los productos, el envío y los descuentos, como cantidad y como porcentaje de los ingresos. Muestra si el ingreso adicional compensa.
- Cuota de clientes nuevos. Pedidos de clientes que compraron por primera vez, divididos entre todos los pedidos. Muestra si la campaña alcanzó a gente nueva.
- Devoluciones. Pedidos o artículos devueltos como porcentaje de los pedidos. Las devoluciones llegan semanas después, así que repite la lectura tras la ventana de devolución.
Los ingresos por visitante son un puente útil entre el tráfico y las ventas: ingresos divididos entre visitantes. Te permite comparar periodos y grupos con tráfico diferente.
Elige la comparación adecuada
Cada comparación responde a una pregunta ligeramente distinta. La tabla recoge las tres más habituales.
| Método de comparación | Punto fuerte | Punto débil |
|---|---|---|
| Mismo periodo del año anterior | Cubre la misma temporada y el mismo calendario, incluido el propio Black Friday. | La tienda, la mezcla de tráfico, los precios y el mercado difieren respecto al año anterior. La diferencia contiene mucho más que el efecto de la campaña. |
| Las semanas antes de la oferta | Cercano en el tiempo y en la configuración de la tienda. Fácil de extraer de tu herramienta de analítica. | Las semanas normales no tienen demanda de Black Friday, así que todo el pico parece un efecto de campaña. |
| Grupo de control (holdout) | Mismos días, mismo mercado, misma tienda. La única diferencia es la oferta, así que la diferencia muestra el efecto de la campaña. | Requiere configuración antes del inicio. Un grupo pequeño implica un margen de error más amplio, y algunos visitantes nunca ven la oferta. |
La respuesta honesta a «¿funcionó?» es la diferencia frente a una línea base. Las comparaciones interanuales y antes-después están bien como segunda vista. Un grupo de control (holdout) es el único de los tres que separa la campaña de todo lo demás que cambió en esos días.
Vigila los efectos de adelanto de compra
Un efecto de adelanto de compra ocurre cuando la campaña mueve las compras hacia delante en el tiempo. Los clientes que habrían comprado en octubre o diciembre compran en Black Friday, normalmente con descuento. La oferta parece entonces mayor que su efecto neto. Esta es una hipótesis que debes comprobar en tu tienda, porque el tamaño varía según la categoría y la base de clientes.
Tres comprobaciones lo hacen visible:
- Compara totales en una ventana más larga. Mira los ingresos desde principios de octubre hasta finales de diciembre, frente a la misma ventana en tu línea base. Una ganancia en Black Friday junto con una caída posterior apunta a un adelanto de compra.
- Observa a los clientes recurrentes. Comprueba si los clientes que compraron en Black Friday habrían comprado en las semanas siguientes.
- Observa la cuota de descuento. Si los pedidos de clientes existentes con código de descuento crecen mientras los pedidos a precio completo caen, es posible que los descuentos hayan sustituido pedidos a precio completo.
Planifica la lectura final después de la ventana elegida, por ejemplo en enero, y presenta la primera lectura del Cyber Monday como resultado preliminar.
Mide con un grupo de control usando Varify
Un holdout group es una parte de los visitantes que ve la tienda normal mientras todos los demás ven la campaña. Compara ambos grupos durante los mismos días y verás el efecto de la campaña en sí. Varify puede construir esto con un test A/B o con personalización y un reparto de tráfico desigual. Si siquiera puedes ejecutar un test en la semana pico está explicado en A/B testing during Black Friday.
- Configura el reparto. Construye los elementos de la campaña como la variante: banner, precios, badges (mira cómo testear banners de Black Friday sin un desarrollador). Con Prompt-Based Experimentation (PBX), los describes en lenguaje natural en el Visual Editor («Ask AI»), y la IA construye la variante, escribe el código y configura el experimento, sin necesidad de un desarrollador. Consulta los ejemplos de PBX y la documentación de PBX. Asigna una pequeña parte del tráfico al original. Esa parte es tu holdout group. Qué porcentaje es el correcto depende de tu tráfico, así que planifícalo con la calculadora de duración de test.
- Dirígete a los visitantes correctos. Con segmentación de audiencia por parámetro de URL (UTM), referente o geografía, el holdout puede aplicarse a visitantes de un correo o anuncio concreto. Consulta segmentación de audiencia.
- Mide. Conecta GA4 y lee los ingresos, pedidos y valor de cesta por grupo. Para datos sin procesar, Varify ofrece la evaluación con BigQuery y la exportación a CSV (consulta exportar los resultados), y las estadísticas bayesianas muestran la duración restante. La guía sobre herramientas de Black Friday para tiendas online enumera la configuración de analítica y grabación que hay que revisar de antemano.
- Comprueba primero. Usa el enlace de vista previa y el modo QA para confirmar que los objetivos se disparan en ambos grupos (consulta control de calidad).
Varify no establece cookies y guarda la asignación de grupo en localStorage, de modo que un visitante que regresa permanece en el mismo grupo. Qué visitantes puede contar tu herramienta de analítica depende de tu configuración de consentimiento, que es una cuestión para tu responsable de protección de datos. Para la parte de datos de un test A/B, lee GA4 o BigQuery: en qué números puede confiar un test A/B.
Tu plantilla de informe posterior al Black Friday
Copia este esquema en un documento. Complétalo el Cyber Monday como primera lectura, y de nuevo después del periodo que elegiste.
- Definición del objetivo y la métrica desde antes de la promoción, con la fecha de la lectura final
- Periodo, canales y las ofertas que estuvieron activas, con horas de inicio y fin
- Resultados de la métrica principal: grupo de campaña, línea base, diferencia y margen de error
- Resultados de las otras cinco métricas y las métricas de control (guardrail)
- Comparación con la segunda vista (el año pasado o las semanas anteriores)
- Comprobación de adelanto de compras (pull-forward): totales durante el periodo más largo
- Qué funcionó, qué no, y qué haremos de forma diferente el año que viene
- Puntos pendientes: devoluciones aún por llegar, lagunas de datos, responsables y fechas
Añade las capturas de pantalla o exportaciones que respalden cada cifra, e indica la fuente de datos junto a cada dato.
Mide tu campaña de Black Friday con un holdout.
Varify.io: PBX, integración con GA4, Campaign Booster. Compara el grupo que vio la oferta con el grupo que no la vio.