PostHog: Análisis Completo 2026 (Funciones y Costos)

PostHog no es una herramienta de test A/B, es una plataforma de producto donde el test A/B es uno de los módulos, y entender esa diferencia resuelve la mayoría de las preguntas que la gente trae a una evaluación. No comprás PostHog para probar una landing page; adoptás PostHog para instrumentar un producto y, de paso, obtenés experimentación atada a los feature flags que ya usás. Este análisis cubre qué hace, cuánto cobra de hecho por unidad, cuánto del cupo gratuito consume un test real, qué te da el self-host y para quién cierra la aritmética. Para el panorama de la categoría, mirá nuestra comparación neutral de herramientas de CRO y test A/B.

Aviso antes que nada: Donnu es una herramienta de test A/B y compite con PostHog en parte de este alcance. Este texto está escrito para ser útil incluso para quien termine eligiendo PostHog.

Qué es PostHog, una línea por pieza

Pieza	Qué hace	Cómo se factura
Product analytics	Eventos, embudos, retención, cohortes	Por evento, desde 0,00005 dólares
Grabación de sesión	Reproducción del comportamiento en web y móvil	Por grabación, desde 0,0050 dólares en web
Feature flags	Enciende y apaga funcionalidad por segmento	Por solicitud, desde 0,0001 dólares
Experiments	Test A/B construido encima de los flags	Facturado junto con feature flags
Encuestas	Preguntas dentro del producto	Por respuesta
Seguimiento de errores	Captura de excepciones	Por excepción

La lectura honesta de esa tabla: el experimento no tiene precio propio. Va a caballo de la facturación de feature flags, que es una decisión de modelado con una consecuencia práctica fuerte, cubierta en la sección de costos más abajo.

Precio: un cupo gratuito por producto

No hay suscripción de entrada. Cada producto tiene su propio cupo gratuito mensual y, por encima de él, pagás por unidad consumida, a un precio que baja por tramo de volumen (de ahí el “desde” en cada línea). Números verificados en la página oficial el 14 de agosto de 2026:

Producto	Cupo gratuito mensual	Precio por encima del cupo
Product analytics	1 millón de eventos	Desde 0,00005 dólares por evento
Grabación de sesión (web)	5.000 grabaciones	Desde 0,0050 dólares por grabación
Feature flags y experiments	1 millón de solicitudes	Desde 0,0001 dólares por solicitud
Encuestas	1.500 respuestas	Por respuesta, por tramo
Seguimiento de errores	100.000 excepciones	Por excepción, por tramo

La implicación estratégica de ese modelo es que una operación pequeña entera corre gratis, indefinidamente, sin contrato y sin llamada comercial. Eso es raro en esta categoría y es la razón principal de que PostHog aparezca tan seguido en listas de herramientas de test A/B gratis y herramientas de test A/B open source.

Qué consume de verdad un test A/B

Acá es donde el análisis se gana el sueldo. Como el experimento se factura como feature flag, el costo de probar depende de dos cosas que vos controlás: cuántas veces se evalúa el flag y cuántos eventos dispara tu instrumentación.

Configurá la calculadora con tu propia tasa base para dimensionar tu caso:

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.

El ejemplo trabajado

Un producto convierte al 2,5% de los visitantes en una acción medida y recibe 25.000 visitantes por semana en el flujo probado. Para detectar una mejora relativa del 12% (de 2,5% a 2,8%) al 95% de confianza y 80% de poder, la matemática pide 44.996 visitantes por variante, lo que lleva 26 días. Apuntando al 20% relativo en cambio (de 2,5% a 3%), el requisito baja a 16.792 por variante y el test cierra en 10 días.

El test de 26 días involucra unos 90.000 visitantes entre las dos variantes. Asumí 4 páginas por visitante con una evaluación de flag en cada una, 12 eventos de analytics por visitante y grabación del 10% de las sesiones. El mes queda así:

Línea de consumo	Volumen del experimento	Cupo gratuito	Excedente	Costo
Solicitudes de feature flag	~360.000	1 millón	Ninguno	0 dólares
Eventos de analytics	~1,08 millones	1 millón	~80.000	~4 dólares
Grabaciones de sesión	~9.000	5.000	~4.000	~20 dólares

Costo total del mes del experimento: unos 24 dólares, y fijate de dónde viene. La parte cara no es el test, es la grabación de sesión. Las solicitudes de flag, que son lo que PostHog cuenta como costo del experimento, ni siquiera salieron del cupo gratuito. Un equipo que busca gastar menos no debería recortar la ambición estadística del test, debería recortar la tasa de muestreo de sus grabaciones.

Leer el resultado

Digamos que el test corrió hasta 45.000 visitantes por variante y cerró con 1.125 conversiones en el control (2,50%) contra 1.233 en la variación (2,74%).

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 = 2,25, valor-p ≈ 0,0242, con un intervalo de confianza del 95% sobre la diferencia de +0,03 a +0,45 puntos porcentuales, y una mejora relativa observada de +9,6%. Es significativo contra la barra del 5%, y el intervalo sigue siendo lo bastante ancho como para que una proyección de ingresos se construya desde el límite inferior y no desde la estimación puntual, como detalla nuestra guía de significancia estadística.

Una trampa específica de las plataformas donde el experimento nace de un feature flag merece una nota, porque cuesta datos y no dinero: evaluar el flag no es lo mismo que exponer al visitante a la variación. Si tu código pide el valor del flag en cada carga de página, incluyendo páginas que nunca renderizan el elemento probado, el denominador del experimento empieza a incluir gente que nunca vio la diferencia. El efecto medido se achica, el test necesita más muestra para el mismo poder, y la lectura se vuelve conservadora sin que nadie lo note. La regla práctica es registrar la exposición en el momento en que el elemento probado realmente se renderiza, no en el momento en que se consulta el flag. Vale para cualquier herramienta con este diseño, y es exactamente el tipo de defecto que un test A/A no va a detectar, porque ahí los dos lados son idénticos por construcción.

Cómo se ve la factura a medida que crecés

El precio por consumo es más fácil de juzgar proyectándolo en tres etapas y no en una. Usando las tarifas iniciales publicadas y los mismos supuestos de instrumentación de arriba (12 eventos de analytics por usuario, 4 evaluaciones de flag por usuario, 10% de muestreo de sesiones), la forma mensual aproximada queda así:

Etapa	Usuarios mensuales en el producto	Eventos de analytics	Solicitudes de flag	Grabaciones	Costo mensual aproximado
Startup temprana	20.000	~240.000	~80.000	~2.000	0 dólares, enteramente dentro de los cupos
Producto en crecimiento	150.000	~1,8 millones	~600.000	~15.000	Decenas de dólares, impulsado por eventos y grabaciones
Producto a escala	1.000.000	~12 millones	~4 millones	~100.000	Cientos de dólares, y los tramos de volumen empiezan a importar

Son proyecciones de orden de magnitud a partir de tarifas iniciales publicadas, no una cotización, y el precio por unidad baja por tramo a medida que crece el volumen, así que la última fila es la lectura pesimista. El punto del ejercicio es la forma y no la cifra exacta: el tramo gratuito no es un anzuelo, absorbe genuinamente un producto en etapa temprana, y la primera línea en romperlo es casi siempre la grabación de sesión y no la experimentación. Poné una alerta de consumo en el punto en el que querrías que te avisen, y revisá la tasa de muestreo de grabaciones en cada etapa en vez de una sola vez en la configuración inicial.

Self-host: qué es y qué no es

Esta es la parte más malentendida del producto. El despliegue self-hosted existe, se distribuye bajo licencia MIT y cualquiera puede levantar uno. Según la documentación oficial, sin embargo, es oficialmente no soportado, no tiene garantía de funcionamiento ni de desempeño y solo da acceso a las funciones del tramo gratuito: todo lo que está en un plan pago queda solo en la nube. La propia documentación recomienda la nube para la mayoría de los usuarios y reserva el self-host para equipos con un requisito específico de privacidad de datos o con capacidad profunda de infraestructura.

La traducción práctica: el self-host acá es una opción de soberanía de datos, no una opción de ahorro. Quien corre su propia instancia asume operación, actualizaciones y riesgo para terminar con el mismo conjunto de funciones que la nube ya regala dentro del cupo gratuito. Tiene sentido para equipos bajo una restricción regulatoria o de política de datos que prohíbe enviar eventos afuera; no tiene sentido como estrategia de reducción de costos.

Puntos fuertes reales

• Un cupo gratuito que cubre una operación entera. Un producto pequeño corre analytics, grabación, flags y experimentos sin gastar nada, sin contrato.
• Experimentos sin precio propio. Los equipos con muchos tests pequeños no pagan por experimento, lo que elimina el mal incentivo de acumular tests para justificar una suscripción.
• Todo sobre los mismos eventos. El número del experimento y el número de analytics salen de una sola fuente, lo que elimina la divergencia clásica entre dos pantallas.
• Precio por unidad publicado. Podés proyectar la factura desde tu propio volumen, sin cotización.
• Código con licencia MIT disponible. Incluso con las limitaciones del self-host, poder leer el código es un argumento real de auditoría y de salida.

Limitaciones y puntos de atención

• No es una herramienta de marketing. Sin editor visual como camino principal, probar una página sin desarrollador es fricción, y el equipo de marketing termina dependiendo de la cola de ingeniería.
• Factura variable. El precio por consumo es excelente cuando el volumen es chico e impredecible cuando el producto crece rápido. Configurá alertas de consumo antes, no después.
• La grabación de sesión domina el costo. Como muestra el ejemplo, es la línea que rompe primero, y es fácil dejarla encendida para el 100% de las sesiones por accidente.
• Self-host con alcance reducido. No soportado y limitado al tramo gratuito, no es la versión paga corriendo en tu infraestructura.
• La amplitud cobra una curva de aprendizaje. Una plataforma con más de diez productos exige disciplina para no instrumentar todo y después pagar por datos que nadie mira.

Cómo evaluarlo en un piloto

1. Instrumentá solo lo que alimenta una métrica. Los eventos por usuario son tu palanca principal de costo.
2. Definí la tasa de muestreo de grabaciones el primer día. Grabar el 10% suele responder las mismas preguntas que grabar el 100%, por una décima parte del precio.
3. Corré un test A/A. Confirmá que la división de tráfico coincide con lo configurado y que la herramienta reporta correctamente la ausencia de efecto.
4. Proyectá la factura desde tu pico, no desde tu promedio. El precio por consumo te premia en el valle y te sorprende en el pico.
5. Confirmá los cupos en la página oficial. Los límites de tramo y los precios cambian, y el valor de este artículo es la fecha en que fue verificado, no una promesa permanente.

Análisis final: para quién es PostHog

Encaja con equipos de producto e ingeniería que quieren analytics, grabación, flags y experimentación en un solo lugar, con costo variable y un comienzo genuinamente gratis. Para una startup en etapa temprana, la combinación de cupo generoso, sin contrato y código fuente disponible es difícil de superar.

Encaja menos con equipos de marketing que necesitan un editor visual para probar landing pages sin deploy, con organizaciones que requieren una factura fija y previsible, y con quien espera que el self-host sea una copia gratis del producto pago. Para comparaciones directas dentro de la misma familia, mirá PostHog contra VWO y nuestro análisis de Statsig, que resuelve un problema parecido con otro modelo de facturación.

Si tu caso es probar páginas web con rigor estadístico y sin levantar una plataforma de producto entera, Donnu es una opción más liviana, con precio previsible y una lectura conservadora del resultado. No reemplaza a PostHog en product analytics, grabación de sesión, encuestas ni seguimiento de errores, y decir lo contrario sería deshonesto. Si lo único que necesitás es la parte de testing, empezá una prueba gratis de 14 días.

---

Leé también: Herramientas de CRO y Test A/B Comparadas · PostHog contra VWO · Herramientas de Test A/B Open Source · Herramientas de Feature Flag Comparadas

Referencias

• PostHog. Pricing. Cupos gratuitos mensuales por producto, precios por unidad por encima del cupo y la nota de que Experiments se factura con feature flags, verificado el 14 de agosto de 2026. posthog.com/pricing.
• PostHog. Self-host. Licencia MIT, ausencia de soporte oficial, limitación a las funciones del tramo gratuito y la recomendación explícita de la nube para la mayoría de los usuarios. posthog.com/docs/self-host.
• PostHog. Experiments. Documentación del módulo de experimentación construido encima de los feature flags. posthog.com/docs/experiments.
• Kohavi, R., Tang, D. y Xu, Y. Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press, 2020. Capítulos sobre instrumentación, test A/A y elección de plataforma. Material de apoyo en experimentguide.com.