Calculadora de Significancia para Tests A/B
Has ejecutado un test A/B — ahora comprueba si el resultado es estadísticamente significativo. Introduce los visitantes y conversiones de tu control (A) y tu variación (B), elige un nivel de confianza y obtén al instante la tasa de conversión, el uplift, la significancia y el valor p.
Introduce tus visitantes y conversiones arriba, luego haz clic en Calcular para ver tu resultado y el gráfico de distribución.
Qué te dice la calculadora
Tres respuestas en un clic: sin hojas de cálculo, sin necesidad de un máster en estadística.
Tasa de conversión y mejora
Consulta la tasa de conversión de ambas versiones una al lado de la otra y el aumento relativo de tu variación respecto al control.
Significación estadística
Una prueba chi-cuadrado te indica si la diferencia es real o simplemente ruido, al nivel de confianza que elijas (90%, 95% o 99%).
Comprobación de desajuste en la proporción de muestras
Una verificación SRM automática avisa cuando la distribución del tráfico es incorrecta — una causa habitual de resultados de prueba engañosos.
Comprendiendo la significancia de las pruebas A/B
Un resultado es estadísticamente significativo cuando la diferencia entre tu control y tu variación es poco probable que se deba al azar. Tú defines qué tan estricto es ese umbral con el nivel de confianza: al 95%, el resultado se considera significativo una vez que la calculadora alcanza al menos un 95% de confianza.
Ejemplo práctico: el control (A) tiene 85.000 visitantes y 3.326 conversiones — una tasa de conversión del 3,91%. La variación (B) tiene 83.000 visitantes y 3.403 conversiones — una tasa de conversión del 4,10%, un incremento del 4,78%. El resultado supera el umbral del 95% (aproximadamente un 97,5% de confianza), por lo que esta prueba es significativa.
El valor p es la probabilidad de observar una diferencia al menos tan grande si la variación no tuviera ningún efecto real. Un valor p más pequeño significa una evidencia más sólida. Con un nivel de confianza del 95%, se busca un valor p de 0,05 o inferior. Esta calculadora reporta un valor p unilateral — evalúa si la variación es mejor que el control en la dirección observada.
El 95% es el estándar habitual en la optimización de conversión: un buen equilibrio entre detectar ganadores reales y evitar falsos positivos. Elige el 99% cuando una decisión equivocada sea costosa y quieras tener mayor certeza; el 90% solo para lecturas tempranas y de bajo riesgo donde aceptas más incertidumbre.
El SRM ocurre cuando los visitantes no se distribuyen entre el control y la variación de la manera prevista (por ejemplo, una división planificada 50/50 que acaba siendo 55/45). Por lo general, apunta a un problema técnico: redirecciones defectuosas, bots o brechas en el seguimiento, y puede invalidar silenciosamente tu resultado. Si la calculadora detecta un SRM, corrige la distribución antes de dar por válido cualquier número de significancia.
La significancia te indica que la diferencia probablemente es real, no si es relevante para tu negocio o estable a lo largo del tiempo. Considera también el tamaño del aumento, la duración de la prueba (que cubra ciclos de negocio completos), el tamaño de la muestra y si el resultado se mantiene en los segmentos clave antes de desplegar una variación a todos los usuarios.
Un precio. Tests A/B ilimitados.
Varify.io es tu alternativa compatible con RGPD y sin cookies a las herramientas de testing con precio por tráfico. Tarifa plana desde 199 €/mes, sin importar cuánto tráfico tengas ni cuántos experimentos ejecutes.
Comienza tu prueba gratuita de 30 díasSin tarjeta de crédito · Hecho y alojado en Alemania