Test A/B de Descuentos y Promociones sin Perder Margen
Test A/B de descuentos bien hecho: qué variar, por qué el ingreso por visitante gana a la conversión y cómo dimensionar sin erosionar el margen.
📚 Este artículo es parte de la guía Cómo Testear A/B el Precio de tu Producto: la Guía Completa.
Un test A/B de descuento o promoción mide si una rebaja de precio, un cupón o un mensaje de urgencia cambian el comportamiento de compra lo suficiente como para justificar lo que se está regalando, y la única forma honesta de responder eso es el ingreso por visitante, no la tasa de conversión que el descuento casi siempre sube. Es uno de los tests con más en juego dentro de la práctica más amplia de testear A/B el precio, porque toda variante que “gana” en clics o en checkouts está también, por construcción, cobrando menos dinero por pedido que el control. Este artículo cubre qué vale la pena testear de verdad dentro de un descuento o promoción (profundidad y encuadre, mensajes de urgencia, cupón contra aplicación automática, envío gratis como descuento, reglas de acumulación), por qué el ingreso por visitante tiene que ser la métrica que decide, un ejemplo numérico trabajado que reproduce un cálculo real de tamaño de muestra y significancia, y la trampa que infla silenciosamente casi todos los tests de descuento: contar como creada por el descuento la venta de alguien que habría comprado igual a precio completo.
Qué testear en un descuento o promoción
Un “test de descuento” rara vez es una sola variable. Dentro de lo que parece una única promoción se esconden cinco palancas separadas, cada una testeable por su cuenta:
- Profundidad del descuento. 10% contra 20% contra 30% no es un test, son tres, porque la relación entre profundidad e ingreso no es lineal: los descuentos más profundos convierten más pero se comen proporcionalmente más margen por pedido, y el punto donde el intercambio deja de pagarse es un número que se puede calcular, no adivinar.
- Encuadre: porcentaje contra importe fijo. “20% de descuento” y “16 dólares de descuento” sobre un artículo de 80 dólares son el mismo descuento en dinero, pero no se perciben igual, y cuál parece mayor depende del precio del artículo.
- Código de cupón contra descuento automático. Que la persona tenga que escribir algo en el checkout o que el precio simplemente se actualice en el carrito cambia la propia experiencia de compra, con independencia del tamaño del descuento.
- Mensajes de urgencia y escasez. Un contador regresivo, una etiqueta de “solo quedan 3” o una fecha límite ligada al mismo descuento pueden cambiar la conversión sin cambiar el descuento en absoluto, lo que los convierte en una variable aparte que conviene aislar.
- Envío gratis como descuento, en lugar de un porcentaje o un importe. Quitar el coste de envío es un tipo específico de descuento con su propia psicología, no una versión más pequeña de una oferta porcentual.
- Reglas de acumulación. Que un código promocional pueda combinarse con un artículo ya rebajado, con una recompensa de fidelidad o con otra promoción activa cambia a la vez la profundidad efectiva del descuento y el número total de personas que llegan a tener algún descuento.
Cada una puede testearse aislada, manteniendo las demás constantes, y cada una tiene un efecto distinto sobre la métrica que de verdad importa.
Profundidad y encuadre del descuento: la regla del 100
Que un descuento se lea como mayor en porcentaje o en importe fijo depende del precio del artículo. Los investigadores DelVecchio, Krishnan y Smith documentaron parte de esto en el Journal of Marketing: el encuadre porcentual produce expectativas de precio posteriores a la promoción más altas y una elección promocional más fuerte que un encuadre equivalente en centavos o en dólares, en particular con descuentos más profundos. Por separado, una heurística de marketing muy usada, a veces llamada regla del 100, sostiene que por debajo de un precio de 100 dólares el porcentaje tiende a parecer el número mayor (“30% de descuento” gana a “18 dólares de descuento” en un artículo de 60 dólares, aunque 18 dólares sean el 30% de 60), mientras que por encima de 100 dólares la cifra en dinero tiende a parecer mayor, porque el número porcentual se encoge y el número en dinero no. La regla del 100 es un atajo de la práctica, no un hallazgo del estudio de DelVecchio, así que trata el punto exacto de cruce en 100 dólares como una regla general para testear, no como un número respaldado por ese artículo.
Ese cruce es una hipótesis de partida, no una regla para aplicar a ciegas a todo el catálogo: tus propios precios, tu categoría y tu audiencia deciden dónde cae de verdad, que es exactamente por lo que el encuadre pertenece al plan de test y no al documento de copy.
Por qué el ingreso por visitante tiene que ser la métrica que decide
Aquí está la trampa que se traga más tests de descuento que ninguna otra: una variante con descuento casi siempre convertirá a más personas que un control sin descuento, porque a quien compra le cuesta menos decir que sí. Leída sola, esa subida de conversión parece una victoria sin matices. No lo es, porque el mismo descuento que atrajo a más compradores también cobró menos dinero a cada uno de ellos, incluidos los que habrían convertido a precio completo de todas formas.
La métrica que responde de verdad a “¿valió la pena este descuento?” es el ingreso por visitante: la tasa de conversión multiplicada por lo que la tienda se queda por pedido, después de aplicar el descuento, para cada visitante del test, no solo para quienes compraron.
- La tasa de conversión responde “compró más gente”. No dice nada sobre cuánto se quedó la tienda de cada persona.
- El ingreso por visitante responde “la tienda acabó con más dinero”. Esa es la única pregunta que un equipo consciente del margen necesita responder.
Un descuento tiene que superar un listón real y calculable antes de pagarse a sí mismo. Si un descuento de tamaño d (como fracción, así que 20% es 0,20) es lo único que cambió, la tasa de conversión necesita subir al menos 1/(1-d) - 1 en términos relativos solo para mantener plano el ingreso por visitante. Para un 20% de descuento, esa subida de equilibrio es de alrededor del 25% relativo; para un 30%, de alrededor del 43% relativo. Cualquier subida de conversión menor que ese número de equilibrio significa que el descuento está perdiendo dinero frente a cobrar el precio completo, aunque el gráfico de conversión del panel parezca una victoria clara.
Un ejemplo trabajado con números reales
Supongamos que una tienda convierte hoy el 3,70% de las visitas a precio completo, sin descuento a la vista (control, A). Una variante de test (B) aplica un descuento automático del 20% en todo el sitio, con 9.000 visitantes analizados en cada lado.
A convirtió 333 de 9.000 (3,70%); B convirtió 396 de 9.000 (4,40%). Pasando esos números por un test z de dos proporciones se obtiene una subida relativa del +18,9%, una z de aproximadamente 2,38 y un valor-p de aproximadamente 0,0172, que es significativo, con B ganando en conversión.
Ahora entra el ingreso. El ticket medio a precio completo es de 86 dólares. El descuento del 20% de B significa que cada pedido de ese grupo deja 86 x 0,80 = 68,80 dólares en lugar de 86.
- Ingreso por visitante, A: 0,0370 x 86 dólares es aproximadamente 3,18 dólares.
- Ingreso por visitante, B: 0,0440 x 68,80 dólares es aproximadamente 3,03 dólares.
Aunque la tasa de conversión de B es significativamente mayor, su ingreso por visitante es alrededor de un 4,9% menor que el de A. La subida de conversión del 18,9% parecía una victoria clara y no superó el listón de aproximadamente 25% relativo que un descuento del 20% necesita para quedar en equilibrio en ingreso por visitante. Leído solo por conversión, gana B; leído por la métrica que paga las cuentas, gana A.
La trampa que infla casi todo test de descuento: incremental contra sustitución
Incluso un test de descuento leído correctamente por ingreso por visitante puede seguir exagerando su propia victoria, porque no todas las conversiones contadas dentro del grupo con descuento son ventas que la tienda no habría tenido igualmente. El trabajo académico sobre promociones de precio respalda esa cautela. El muy citado estudio de demanda de categoría de Nijs, Dekimpe, Steenkamp y Hanssens, publicado en Marketing Science, encontró que el aparente repunte de ventas de una promoción a nivel de categoría rara vez es todo crecimiento genuino: una parte relevante es demanda reasignada desde marcas competidoras dentro de la misma categoría, no demanda nueva creada por la promoción. Ese hallazgo es sobre demanda a nivel de categoría, no sobre el test de descuento de una tienda concreta, pero la misma cautela se traslada directamente: el repunte de ventas de una promoción no debería tomarse al pie de la letra, en el nivel en que se mida.
Aplicada al test de descuento de una sola tienda, una adaptación práctica de esa cautela es dividir en tres cada conversión contada en la variante con descuento:
- Compradores incrementales. Personas que no habrían comprado en absoluto sin el descuento. Es el único grupo cuyo ingreso el descuento puede atribuirse honestamente.
- Sustitutos de precio completo. Personas que pensaban comprar igual, a precio completo, y simplemente aprovecharon el descuento porque estaba ahí. Cada punto de margen entregado a este grupo es pérdida pura, sin demanda nueva que la compense.
- Desplazamientos temporales. Personas que habrían comprado más adelante, a precio completo, y adelantaron la compra a la ventana del descuento. Aparecen como victoria en la ventana corta del test y se cancelan en parte como caída en las semanas justo posteriores al fin de la promoción.
Ninguna fórmula de un test de dos proporciones puede separar estos tres grupos solo a partir de conteos de conversión: hacerlo exige o bien un grupo de reserva que nunca vea ningún descuento, o bien una ventana de observación más larga que compruebe si las semanas posteriores a la promoción muestran la caída esperada por demanda adelantada. Lo que el test A/B sí puede hacer de forma fiable es la comparación de ingreso por visitante de arriba; tratar ese número como el valor incremental completo del descuento, sin al menos una comprobación cualitativa de sustitución, es la forma más común de exagerar la victoria de un test de descuento.
Códigos de cupón contra descuentos automáticos
Que la persona tenga que escribir un código cambia la experiencia de checkout con independencia del tamaño del descuento, y vale la pena testearlo por separado. La investigación de checkout del Baymard Institute encontró que un campo de código de cupón visible tienta a quien no tiene código a salir de la página a buscar uno, y recomienda plegar el campo detrás de un enlace en lugar de mostrarlo por defecto en el flujo normal de campos del checkout. La misma investigación señala que la mayoría de los sitios sigue perdiendo la alternativa más cómoda: el 83% de los sitios no aplica automáticamente el mejor descuento al que la persona tiene derecho, según el benchmarking de UX de rebajas de Baymard, obligándola a encontrarlo e introducirlo a mano incluso cuando la tienda ya sabe que le corresponde.
| Entrega del descuento | Qué testea | Riesgo principal |
|---|---|---|
| Código de cupón, campo siempre visible | Si la promoción convierte siquiera | Quien no tiene código se va “de caza de cupones” fuera del sitio y puede no volver |
| Código de cupón, oculto tras un enlace | La misma oferta, con menos fricción en el checkout | Quien no sabe que existe un código nunca ve la oferta |
| Descuento automático, mostrado en el carrito | Si quitar el paso de introducción sube la finalización | No hay forma de exigir un canal o una audiencia concreta para canjearlo |
El envío gratis como descuento
Quitar el coste de envío es un tipo específico de descuento con su propia psicología, no una versión más pequeña de una oferta porcentual. Una investigación publicada en el International Journal of Electronic Commerce Studies, comparando ofertas de envío gratis con descuentos económicamente equivalentes en dinero, encontró que el encuadre de envío gratis rinde mejor que el encuadre en dinero para productos de precio bajo, y que los dos encuadres convergen a medida que sube el precio de lista. Eso hace que el envío gratis merezca su propia celda de test, en vez de asumir que se comporta como “otra manera de decir 8 dólares de descuento”.
Mensajes de urgencia y escasez
Un contador regresivo o un mensaje de stock limitado es una variable separada del descuento en sí, y vale la pena aislarla porque puede mover la conversión sin cambiar en nada el tamaño del descuento. El Nielsen Norman Group traza aquí una línea firme que importa para cómo se testea esto: los mensajes de escasez solo funcionan, de forma ética y duradera, cuando la fecha límite o el recuento de stock son reales. Un contador que se reinicia, o una etiqueta de “pocas unidades” que aparece con independencia del inventario real, es justo el tipo de práctica que la FTC ha señalado específicamente como patrón oscuro engañoso, y una señal de urgencia fabricada que la gente acaba notando tiende a dañar la confianza en todas las promociones futuras de la tienda, no solo en la que se está testeando.
Reglas de acumulación de descuentos
Que un código promocional pueda combinarse con un artículo ya rebajado, o con una recompensa de fidelidad, merece un test aparte porque cambia dos cosas a la vez: la profundidad efectiva del descuento que recibe cada persona y cuántas personas llegan a tener descuento.
| Regla de acumulación | Efecto en la profundidad efectiva | Efecto en quién califica |
|---|---|---|
| Sin acumulación (un descuento por pedido) | Profundidad predecible y con tope | Menos personas llegan a un descuento muy profundo |
| Se acumula con rebajas existentes | La profundidad se compone, a veces superando el punto de equilibrio | Más personas caen sobre stock ya rebajado |
| Solo se acumula con recompensas de fidelidad | Profundidad con tope, premia a clientes actuales | Excluye a visitantes nuevos, que ven el descuento de titular más pequeño |
Dimensionar un test de descuento
Un test de descuento necesita detectar la subida de equilibrio calculada arriba, no un número redondo arbitrario, lo que suele significar una muestra mayor de lo que el equipo espera. Con una tasa base de conversión del 3,70% y un efecto mínimo detectable del 25% relativo (el equilibrio aproximado de un descuento del 20%), la muestra necesaria es de 7.318 visitantes por variante. Con 14.000 visitantes semanales repartidos entre las dos variantes, eso son aproximadamente 8 días hasta alcanzar el poder completo, asumiendo que el sitio mantenga ese nivel de tráfico y que la aleatorización se mantenga estable toda la ventana.
Cálculo por aproximación normal de dos proporciones, 2 variaciones (50/50). Cambia los campos y mira el impacto en vivo.
Con el test ya en marcha, usa la misma matemática de dos proporciones para leer el lado de conversión del resultado según va llegando:
Test z bilateral de dos proporciones. "Sin significancia" casi siempre significa que falta muestra, no que las versiones sean iguales.
Errores comunes al testear descuentos y promociones
| Error | Por qué ocurre | Corrección |
|---|---|---|
| Declarar ganador solo por la tasa de conversión | El número de conversión se mueve rápido y parece inequívoco | Multiplica por el ingreso neto por pedido y compara ingreso por visitante antes de decidir |
| Ignorar la subida de equilibrio que exige cada profundidad | No es obvio que un descuento mayor necesite una subida de conversión proporcionalmente mayor | Calcula 1/(1-descuento) - 1 para la profundidad concreta que se testea y dimensiona el test alrededor de ese número |
| Tratar cada conversión con descuento como ingreso incremental | No hay una línea en el panel que diga “habría comprado igual” | Mantén un control real sin descuento y vigila la caída posterior a la promoción, que delata demanda adelantada |
| Testear profundidad, encuadre y mecanismo de entrega a la vez | Parece eficiente cambiar varias cosas en una sola promoción | Aísla una variable por test; cupón contra automático y profundidad responden preguntas distintas |
| Usar urgencia fabricada (contadores o stock falsos) | Es barato de añadir y parece una subida rápida | Usa señales de escasez solo cuando reflejen una fecha límite o un inventario reales |
Escribe la hipótesis antes de lanzar la promoción
Un test de descuento sin hipótesis escrita invita justo al error sobre el que está construido este artículo: celebrar el número de conversión porque se movió primero y es el más fácil de mirar. Anota, antes de que el test corra, qué palanca concreta se está testeando (profundidad, encuadre, mecanismo de entrega, urgencia, envío o acumulación), qué subida de conversión haría falta realmente para quedar en equilibrio en ingreso por visitante con esa profundidad de descuento, y cómo tratará el equipo la cuestión de la sustitución, aunque ese tratamiento sea solo una comprobación de la caída posterior a la promoción y no un grupo de reserva formal. Eso convierte “¿funcionó el descuento?” de una lectura de una línea en el panel a una pregunta que el test fue realmente diseñado para responder.
Hazlo automático en Donnu
Lo difícil de un test de descuento nunca fue ejecutarlo, es recordar que la conversión y el ingreso por visitante pueden apuntar en direcciones opuestas y mirar solo uno de los dos. Donnu A/B calcula los dos lados de esa comparación a partir de los mismos datos, así que una variante con descuento que gana en clics pero pierde en lo que la tienda se queda por pedido no llega a celebrar una victoria falsa solo porque el gráfico de conversión se movió primero.
Empieza una prueba gratuita de 14 días y dimensiona tu próximo test de promoción contra la subida de equilibrio que realmente necesita, no contra un número redondo elegido por costumbre. Mira también la guía completa para testear A/B el precio y los experimentos de anclaje de precio, el experimento hermano sobre cómo un precio de referencia desplaza el valor percibido sin cambiar nada más.
Lee también: Cómo testear A/B el precio: la guía completa · Experimentos de anclaje de precio · Experimentos de paywall freemium · Calculadora de tamaño de muestra
Referencias
- DelVecchio, D., Krishnan, H.S. y Smith, D.C. Cents or Percent? The Effects of Promotion Framing on Price Expectations and Choice. Journal of Marketing, 71, 158-170 (2007). doi.org/10.1509/jmkg.71.3.158.
- Baymard Institute. 10 Sales & Discounts UX Best Practices. baymard.com/blog/10-sales-ux-best-practices.
- Nijs, V., Dekimpe, M., Steenkamp, J-B. y Hanssens, D. The Category-Demand Effects of Price Promotions. Marketing Science, 20(1), 1-22 (2001). research.tilburguniversity.edu.
- International Journal of Electronic Commerce Studies. “Free Shipping” or “Dollar Off”? The Moderating Effects of List Price and E-Shopping Experience on Consumer Preference for Online Discount (2018). academic-pub.org/ojs/index.php/ijecs/article/view/1542.
- Nielsen Norman Group. Scarcity Principle in UI Design: Making Users Click Right Now or Lose Out. nngroup.com/articles/scarcity-principle-ux.
- Federal Trade Commission. Bringing Dark Patterns to Light: An FTC Staff Report (2022), que señala contadores regresivos sin base y afirmaciones falsas de bajo stock como patrones oscuros de urgencia. ftc.gov/reports/bringing-dark-patterns-light.
Preguntas frecuentes
- ¿Qué métrica debe decidir un test A/B de descuento o promoción?
- El ingreso por visitante, nunca la tasa de conversión por sí sola. Una variante con descuento casi siempre convertirá a más personas, simplemente porque cuesta menos decir que sí, pero cada una de esas conversiones devuelve ahora parte del margen. La única forma de saber si el intercambio valió la pena es multiplicar la tasa de conversión por lo que cada pedido deja realmente después del descuento, en los dos lados del test, y comparar ese número, no la subida bruta de conversión.
- ¿Un descuento que sube la conversión siempre aumenta los ingresos?
- No. Como el descuento reduce el importe cobrado en cada pedido que toca, una subida de conversión tiene que superar un umbral real antes de pagarse a sí misma. Un descuento del 20% que sube la conversión menos de un 25% relativo aproximadamente ya está produciendo menos ingreso por visitante que no ofrecer descuento, porque 1/(1-0,20) es alrededor de 1,25. Por debajo de esa subida de equilibrio, el descuento está subvencionando un volumen que no necesitaba comprar.
- ¿Cuál es la diferencia entre un código de cupón y un descuento automático, y afecta al test?
- Un código de cupón exige que la persona escriba algo en el checkout; un descuento automático se aplica solo y simplemente se muestra en el carrito. Vale la pena enfrentarlos porque se comportan distinto: un campo de cupón visible tienta a quien no tiene código a salir de la página a buscar uno fuera, lo que puede bajar la finalización del checkout incluso cuando el descuento es atractivo, mientras que un descuento aplicado automáticamente elimina ese desvío por completo.
- ¿Cómo dimensiono un test A/B de descuento?
- Igual que cualquier test de conversión: introduce tu tasa base real y la subida mínima que necesitarías ver para justificar el descuento en una calculadora de tamaño de muestra de dos proporciones, nunca una cifra genérica de la industria. Como los tests de descuento suelen necesitar detectar una subida de equilibrio específica y no una mejora cualquiera, usa ese número de equilibrio, y no un 5% o 10% arbitrario, como el efecto mínimo detectable alrededor del cual dimensionas el test.
- ¿Cuál es el mayor error al hacer test A/B de descuentos?
- Contar cada conversión del grupo con descuento como ingreso nuevo que la tienda no habría tenido de otra forma. En realidad una parte relevante de quienes compran con descuento habría comprado igual a precio completo, así que el descuento simplemente les regaló dinero que no estaban pidiendo. Leer un test de descuento sin separar a los compradores incrementales de quienes sustituyeron una compra a precio completo por una con descuento infla el resultado, a veces por mucho.