Test A/B de Email de Carrito Abandonado
Guía de test A/B de email de carrito abandonado: qué testear, por qué medir la compra y no el clic, y cómo calcular el ingreso incremental.
📚 Este artículo es parte de la guía Test A/B de Email Marketing: la Guía Estadística Completa.
En un test A/B de email marketing de carrito abandonado, lo que más vale la pena testear es el horario del primer envío (1 hora, 24 horas o 3 días después del abandono), el número de emails de la secuencia, la presencia de un incentivo, la imagen del producto en el cuerpo del email y la urgencia de stock, y la métrica que decide el ganador tiene que ser siempre la finalización de la compra, nunca la apertura ni el clic. Esto es así porque quien abre o hace clic en un email de carrito abandonado ya demostró más interés que quien ignoró el mensaje: decidir por esas métricas infla artificialmente el resultado de cualquier variación que parezca más llamativa, incluso cuando no vende más. Esta guía cubre qué testear, por qué el sesgo de mirar solo a quien abrió es un error caro, cómo calcular el ingreso incremental esperado de ganar el test, y por qué testear descuento exige más cuidado que testear horario o diseño.
Qué se puede testear en un email de carrito abandonado
Un email de carrito abandonado tiene una ventaja que ningún otro email de marketing tiene: ya sabe exactamente qué quería comprar la persona. Eso abre un abanico de variables específicas que conviene aislar de una en una:
- Horario del primer envío: 1 hora, 24 horas o 3 días después del abandono. Es la variable más estudiada del formato, porque el comportamiento de quien acaba de salir del checkout es distinto del de quien solo va a recordar el carrito días después.
- Número de emails de la secuencia: un único recordatorio, o una secuencia de 2 a 3 mensajes espaciados a lo largo de algunos días.
- Incentivo (descuento o envío gratis) frente a sin incentivo: ofrecer una ventaja económica aumenta la presión para comprar, pero también erosiona el margen de ese pedido.
- Imagen del producto en el cuerpo del email: mostrar la foto exacta del artículo dejado en el carrito, en lugar de un recordatorio solo de texto.
- Urgencia de stock: avisar de que el artículo “está por agotarse” o de que la reserva expira en unas horas, frente a un recordatorio neutro sin plazo.
La tabla siguiente resume las cinco variables más comunes, la hipótesis típica detrás de cada una, la métrica que debería decidir el test y el nivel de riesgo de cada cambio:
| Variable testeable | Hipótesis típica | Métrica primaria | Riesgo |
|---|---|---|---|
| Horario del 1er envío (1h x 24h x 3 días) | Enviar antes captura a la persona mientras la intención de compra sigue alta | Tasa de finalización de la compra | Bajo |
| Número de emails de la secuencia (1 x 2-3) | Una secuencia de 2-3 mensajes recupera más ingreso que un único recordatorio | Tasa de finalización de la compra de toda la secuencia | Bajo |
| Incentivo/descuento x sin incentivo | Un descuento reduce la fricción final de decisión y aumenta la conversión | Tasa de finalización de la compra e ingreso por destinatario (guardarraíl) | Alto |
| Imagen del producto en el cuerpo del email | Ver el artículo exacto dejado en el carrito refuerza el recuerdo y la intención | Tasa de clic y tasa de finalización de la compra | Bajo |
| Urgencia de stock (real, no fabricada) | Un plazo o stock limitado genuino acelera la decisión de quien ya está inclinado a comprar | Tasa de finalización de la compra | Medio |
Por qué la métrica primaria tiene que ser la finalización de la compra
El error más común en un test A/B de email de carrito abandonado es declarar ganador por la tasa de apertura o por la tasa de clic, porque ambas sufren el mismo problema: sesgo de selección. Quien abre el email ya es, en promedio, más propenso a comprar que quien ni llegó a abrirlo, y quien hace clic ya es más propenso a comprar que quien solo abrió. Si una variación de asunto o de diseño aumenta la apertura sin aumentar la compra, no recuperó ningún ingreso, solo cambió quién miró el mensaje.
En la práctica, esto significa comparar siempre el total de destinatarios de cada variación, no el total de quien abrió o hizo clic. Una variación de asunto que “convierte mejor entre quien abrió” puede, al mismo tiempo, tener una tasa de apertura menor sobre el total de destinatarios, y la cuenta que importa (compras dividido por carritos abandonados enviados) puede favorecer a la otra versión. Según Klaviyo, el flujo medio de carrito abandonado convierte cerca del 3,33% de los destinatarios en pedidos, con el 10% de mejor desempeño llegando al 7,69% (Klaviyo, Abandoned Cart Benchmark Report), y es esa tasa (compra sobre destinatarios enviados) la que debería decidir un test, no la tasa de apertura o de clic aislada.
El cuidado extra al testear descuento
Entre las variables de la tabla anterior, el incentivo/descuento merece atención redoblada, por un motivo simple: es la única que cambia el ingreso por pedido directamente, no solo la probabilidad de comprar. Un cupón del 10% puede aumentar la tasa de finalización de la compra y, aun así, reducir el ingreso total recuperado, si el descuento por pedido cuesta más de lo que aportan los pedidos extra. Por eso, un test de descuento debería acompañar siempre dos métricas al mismo tiempo: la tasa de finalización de la compra (el efecto principal) y el ingreso por destinatario (el guardarraíl que impide celebrar una victoria que en realidad erosionó el margen).
Esto también cambia el tamaño de muestra necesario: como el efecto de interés es menor y más ruidoso (la diferencia de ingreso por pedido, no solo la diferencia de tasa), un test de descuento suele necesitar más tiempo y más volumen que un test de horario de envío para llegar a la misma confianza estadística. Y hay un cuidado adicional de negocio: garantiza que el descuento se trate con la misma paridad de precio entre clientes parecidos (no ofrezcas el mismo cupón con valores distintos al mismo perfil de comprador fuera del test), para no crear una percepción de precio injusta que el test en sí no va a capturar.
Cuánto tiempo esperar antes de decidir
El carrito abandonado tiene un ciclo de decisión más largo que la mayoría de los emails de marketing, porque la compra puede ocurrir horas o días después de cualquiera de los emails de la secuencia, no solo minutos después de abrir el mensaje. Si tu secuencia tiene tres emails a lo largo de 3 días, cerrar el test antes de que ese plazo termine captura solo parte del efecto de cada variación, y una versión que parece perder en el segundo día puede alcanzar o incluso superar a la otra después de que el tercer email (con la urgencia de stock) todavía vaya a dispararse.
La regla práctica: espera al menos un ciclo completo de la secuencia de emails antes de mirar el resultado con intención de decidir, y aplica el mismo cuidado de cualquier test A/B con la comprobación anticipada (peeking). Mirar el panel todos los días y parar en cuanto una variación “dé significancia” infla el riesgo de falso positivo, y como el volumen de carritos abandonados suele ser más bajo que el tráfico de un sitio entero, cada comprobación anticipada pesa proporcionalmente más en ese riesgo. Define el plazo (el ciclo completo de la secuencia, normalmente de 3 a 7 días) antes de correr el test, y solo declara al ganador cuando ese plazo termine para todos los carritos que entraron en el experimento, no solo para los primeros.
Vale recordar también que el volumen de carritos abandonados varía por estacionalidad (fechas promocionales como el Black Friday inflan el volumen y cambian el comportamiento de compra), así que evita comparar una semana común con una semana de campaña dentro del mismo test. Corre las dos variaciones al mismo tiempo, para el mismo período, y deja la estacionalidad fuera de la ecuación.
Declara al ganador con la métrica correcta
Pega los carritos abandonados (destinatarios) y las compras finalizadas de cada variación. La calculadora devuelve la tasa de finalización de la compra de cada lado, el lift, el valor p, el intervalo de confianza de la diferencia y un veredicto honesto:
Test z bilateral de dos proporciones. "Sin significancia" casi siempre significa que falta muestra, no que las versiones sean iguales.
Un ejemplo trabajado: horario del 1er envío, con el ingreso incremental
Una tienda testea el horario del primer email de carrito abandonado: la versión A (control) mantiene el estándar actual, envío 24 horas después del abandono; la versión B (variación) envía en apenas 1 hora. Ambas llegan a 10.000 carritos abandonados por mes, con el mismo cuerpo de email, cambiando solo el horario del envío. La métrica primaria es la finalización de la compra:
- A (control, envío en 24h): 170 compras finalizadas en 10.000 carritos, tasa del 1,70%.
- B (variación, envío en 1h): 230 compras finalizadas en 10.000 carritos, tasa del 2,30%.
Corriendo el mismo test de dos proporciones de la calculadora de arriba: lift relativo de B sobre A de +35,3% (0,60 puntos porcentuales de diferencia), puntuación z de 3,03, valor p de 0,0024, intervalo de confianza del 95% de la diferencia entre 0,21 y 0,99 puntos porcentuales. Como el intervalo no cruza el cero y el valor p queda por debajo de 0,05, el resultado es estadísticamente significativo: la variación B (envío en 1h) gana.
La cuenta de ingreso incremental usa la misma fórmula de la calculadora de ROI del blog: tráfico (carritos abandonados por mes) multiplicado por la diferencia entre la tasa objetivo y la tasa actual, multiplicado por el ticket medio. Con 10.000 carritos por mes, una diferencia de 0,60 puntos porcentuales (de 1,70% a 2,30%) y un ticket medio de R$180, el ingreso incremental proyectado es de R$10.800 por mes, o cerca de R$129.600 al año, solo cambiando el horario del primer envío. Es ese número, no el lift de apertura o de clic, el que justifica (o no) llevar ese cambio a toda la base.
Hazlo automático con Donnu
Acabas de ver lo que separa un test de email de carrito abandonado honesto de uno que solo se ve bien en el informe: medir la finalización de la compra en lugar del clic o de la apertura, dimensionar el test antes de descontar margen, y traducir el punto porcentual de diferencia en ingreso incremental antes de celebrar. Donnu fue construida con ese mismo rigor: tú defines la variación (horario, incentivo, imagen, urgencia) y la métrica primaria, Donnu mide la compra de verdad en cada grupo y devuelve un veredicto honesto, sin dejarte declarar ganador solo porque un asunto llamativo generó más aperturas.
Empieza una prueba gratis de 14 días y lleva el mismo rigor estadístico a tu secuencia de carrito abandonado. Para la base completa de test A/B en email, mira la guía de test A/B de email marketing.
Referencias
- Klaviyo. Abandoned Cart Benchmark Report: Rates & Statistics. klaviyo.com/blog/abandoned-cart-benchmarks.
- Barilliance. Cart Abandonment Emails Best Practice Benchmark Study. barilliance.com/cart-abandonment-emails-best-practice-benchmark-study.
- Omnisend. Reduce Shopping Cart Abandonment: Reasons & Solutions. omnisend.com/blog/shopping-cart-abandonment.
- Baymard Institute. 50 Cart Abandonment Rate Statistics. baymard.com/lists/cart-abandonment-rate.
Lee también:
Preguntas frecuentes
- ¿Cuál es la métrica correcta para decidir un test A/B de email de carrito abandonado?
- La finalización de la compra, no la tasa de apertura ni la tasa de clic. Quien abre o hace clic en el email de carrito abandonado ya demostró más interés que quien simplemente ignoró el mensaje, así que decidir por esas métricas infla el resultado de cualquier variación. Solo la compra finalizada conecta el test con el efecto que realmente importa: ingreso recuperado.
- ¿Cuál es el mejor horario para enviar el primer email de carrito abandonado?
- No existe un horario universal, y justo por eso vale la pena testearlo. Un estudio de Barilliance de 2016 con 200 tiendas encontró una conversión del 20,3% para el primer email disparado dentro de la primera hora tras el abandono, frente al 12,2% cuando el envío esperaba 24 horas. Tu propio historial de ventas puede confirmar o contradecir ese patrón, y solo un test A/B con tu base lo decide con confianza.
- ¿Vale la pena incluir descuento en el email de carrito abandonado?
- Quizá, pero es la variable de mayor riesgo entre las que suelen testearse en este tipo de email, porque toca directamente el ingreso por pedido, no solo la tasa de finalización de la compra. Un descuento puede aumentar cuánta gente compra y aun así reducir el ingreso total si el recorte de margen es mayor que la ganancia de conversión. Mide siempre ingreso por destinatario como guardarraíl, no solo la tasa de conversión aislada, y desconfía de cualquier victoria que no considere ese efecto.
- ¿Cuántos emails debe tener la secuencia de carrito abandonado?
- Es habitual recomendar un flujo con 2 o 3 mensajes: un recordatorio poco después del abandono, un segundo email dentro de 24 horas y, a veces, un tercero con un empujón adicional. El número exacto de emails también es una variable testeable, y la métrica que decide sigue siendo la finalización de la compra sumada de toda la secuencia, no de un email aislado.
- ¿Cómo calcular el ingreso incremental esperado de un test de email de carrito abandonado?
- Multiplica el volumen de carritos abandonados del período por la diferencia entre la tasa de finalización de la compra de la variación ganadora y la de la versión actual, y multiplica el resultado por el ticket medio. En el ejemplo trabajado de esta guía, 10.000 carritos por mes, una diferencia de 0,60 puntos porcentuales (de 1,70% a 2,30%) y un ticket medio de R$180 generan un ingreso incremental proyectado de R$10.800 por mes.
- ¿Testear email de carrito abandonado es igual que testear el asunto de un email?
- El rigor estadístico es el mismo (el mismo test de dos proporciones), pero cambia la métrica primaria. Un test de asunto de email suele decidirse por tasa de clic, porque el objetivo es llevar a la persona de vuelta al sitio. Un test de carrito abandonado tiene un objetivo más concreto y más fácil de medir: la persona compró o no. Trata el clic como etapa intermedia del embudo, nunca como el veredicto final.