Suscripción o Pago Único: Cómo Testear Cuál Convierte Más
Cómo testear suscripción o pago único usando LTV proyectado, no solo conversión inicial, para decidir qué modelo de cobro rinde más.
📚 Este artículo es parte de la guía Cómo Testear A/B el Precio de tu Producto: la Guía Completa.
Testear suscripción o pago único no es una pregunta de conversión, es una pregunta de ingreso a lo largo del tiempo, y la diferencia entre las dos es donde la mayoría de estos tests falla. Un test A/B convencional mide quién hizo clic en comprar primero; un test de modelo de cobro necesita medir cuánto rinde cada modelo por visitante después de proyectar el LTV de cada uno, porque la suscripción tiene churn (pierde parte de los clientes cada mes) y el pago único no. Este artículo, parte de la guía completa de test A/B de precio, cubre cuándo cada modelo tiende a convertir mejor, qué métrica decide el test de verdad, cómo diseñar el experimento sin engañarse en el corto plazo, y dos ejemplos numéricos completos (SaaS y curso o infoproducto) en los que la conclusión se invierte dependiendo solo del churn.
Suscripción y pago único: qué cambia además del precio
Un pago único entrega todo el ingreso de ese cliente de una vez, el día de la compra. Una suscripción entrega el ingreso en cuotas mensuales que solo siguen llegando mientras el cliente permanece activo, y el churn (la fracción de suscriptores que cancela cada mes) determina por cuántos meses, en promedio, ese ingreso continúa. Son dos curvas de caja completamente diferentes para el mismo cliente:
Fíjate en lo que esa curva no muestra: el cliente del pago único paga una vez y nunca más aparece en tu caja recurrente, aunque siga usando el producto durante años. El suscriptor paga poco a poco, pero cada mes que permanece es ingreso nuevo, y su valor total solo se revela mirando hacia adelante, no el día de la venta. Comparar los dos modelos mirando solo la conversión del día 1 es comparar una foto contra una película.
Cuándo cada modelo tiende a convertir (y a rendir) mejor
No existe respuesta universal, pero el patrón de uso del producto da una pista fuerte de por dónde empezar la hipótesis:
| Tipo de producto | Dónde la suscripción tiende a ganar | Dónde el pago único tiende a ganar |
|---|---|---|
| SaaS de uso continuo (herramienta que el cliente abre cada semana, con actualizaciones constantes) | Casi siempre: el valor se entrega de forma continua, lo que justifica un cobro continuo, y el churn tiende a ser más bajo | Productos SaaS de nicho muy específico, usados una vez y abandonados (por ejemplo, un conversor de archivos, un generador puntual) |
| Producto digital autocontenido (plugin, plantilla, banco de recursos, licencia de software) | Cuando hay actualización y soporte continuos que justifican la mensualidad | Cuando la entrega es “lista y terminada”: el cliente recibe el archivo y no necesita nada más después |
| Curso o infoproducto | Cuando el contenido está vivo (comunidad, actualizaciones, clases nuevas cada mes) | Cuando el contenido es finito: el alumno lo consume todo en semanas y no hay razón para seguir pagando después |
La regla que separa los dos lados de la tabla no es el precio, es la continuidad del valor entregado. Cuando el valor se renueva cada mes, cobrar cada mes es natural y el churn tiende a mantenerse bajo. Cuando el valor se consume de una vez (el alumno termina el curso, el comprador descarga el archivo), forzar una suscripción tiende a generar cancelaciones rápidas apenas el cliente perciba que ya recibió todo lo que necesitaba, lo que empuja el churn hacia arriba y derrumba el LTV proyectado de la suscripción, aunque su conversión inicial parezca excelente.
La métrica que decide el test: ingreso proyectado por visitante, no conversión
Aquí está el error más común de este tipo de test, y el motivo por el que existe este artículo: medir solo la tasa de conversión del clic de compra mide la mitad equivocada de la historia. Una página de pago único casi siempre parece “ganar” en un test A/B superficial, porque pedir un compromiso definitivo de una vez suele convertir a tasas diferentes que pedir un compromiso recurrente, para mejor o para peor según el producto, pero el número de compradores por sí solo no dice cuánto dinero trae efectivamente cada modelo.
La métrica primaria correcta multiplica conversión por LTV proyectado de cada lado:
Para el pago único, el LTV es simple: es el precio cobrado, una vez (ignorando cualquier recompra, que puede sumarse aparte si existe). Para la suscripción, el LTV proyectado usa la fórmula estándar de negocios recurrentes:
Esa es la misma fórmula usada por operaciones de suscripción del mercado: con un ARPU de R$ 100 y un churn mensual de 5%, el LTV proyectado es de R$ 2.000 (el cliente permanece, en promedio, 20 meses). La tabla siguiente muestra cómo cambia ese LTV según el churn, manteniendo el mismo precio mensual de R$ 97:
| Churn mensual | Permanencia media esperada | LTV proyectado (ARPU R$ 97) |
|---|---|---|
| 3% | 33,3 meses | R$ 3.233 |
| 5% | 20,0 meses | R$ 1.940 |
| 8% | 12,5 meses | R$ 1.213 |
| 10% | 10,0 meses | R$ 970 |
El churn no es un detalle secundario en esta cuenta, es la variable que más mueve el resultado. Bajar el churn de 10% a 5% más que duplica el LTV proyectado de la suscripción, con el mismo precio y la misma conversión. Por eso decidir entre los dos modelos sin proyectar el LTV es decidir sin mirar la variable que más pesa en la balanza.
Cómo diseñar el test sin engañarse en el corto plazo
Además de medir la métrica correcta, dos cuidados de diseño separan un test confiable de un resultado engañoso:
- Usa una ventana de conversión fija, no “conversiones hasta ahora”. Los compromisos mayores (sea el valor total del pago único, sea el compromiso recurrente de la suscripción) suelen tener un ciclo de decisión más largo que una compra por impulso. Si comparas “cuántos ya compraron” el día 3 del test, el modelo cuya audiencia decide más rápido parece ganar artificialmente, aunque el otro lo alcance o lo supere después de dos o tres semanas. Define una ventana (7, 14 o 30 días después de la primera visita, según tu ciclo real) y mide los dos lados en la misma ventana.
- No decidas por la conversión del día 1; proyecta el ingreso antes de declarar un ganador. Como vimos en la sección anterior, el modelo con mayor conversión inicial puede perder feo en el ingreso proyectado por visitante apenas el LTV entra en la cuenta. Calcula los dos números (conversión e ingreso proyectado) antes de anunciar qué variación ganó, nunca solo el primero.
- Trata el churn observado como estimación, no como verdad absoluta, hasta tener algunos ciclos completos. Al principio del test solo tienes meses recientes de datos de retención, y la curva de churn real de una cohorte nueva de suscriptores normalmente se estabiliza después de los primeros ciclos. Si es posible, revisa la proyección de LTV cuando tengas al menos dos o tres meses de datos de cancelación de la cohorte testeada.
Ejemplo trabajado: SaaS, cuando la conversión engaña
Un SaaS testea dos páginas de checkout con 6.000 visitantes cada una: la página A ofrece solo el plan de suscripción mensual (R$ 97/mes); la página B ofrece un plan vitalicio de pago único (R$ 697). Después de correr el test:
- A (suscripción): 210 conversiones en 6.000 visitantes, tasa de 3,5%.
- B (pago único): 258 conversiones en 6.000 visitantes, tasa de 4,3%.
Corriendo el test de significancia de dos proporciones (el mismo motor de la calculadora de abajo): tasa combinada p̄ ≈ 3,9%, error estándar ≈ 0,00353, puntaje z ≈ 2,26, valor p bilateral ≈ 0,024. Es significativo: B convierte 22,9% más (intervalo de confianza del 95% de la diferencia entre aproximadamente +0,1 y +1,5 punto porcentual). Hasta aquí, un test A/B superficial declararía a B ganadora y cerraría el asunto.
Ahora proyecta el LTV. La suscripción, con churn mensual de 5% (el mismo usado en el ejemplo de la fórmula), proyecta un LTV de R$ 1.940 por suscriptor. El pago único entrega R$ 697 de una vez. Multiplicando conversión por LTV:
- Ingreso proyectado por visitante en A: 3,5% × R$ 1.940 = R$ 67,90.
- Ingreso proyectado por visitante en B: 4,3% × R$ 697 = R$ 29,97.
La inversión solo existe porque el churn de 5% es lo bastante bajo para que el efecto de composición de la suscripción supere la ventaja de conversión del pago único. Existe un punto de equilibrio: por encima de aproximadamente 11,3% de churn mensual (permanencia media de menos de 9 meses), el ingreso proyectado por visitante del pago único superaría al de la suscripción incluso con la conversión observada. Es decir, la respuesta correcta depende directamente de qué tan bien retiene suscriptores tu producto, no de qué página “parece” convertir más.
Ejemplo trabajado: curso o infoproducto, cuando el resultado se invierte
Ahora el mismo tipo de test, en un producto donde el patrón de consumo es diferente: una comunidad de contenido por suscripción (R$ 47/mes) contra la venta vitalicia del mismo contenido (R$ 497), con 5.000 visitantes por variación:
- A (suscripción mensual): 200 conversiones en 5.000 visitantes, tasa de 4,0%.
- B (pago único vitalicio): 100 conversiones en 5.000 visitantes, tasa de 2,0%.
Aquí la suscripción convierte el doble: puntaje z ≈ 5,86, valor p prácticamente cero (menor que 0,0001), una diferencia estadísticamente inequívoca a favor de A. Un test superficial parecería resuelto: la suscripción gana, y por mucho.
Pero supón que este producto tenga un patrón de cancelación típico de contenido consumible: el suscriptor termina el material principal en pocos meses y cancela apenas siente que ya extrajo el valor, lo que resulta en un churn mensual alto, de 25% (permanencia media de apenas 4 meses). El LTV proyectado de la suscripción, en ese escenario, es de R$ 47 ÷ 0,25 = R$ 188.
| Modelo | Conversión | LTV proyectado | Ingreso proyectado por visitante |
|---|---|---|---|
| A · Suscripción (churn 25%/mes) | 4,0% | R$ 188 | R$ 7,52 |
| B · Pago único | 2,0% | R$ 497 | R$ 9,94 |
El pago único gana en ingreso proyectado por visitante, aun convirtiendo la mitad de los visitantes, porque el churn alto recorta el LTV de la suscripción antes de que ella tenga tiempo de compensar la menor conversión. El punto de equilibrio aquí queda en torno al 18,9% de churn mensual: por debajo de eso la suscripción llevaría la mejor parte en el ingreso proyectado, por encima de eso (como en este ejemplo, con 25%), gana el pago único.
Compara los dos ejemplos lado a lado: misma lógica de cálculo, conclusiones opuestas, porque el churn proyectado fue diferente. Es exactamente por eso que los benchmarks de mercado no sustituyen medir tu propio producto: los datos de churn por sector muestran que los negocios de contenido, medios digitales y educación reportan, en promedio, un churn bastante más alto que el software B2B (Recurly reporta cerca de 6,5% para el grupo de medios digitales, entretenimiento y educación, contra cerca de 3,8% para software y servicios profesionales B2B), lo que ya es una pista de que el modelo de suscripción tiende a compensar menos en productos de contenido consumible que en SaaS de uso continuo, incluso sin llegar al extremo de 25% usado en este ejemplo ilustrativo.
El riesgo de canibalizar el ingreso recurrente
Ofrecer las dos opciones lado a lado al mismo público no es neutro: parte de quien se suscribiría por años, generando un LTV alto, puede simplemente elegir la opción de pago único por parecer “más simple” o “sin compromiso mensual”, aunque eso represente menos ingreso para ti en el largo plazo. Ese es el riesgo de canibalización, y se vuelve más probable cuanto más barato sea el pago único frente al LTV proyectado de la suscripción.
Dos formas comunes de reducir ese riesgo:
- Fija el precio del pago único cerca o por encima del LTV proyectado de la suscripción, no como una ganga evidente. Si tu suscripción proyecta R$ 1.940 de LTV y el pago único cuesta R$ 400, en la práctica estás ofreciendo un descuento enorme a quien cambiaría un ingreso alto y recurrente por un ingreso bajo y definitivo.
- Segmenta la oferta en vez de exponer las dos para todo el mundo desde el primer clic. Un enfoque común es reservar el pago único como oferta tardía, para quien ya demostró baja propensión a suscribirse (por ejemplo, quien canceló una prueba gratuita o ya rechazó la suscripción una vez), en lugar de ponerlo al lado de la suscripción en la primera página que ve el visitante.
Ninguna de las dos elimina el riesgo por completo, pero ambas reducen la posibilidad de que el test “gane” en el ingreso proyectado de la muestra testeada y, aun así, erosione el ingreso recurrente de la base ya existente, que normalmente no forma parte del experimento.
Declara el ganador: calculadora de significancia
Usa la calculadora de abajo para comprobar la significancia de la diferencia de conversión entre las dos páginas antes de multiplicar por el LTV de cada modelo. Corre el mismo test z de dos proporciones usado en los dos ejemplos anteriores:
Test z bilateral de dos proporciones. "Sin significancia" casi siempre significa que falta muestra, no que las versiones sean iguales.
Errores comunes en este tipo de test
| Error | Por qué ocurre | Corrección |
|---|---|---|
| Declarar ganador solo por la conversión del clic | La conversión aparece rápido en el panel; el LTV tarda meses en confirmarse | Multiplica siempre conversión por LTV proyectado antes de decidir |
| Usar un churn “de mercado” genérico | Parece más rápido que medir tu propio producto | Calcula el LTV con el churn real de tu base, no con un promedio de benchmark de otro sector |
| Cerrar el test antes de que termine el ciclo de decisión | El panel muestra “conversiones hasta ahora”, que favorece a quien decide más rápido | Mide los dos lados en una ventana fija después de la primera visita, igual para ambos |
| Ignorar la canibalización de la base existente | El experimento solo mira visitantes nuevos del test | Evalúa el efecto también sobre quien se suscribiría de todos modos, no solo sobre la muestra del test |
| Tratar el resultado como definitivo para siempre | El churn de una cohorte nueva todavía no se estabilizó | Revisa la proyección de LTV después de dos o tres ciclos completos de cobro |
Hazlo automático en Donnu
El trabajo difícil aquí no es correr el test A/B, es decidir entre suscripción y pago único con datos, no con corazonadas sobre qué modelo “parece” mejor. Donnu A/B corre la misma matemática de dos proporciones usada en los dos ejemplos de este artículo, con significancia validada y sin peeking, para que tengas la conversión de cada variación con confianza estadística real. La parte de proyectar el LTV de cada modelo (ARPU dividido por churn) es una cuenta que ya sabes hacer después de este artículo, y que vale la pena repetir con el churn real de tu producto antes de declarar cualquier ganador.
Empieza una prueba gratis de 14 días y corre tu propio test entre suscripción y pago único midiendo ingreso proyectado, no solo clics. Mira también el test de anclaje de precio y el test A/B de paywall freemium, dos experimentos hermanos de precificación, y comprueba cuántos visitantes necesita tu test en la guía de tamaño de muestra.
Lee también: Test A/B de precio: la guía completa · Anclaje de precio en test A/B · Test A/B de paywall freemium
Referencias
- Baremetrics. How to Calculate and Increase Customer Lifetime Value. baremetrics.com/academy/saas-calculating-ltv.
- Vitally. B2B SaaS Churn Rate Benchmarks: What’s a Healthy Churn Rate in 2025? vitally.io/post/saas-churn-benchmarks.
- Recurly. Churn Rate Benchmarks by Industry. recurly.com/research/churn-rate-benchmarks.
Preguntas frecuentes
- ¿Qué métrica decide un test A/B entre suscripción y pago único?
- Nunca la conversión inicial aislada. La métrica correcta es el ingreso proyectado por visitante, que multiplica la tasa de conversión de cada modelo por el LTV esperado de cada uno: en el pago único, el LTV es el precio cobrado una vez; en la suscripción, es el precio mensual dividido por el churn mensual (ARPU dividido por churn). Un modelo puede convertir más visitantes y aun así generar menos ingreso proyectado por visitante que el otro, y es exactamente esa inversión la que la conversión por sí sola esconde.
- ¿Cómo calcular el LTV proyectado de una suscripción antes de decidir el test?
- La fórmula estándar es LTV = ARPU (ingreso medio mensual por suscriptor) dividido por el churn mensual (en fracción, no en porcentaje). Un plan de R$ 97 al mes con 5% de churn mensual proyecta un LTV de R$ 1.940 (97 dividido por 0,05). Cuanto menor sea el churn, mayor será el LTV proyectado, y por eso el mismo test puede dar respuestas opuestas en productos con churn diferente, incluso cobrando precios parecidos.
- ¿Cuánto tiempo debo dejar corriendo un test entre suscripción y pago único?
- Más tiempo que un test común de página, por dos motivos: el ciclo de decisión de un compromiso mayor (sea el pago único más alto, sea la suscripción recurrente) suele ser más largo que el de una compra por impulso, y la métrica de retención de la suscripción solo madura después de semanas o meses. Mide la conversión en una ventana fija después de la primera visita (no "conversiones hasta ahora", que favorece a quien decide más rápido) y, si es posible, acompaña al menos un ciclo de cobro completo antes de declarar un ganador.
- ¿Ofrecer los dos modelos al mismo tiempo funciona, o canibaliza el ingreso?
- Puede canibalizar, sí, si el precio del pago único es demasiado bajo frente al LTV proyectado de la suscripción: parte de quien pagaría durante años como suscriptor va a preferir la opción más barata y definitiva. Una protección común es fijar el precio del pago único por encima del LTV proyectado de la suscripción (o cerca de él) y testear la oferta con segmentos que ya mostraron baja propensión a suscribirse, en vez de exponer las dos opciones lado a lado para todo el mundo desde el primer clic.