Convert.com: Análisis Completo 2026 (Funciones y Precio)

Convert.com es la herramienta de test A/B que publica su propio precio, y eso cambia más cosas de lo que parece. En una categoría donde casi todo competidor relevante esconde el valor detrás de un formulario de contacto, poder sumar el costo antes de hablar con un vendedor es una ventaja práctica de planificación. Este análisis cubre qué hace la herramienta, cuánto cobra de hecho, cómo el modelo de usuarios probados interactúa con el dimensionamiento de tu test, dónde están los límites reales y para qué tipo de operación cierra la cuenta. Para el panorama de la categoría entera, mirá la comparación neutral de herramientas de test A/B.

Aviso de transparencia antes de cualquier línea: Donnu es una herramienta de test A/B y compite con Convert.com en parte del alcance. Este texto fue escrito para ser útil incluso para quien va a elegir Convert al final, y la sección sobre dónde es claramente la elección correcta está acá exactamente por eso.

Qué es Convert.com, en una frase por pieza

Pieza	Qué hace	A quién suele importarle
Test A/B y split URL	Experimento client-side con editor visual y edición de código	Marketing, sin depender de un deploy
Test multivariado	Combinación de elementos en la misma página	Equipos con tráfico alto y muchas variables
Personalización	Entrega de contenido por segmento declarado	Operaciones con público segmentable
Motor estadístico doble	Lectura frecuentista o bayesiana del mismo experimento	Equipos que ya tienen una regla estadística definida
Integraciones de analytics	Envío del experimento a la herramienta de datos de la casa	Quien decide fuera de la interfaz de la herramienta de test

La lectura honesta de esa tabla: Convert es una herramienta de experimentación en página, no una suite de comportamiento con mapa de calor, grabación de sesión e investigación con usuarios. Eso es un recorte deliberado, y explica tanto el precio más bajo que una suite completa como el hecho de que no la sustituye.

Precio: la tabla pública, completa

Este es el principal diferencial competitivo de la herramienta y merece reproducirse sin interpretación. Números verificados en la página oficial de precios el 10 de agosto de 2026:

Plan	Mensual	Anual	Usuarios probados incluidos	Excedente
Growth	US$ 399/mes	US$ 3.588/año (US$ 299/mes)	100 mil/mes (1,2 millones/año)	US$ 399 por 100 mil
Pro	US$ 599/mes	US$ 5.040/año (US$ 420/mes)	100 mil/mes (1,2 millones/año)	US$ 699 por 250 mil
Enterprise	Cotizado	Cotizado, solo anual	A partir de 1 millón/mes	US$ 699 por 250 mil

Los valores excluyen impuestos, calculados en el checkout según la localización del cobro. La prueba gratuita anunciada es de 15 días, sin tarjeta de crédito.

Dos observaciones que la tabla publicada deja explícitas y que casi nadie nota:

1. Growth y Pro incluyen el mismo volumen. Lo que separa a los dos es el conjunto de funcionalidades y el precio del excedente, no la franquicia. Si tu problema es volumen, subir de plan no lo resuelve solo.
2. El excedente de Pro es proporcionalmente más barato. US$ 699 por 250 mil da unos US$ 2,80 por mil usuarios probados adicionales, contra US$ 3,99 por mil en Growth. Quien sabe que va a pasarse de la franquicia con frecuencia necesita hacer esa cuenta antes, no después de la primera factura.

Usuario probado: la unidad que decide si el plan alcanza

El cobro de Convert es por usuario probado: visitante único que entra en un experimento activo en el período. No es sesión, no es pageview y no es visitante del sitio entero, solo de quien fue efectivamente sorteado para un test. Esa distinción es lo que conecta el precio de la herramienta con el dimensionamiento estadístico de tu experimento, y es la cuenta que nadie hace antes de contratar.

Ajustá la calculadora con tu tasa base real para ver cuántos visitantes consume tu próximo test:

Tasa de conversión actual%Efecto mínimo detectablerelativo (%)absoluto (pp)Confianza909599%Poder8090%Visitantes por semana (total)Testbilateralunilateral

-Visitantes por variación

-Total (2 variaciones)

-Duración estimada

Cálculo por aproximación normal de dos proporciones, 2 variaciones (50/50). Cambia los campos y mira el impacto en vivo.

Cuánto consume del plan un test de verdad

Una tienda convierte al 3% y recibe 20.000 visitas por semana. Para detectar una mejora relativa del 15% (de 3% a 3,45%), al 95% de confianza y 80% de poder, la matemática pide 24.193 visitantes por variación, lo que lleva 17 días. Con dos variaciones, el experimento consume unos 48.386 usuarios probados, menos de la mitad de la franquicia mensual de 100 mil.

Ahora cambiá la ambición. Apuntando al 10% relativo (de 3% a 3,3%), el requisito sube a 53.211 por variación, lo que lleva 38 días y consume unos 106.422 usuarios probados: por sí solo, ese único test ya revienta la franquicia mensual, y el excedente entra en la factura.

Ambición del test	Muestra por variación	Duración con 20 mil/semana	Usuarios probados consumidos	¿Entra en los 100 mil/mes?
15% relativo	24.193	17 días	~48.386	Sí, sobra la mitad
10% relativo	53.211	38 días	~106.422	No, revienta solo

La conclusión práctica vale para cualquier herramienta cobrada por volumen probado, no solo para Convert: tu ambición estadística es un ítem de costo. Apuntar a un efecto menor no es solo esperar más tiempo, es pagar más. Eso no es motivo para inflar el efecto mínimo detectable y engañarte a vos mismo, es motivo para elegir tests con un efecto esperado lo bastante grande como para entrar en el presupuesto, tema tratado en la guía de significancia estadística.

Motor doble: frecuentista y bayesiano en la misma herramienta

La página de precios lista un motor estadístico frecuentista y bayesiano en los planes. Tener las dos reglas disponibles es una ventaja real, y también una trampa si el equipo no decide antes cuál usa.

Las dos responden preguntas distintas. El valor-p frecuentista responde “si no hubiera ninguna diferencia, cuál es la probabilidad de que yo observe un resultado al menos tan extremo como este”. La probabilidad bayesiana responde “dado lo que observé, cuál es la probabilidad de que B sea mejor que A”. No son traducciones una de la otra, y sobre el mismo conjunto de datos pueden producir lecturas de confianza bien distintas.

El ejemplo trabajado

El test del ejemplo anterior corrió hasta 24.000 visitantes por variación y cerró con 720 pedidos en el control (3,00%) contra 806 en la variación (3,36%).

Control (A)

VisitantesConversiones

Variación (B)

VisitantesConversiones

Confianza90%95%99%

Control (A) · Tasa-

Variación (B) · Tasa-

Mejora relativa-

valor-p-

IC 95% de la diferencia-

Test z bilateral de dos proporciones. "Sin significancia" casi siempre significa que falta muestra, no que las versiones sean iguales.

Corriendo esos cuatro números en el motor de significancia de este blog: z = 2,24, valor-p ≈ 0,0253, con intervalo de confianza del 95% de la diferencia entre +0,04 y +0,67 puntos porcentuales, y mejora relativa observada de +11,9%. Con la regla frecuentista del 5%, el resultado es significativo y la variación gana.

Fijate en el intervalo, porque es él quien sostiene la decisión de negocio. La ganancia verdadera puede ser tan pequeña como 0,04 puntos porcentuales, o sea, cerca de un octavo del punto central observado. Un resultado significativo con intervalo ancho autoriza la afirmación “B es mejor que A” y no autoriza la proyección “vamos a ganar 11,9% de conversión”. Esa distinción es la diferencia entre un programa de experimentación que sobrevive a la auditoría financiera y uno que no.

El punto de atención con el motor doble es conductual, no matemático: tener las dos lecturas en pantalla crea el incentivo de mirar las dos y elegir la que ya favorece la decisión preferida. La regla de higiene es declarar la regla en el diseño del test, junto con la métrica primaria y el tamaño de muestra, y no cambiarla después. Quien quiera entender la lógica bayesiana antes de elegir puede empezar por la guía de priors bayesianos y por la pérdida esperada como regla de parada.

Puntos fuertes reales

• Precio público y calculable. Se puede armar el presupuesto de un año sin hablar con nadie, lo que es raro en esta categoría y vale mucho en un proceso de compra con aprobación interna.
• Alcance acotado y coherente. La herramienta hace experimentación en página y no intenta ser una suite de comportamiento entera, lo que reduce complejidad de configuración y de contrato.
• Las dos reglas estadísticas disponibles. Para un equipo que ya tiene postura sobre frecuentista o bayesiano, no tener que aceptar la elección del proveedor es una libertad concreta.
• Prueba gratuita de 15 días sin tarjeta. Baja la barrera de evaluación técnica, y sin tarjeta significa que nadie se olvida de cancelar.
• Excedente con precio publicado. Saber de antemano cuánto cuesta pasar del límite es distinto de descubrirlo en la renovación.

Limitaciones y puntos de atención

• Una franquicia de 100 mil usuarios probados es modesta para una operación grande. Como muestra el ejemplo anterior, un único test ambicioso consume más que eso. Quien corre varios experimentos simultáneos pasa a vivir en el excedente.
• Growth y Pro con la misma franquicia confunde. Es fácil contratar Pro esperando más volumen y recibir solo más funcionalidades.
• No es una suite de comportamiento. Sin mapa de calor, grabación de sesión e investigación con usuarios en el mismo producto, la operación que depende de eso va a contratar una segunda herramienta.
• Foco client-side. Si tu caso central es experimentación server-side con feature flags en el flujo de deploy, la categoría correcta es otra, tratada en la comparación de herramientas de feature flag y en la guía de test client-side contra server-side.
• Precio en dólares. Para una operación latinoamericana, el costo real oscila con el tipo de cambio y con los impuestos aplicables, y eso tiene que entrar en el presupuesto con holgura.

Cómo evaluarla en un piloto de 15 días

El error clásico es intentar correr un experimento con veredicto dentro de la prueba gratuita. Quince días raramente cierran la muestra. Usá el período para responder las preguntas que no dependen de muestra:

1. Instalación y desempeño. ¿El snippet carga sin retrasar la página? ¿Hay parpadeo visible en la variación?
2. División real de tráfico. ¿En el primer día la distribución coincide con lo configurado? Una división torcida es defecto de instrumentación, no mala suerte.
3. Editor visual contra tu HTML real. ¿Consigue alterar los elementos que necesitás cambiar, o todo termina en edición de código?
4. Integración con tu analytics. ¿El experimento aparece en la herramienta donde tu equipo realmente decide?
5. Conteo de usuarios probados. Verificá cuántos usuarios probados consumió el piloto y proyectá eso a tu plan de tests del trimestre.
6. Las dos lecturas estadísticas. Corré un test A/A, sin diferencia real entre los lados, y mirá cómo cada regla reporta el no-efecto.

El test A/A del punto 6 es el más revelador y el más salteado. No mide la herramienta contra la competencia, mide tu instrumentación contra la realidad, y es la forma más barata de descubrir un problema de recolección antes de tomar una decisión encima de él.

Análisis final: para quién tiene sentido Convert.com

Tiene sentido para una operación de mediano porte con tráfico en el orden de las decenas de miles de usuarios probados por mes, que necesita test A/B y split URL en web con editor visual, que valora un presupuesto previsible sin pasar por una llamada comercial, y que tiene una postura estadística propia y quiere poder aplicarla.

Tiene menos sentido para una operación con volumen muy por encima de la franquicia (donde el excedente domina la cuenta y una cotización por volumen tiende a salir mejor), para quien necesita una suite con mapa de calor y grabación juntos, y para equipos de ingeniería cuyo caso central es feature flag y experimentación server-side, para los cuales las opciones abiertas cubiertas en la comparación GrowthBook contra PostHog y en herramientas de test A/B open source tienden a encajar mejor.

Si tu caso es el segundo grupo y lo que pesó fue el costo por volumen, Donnu es una de las opciones más livianas de la categoría, con precio previsible y sin llamada para descubrir el valor, enfocada en test A/B en web con estadística honesta. No sustituye a Convert en test multivariado ni en personalización por segmento, y decir lo contrario sería deshonesto. Si tu caso es test A/B en página con lectura estadística conservadora, empezá una prueba gratis de 14 días y compará lo que de hecho te importa.

---

Leé también: Herramientas de Test A/B Comparadas · Precios de Herramientas de Test A/B · VWO: análisis completo · Significancia Estadística en Tests A/B

Referencias

• Convert. Pricing. Valores de plan, franquicia de usuarios probados, precio de excedente y prueba gratuita de 15 días, verificados el 10 de agosto de 2026. convert.com/pricing.
• Convert. Convert Experiences. Página del producto, con el alcance de test A/B, split URL, multivariado y personalización. convert.com.
• Kohavi, R., Tang, D. y Xu, Y. Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press, 2020. Capítulos sobre elección de herramienta, test A/A y lectura de intervalo. Material de apoyo en experimentguide.com.
• Gelman, A. et al. Bayesian Data Analysis, 3.ª edición. Referencia para la diferencia entre la lectura bayesiana y la frecuentista del mismo experimento. sites.stat.columbia.edu/gelman/book.