Test A/B de Asunto de Email: Cómo Hacerlo
Guía completa de test A/B de asunto de email: qué testear, tamaño de muestra real y por qué la apertura decide bien en este caso.
📚 Este artículo es parte de la guía Test A/B de Email Marketing: la Guía Estadística Completa.
Hacer un test A/B de asunto de email bien hecho significa aislar una única variable, la línea de asunto, dentro del test mayor que es un test A/B de email marketing: antes de cualquier clic o conversión, nadie lee el cuerpo del mensaje sin antes decidir abrirlo, y esa decisión de abrir es lo que el asunto, por sí solo, intenta mover. Esta guía profundiza específicamente en ese test: qué se puede variar en una línea de texto tan corta, por qué la tasa de apertura, incluso distorsionada por el Apple Mail Privacy Protection, sigue siendo la métrica correcta para decidir un test aislado de asunto, cómo separar el asunto del preview text que aparece a su lado en la bandeja de entrada, cuál es el tamaño de muestra real que ese test exige, y cuánto tiempo esperar antes de declarar un ganador. Tiene calculadoras en vivo y un ejemplo trabajado con números reales.
Qué se puede testear en un asunto de email
Un asunto tiene pocos caracteres, pero aun así guarda varias variables independientes. Según las recomendaciones de asunto publicadas por Mailchimp en su guía de benchmarks de email marketing, un asunto eficaz suele usar como máximo 9 palabras y 60 caracteres, como máximo 3 signos de puntuación, y como máximo 1 emoji por vez, complementando el texto en lugar de sustituirlo (Mailchimp, Email Marketing Benchmarks & Industry Statistics). Eso no significa que esos límites sean una regla fija para tu lista, pero son un buen punto de partida sobre qué testear:
- Longitud: un asunto corto (4 a 6 palabras) frente a uno más descriptivo (9 a 12 palabras). Según estimaciones de Litmus y de EmailToolTester, en buena parte de los clientes de email móviles el asunto se corta bastante antes del límite de 60 caracteres, así que testear la longitud también testea qué sobrevive al corte.
- Personalización: incluir el nombre del destinatario o un dato de comportamiento reciente frente a un asunto genérico. Ayuda cuando el dato es relevante para el contexto del mensaje, pero puede sonar automático cuando no lo es.
- Emoji: presencia frente a ausencia de un emoji relevante para el contenido. Un emoji puede ayudar al asunto a destacarse visualmente en la lista, pero también puede activar filtros de spam más sensibles según el proveedor.
- Urgencia o escasez: un gatillo de plazo (“solo hoy”) o de stock (“últimas unidades”) frente a un asunto neutro, sin plazo.
- Pregunta frente a afirmación: “¿Cansado de pagar envío?” frente a “Envío gratis esta semana”. Las preguntas invitan a la curiosidad, las afirmaciones comunican el beneficio directo.
- Número en cifra frente a con letras: “3 motivos para…” frente a “Tres motivos para…”. Las cifras tienden a llamar más la atención visual en la lista, pero eso también varía por segmento y por los asuntos de emails anteriores de la misma marca.
Aísla el asunto del preview text (preheader)
El preview text, también llamado preheader, es el fragmento que aparece al lado o justo debajo del asunto en la lista de emails, antes de que la persona abra el mensaje. Según la guía de preview text de Litmus, distintos clientes de email llaman a ese campo por nombres diferentes (Gmail lo trata como “Snippets”, Apple como “preview”, Outlook como “Message Preview”), pero en todos ellos el efecto es el mismo: el preview text suma contexto al asunto antes de la apertura y también influye en la decisión de abrir, además de ayudar a crear expectativa sobre el contenido (Litmus, The Ultimate Guide to Email Preview Text).
El problema práctico: si tu herramienta de envío genera el preview text automáticamente a partir de la primera línea del cuerpo del email, y el cuerpo cambia de alguna forma entre el momento en que creaste la variación A y la variación B (incluso sin querer, como un bloque de texto reordenado), el preheader cambia con él, aunque solo hayas tocado el asunto. En ese escenario, el test deja de comparar dos líneas de asunto y pasa a comparar dos combinaciones de asunto y preheader, sin forma de separar cuál de ellas movió el resultado. La corrección es simple: fija manualmente el mismo preview text en las dos variaciones antes de disparar el test, y confirma visualmente (en una app de email real, no solo en el editor de la herramienta) que solo cambió el asunto entre A y B.
Por qué la apertura, aun siendo frágil, es la métrica correcta para ESTE test
La guía completa de test A/B de email marketing ya cubre en detalle por qué la tasa de apertura es una métrica frágil desde que Apple lanzó el Mail Privacy Protection (MPP) en 2021: la función precarga el contenido remoto de buena parte de los mensajes, incluido el píxel de rastreo, en cuanto llegan a la bandeja de entrada, no cuando la persona realmente los lee. Según el informe más reciente de cuota de mercado de Litmus, con datos de mayo de 2026, el conjunto de clientes Apple (Apple Mail, iPhone, iPad y la propia función de privacidad) responde por el 64,66% de las aperturas de email medidas, y el Mail Privacy Protection ya afecta a la franja del 55% al 60% de todas las aperturas registradas en el mercado (Litmus, Email Client Market Share). Esto significa que una porción grande y creciente del número bruto de apertura refleja un proxy de privacidad precargando contenido, no una decisión humana de leer el email.
Ante eso, la guía general de email recomienda decidir por el clic o por la conversión siempre que sea posible, porque esas métricas miden el embudo entero y no están infladas por la precarga. Pero un test que aísla solo el asunto (remitente, horario de envío y cuerpo idénticos entre A y B) es un caso especial, y vale la pena entender por qué:
- El asunto solo tiene un canal de influencia posible en el embudo: la decisión de abrir. No aparece en el cuerpo, no cambia el CTA, no altera lo que la persona ve después de abrir. Si el objetivo es medir “este asunto convence a más gente de abrir que aquel”, la métrica que responde esa pregunta directamente es la propia apertura; no existe otra métrica que mida eso sin pasar por ella.
- La aleatorización del test distribuye a los destinatarios entre A y B de forma equivalente en composición de dispositivo y cliente de email. Eso quiere decir que la misma proporción de destinatarios en Apple Mail cae en los dos grupos, así que la precarga automática infla el número absoluto de apertura en los dos lados prácticamente por igual. La inflación dificulta comparar tu tasa de apertura con un benchmark de mercado, pero no debería crear un sesgo sistemático entre A y B específicamente.
- El cuidado real no es ignorar la apertura, es usar guardarraíles junto a ella: verifica que el clic y la tasa de baja del grupo ganador no hayan empeorado. Un asunto puede ganar en apertura solo por ser más llamativo o alarmista, sin ser más relevante, y eso aparece como clic estable o peor y más bajas, incluso con la apertura ganando con holgura.
En resumen: para decidir “qué asunto abre más”, la apertura es la métrica primaria correcta. Para decidir “qué email vende más” (la pregunta de un test que también varía cuerpo o CTA), la guía general de email sigue teniendo razón al recomendar clic o conversión. Son preguntas distintas, y cada una pide su propia métrica de decisión.
Cuántos suscriptores necesitas para testear el asunto
El tamaño de muestra de un test de asunto sigue la misma fórmula de cualquier test A/B de dos proporciones, pero la tasa base que entra en la cuenta es la tasa de apertura de tu lista, no la de clic o conversión. Eso normalmente exige una muestra menor que un test de conversión, pero aun así crece rápido cuanto menor sea la apertura base o el efecto que quieras detectar:
| Tasa de apertura base | MDE +5% relativo | MDE +10% relativo | MDE +20% relativo |
|---|---|---|---|
| 20% | 25.583 | 6.510 | 1.683 |
| 30% | 14.856 | 3.763 | 963 |
| 40% | 9.493 | 2.389 | 604 |
Muestra por variación, calculada por aproximación normal de dos proporciones (95% de confianza, 80% de potencia, test bilateral).
Un ejemplo con los números de tu calculadora: una lista con apertura base del 28% que quiere detectar una ganancia relativa del 10% necesita 4.155 suscriptores por variación, 8.310 en total. Con un envío semanal de 4.000 destinatarios dividido entre las dos versiones, eso consume cerca de 15 días, poco más de dos ciclos semanales de envío, para acumular muestra suficiente. Calcula para tu lista real:
Cálculo por aproximación normal de dos proporciones, 2 variaciones (50/50). Cambia los campos y mira el impacto en vivo.
Si tu lista no banca esa muestra dentro de un plazo razonable, hay dos salidas honestas: acumula el test a lo largo de varias ediciones sucesivas de una newsletter recurrente (la misma variación de asunto corriendo en varios envíos hasta cerrar la muestra), o acepta testear un efecto mayor (un MDE del 20% en lugar del 10%), documentando que solo los efectos grandes serán detectables con confianza.
Cuánto tiempo esperar antes de decidir
El email tiene una particularidad que los tests de sitio no tienen: el comportamiento de lectura cambia por hábito y huso horario, no solo por volumen de tráfico. Según HubSpot, cerca del 85% o más de los resultados de un envío aparecen dentro de las primeras 24 horas, pero públicos que reaccionan más despacio, como suele ocurrir en B2B, pueden tardar de 48 a 72 horas en reaccionar plenamente, y la recomendación es siempre mirar el histórico de la propia lista antes de fijar un plazo genérico (HubSpot, How to Determine Your A/B Testing Sample Size and Time Frame). Declarar al ganador de un test de asunto dos o tres horas después del envío captura solo a quien estaba pendiente de la bandeja de entrada en ese momento, típicamente un perfil más comprometido que no representa a quien va a abrir el mensaje por la noche o al día siguiente.
La práctica recomendada: espera al menos un ciclo completo de lectura (24 a 72 horas según tu público) antes de mirar el resultado con intención de decidir, y define ese plazo antes de correr el test, no después de ver el panel.
Ejemplo trabajado: un test de asunto real
Una tienda envía dos versiones de asunto a 4.000 destinatarios cada una, con remitente, horario, cuerpo y preview text idénticos en las dos variaciones; solo cambia el asunto:
- Asunto A (control): 1.120 aperturas en 4.000 envíos, tasa del 28,0%.
- Asunto B (variación): 1.240 aperturas en 4.000 envíos, tasa del 31,0%.
Corriendo el test de dos proporciones sobre esos números: lift relativo de +10,7% (3,0 puntos porcentuales), puntuación z de aproximadamente 2,94, valor p de aproximadamente 0,0033. El intervalo de confianza de la diferencia va de 1,0 a 5,0 puntos porcentuales, sin cruzar el cero. B gana con significancia estadística.
Test z bilateral de dos proporciones. "Sin significancia" casi siempre significa que falta muestra, no que las versiones sean iguales.
Antes de declarar a B ganador definitivo, vale la comprobación de guardarraíl que esta guía recomienda: si el clic y la tasa de baja del grupo B quedaron estables o mejores, el resultado es confiable. Si el clic cayó o las bajas subieron junto con la apertura, el asunto B probablemente solo es más llamativo, no más relevante, y conviene investigar antes de generalizar la elección para los próximos envíos.
Errores comunes en un test de asunto
| Error | Señal de alerta | Corrección |
|---|---|---|
| Cambiar asunto y preview text juntos | El preheader cambió sin querer entre A y B | Fija manualmente el mismo preview text en las dos variaciones |
| Testear asunto y remitente al mismo tiempo | Dos variables cambiaron en el mismo envío | Aísla una variable por test, o corre etapas secuenciales |
| Decidir demasiado pronto | Miró el panel 2 horas después del envío | Espera un ciclo completo de lectura (24 a 72 horas) |
| Ignorar clic y bajas como guardarraíl | La apertura subió, pero nadie revisó el resto del embudo | Monitorea clic y bajas junto a la métrica primaria |
| Muestra pequeña para el efecto buscado | Testeó un MDE del 5% en una lista de 2.000 personas | Calcula la muestra antes; si no cierra, testea un efecto mayor |
| Asumir que la personalización siempre gana | Añadió el nombre sin testear contra la versión sin nombre | Trata la personalización como cualquier otra variable testeable |
Automatiza esto con Donnu
Acabas de ver el trabajo real detrás de un test de asunto honesto: aislar el asunto del preview text, elegir la apertura como métrica de decisión sabiendo exactamente por qué sirve para este caso específico (y no para cualquier test de email), dimensionar la muestra antes de correr, y esperar el ciclo de lectura completo antes de decidir. Donnu aplica el mismo rigor estadístico que usarías en un test de sitio: tú defines la hipótesis y la métrica primaria, Donnu dimensiona el test y devuelve un veredicto honesto, sin dejarte cambiar de asunto en cada envío solo porque uno de ellos “pareció” ganar más rápido.
Empieza una prueba gratis de 14 días y lleva el mismo estándar estadístico de esta guía al próximo asunto que testees. Para el resto del canal de email, mira también la guía completa de test A/B de email marketing.
Referencias
- Mailchimp. Email Marketing Benchmarks & Industry Statistics. mailchimp.com/resources/email-marketing-benchmarks.
- Litmus. The Ultimate Guide to Email Preview Text. litmus.com/blog/the-ultimate-guide-to-preview-text-support.
- Litmus. Email Client Market Share. Datos de mayo de 2026. litmus.com/email-client-market-share.
- Apple. Protect email privacy in Mail on Mac. Apple Support. support.apple.com/guide/mail/protect-email-privacy-mlhlp1205/mac.
- HubSpot. How to Determine Your A/B Testing Sample Size and Time Frame. blog.hubspot.com/marketing/email-a-b-test-sample-size-testing-time.
Lee también:
Preguntas frecuentes
- ¿Qué se puede testear en el asunto de un email?
- Longitud (corto x largo), personalización con el nombre del destinatario, presencia o ausencia de emoji, gatillo de urgencia o escasez, formato de pregunta frente a afirmación, y número en cifra frente a escrito con letras. Testea una de esas variables por vez: cambiar dos al mismo tiempo (por ejemplo, acortar y añadir emoji) impide saber cuál de ellas movió el resultado.
- ¿La tasa de apertura es una buena métrica para decidir un test de asunto?
- Sí, con una salvedad importante. La apertura está distorsionada por el Apple Mail Privacy Protection, que precarga el píxel de rastreo al recibir el email, no cuando alguien lo lee. Pero cuando el test aísla solo el asunto (remitente, horario y contenido idénticos), la aleatorización tiende a distribuir la misma proporción de destinatarios en Apple Mail en los dos grupos, así que esa inflación afecta a A y B por igual y no debería decidir al ganador por sí sola. Como el asunto solo puede influir en la decisión de abrir, la apertura sigue siendo la métrica primaria correcta aquí, siempre que el clic y la baja se monitoreen como guardarraíl.
- ¿Cuántos suscriptores necesito para testear solo el asunto?
- Depende de la tasa de apertura actual y del efecto que quieras detectar. Para una apertura base del 28% y un efecto relativo del 10%, el cálculo de dos proporciones (95% de confianza, 80% de potencia) pide cerca de 4.155 suscriptores por variación, 8.310 en total. Las listas más pequeñas solo consiguen ver efectos mayores: cuanto menor es la lista, mayor es el MDE mínimo detectable con confianza.
- ¿Cómo aislar el asunto del preview text (preheader) en el test?
- Mantén el preview text idéntico en las dos variaciones y cambia únicamente la línea de asunto. Si tu herramienta de envío genera el preheader automáticamente a partir de la primera línea del cuerpo, fuerza un preview text manual fijo en las dos versiones; de lo contrario, el test está comparando dos combinaciones de asunto y preheader, no dos versiones del asunto aisladamente.
- ¿Cuánto tiempo debo esperar antes de declarar un ganador en un test de asunto?
- Como mínimo un ciclo completo de lectura, entre 24 y 72 horas según el público (B2C reacciona más rápido que B2B). La mayor parte del volumen de apertura suele consolidarse dentro de las primeras 24 horas, pero decidir demasiado pronto captura solo a quien lee el email en cuanto llega, un perfil distinto de quien abre por la noche o al día siguiente.
- ¿Personalizar el asunto con el nombre siempre aumenta la apertura?
- No necesariamente, y por eso vale la pena testearlo en lugar de asumirlo. La personalización ayuda cuando el dato usado es relevante para el contexto del mensaje, pero cuando parece automática o fuera de contexto puede sonar artificial y no mover la apertura. Trata la personalización como cualquier otra variable testeable, no como un recurso automáticamente positivo.