¿Qué es una tasa de conversión buena? Benchmarks 2026
Qué se considera una tasa de conversión buena o promedio en 2026, con rangos moderados de ecommerce y SaaS por categoría, etapa y fuente de tráfico.
📚 Este artículo es parte de la guía Optimización de Conversión (CRO): La Guía Completa 2026.
No existe una única tasa de conversión “buena” universal. Los rangos reportados van de menos del 1% para un checkout de ecommerce de lujo a más del 25% para una prueba de SaaS bien guiada en el onboarding, y cada uno de esos números puede ser correcto en su propio contexto y equivocado como meta para el tuyo. Los rangos de benchmark de abajo son útiles para calibrar expectativas, pero el número que realmente debería guiar tu hoja de ruta es tu propia tasa de conversión histórica, seguida de forma consistente a lo largo del tiempo.
Esta guía desglosa los rangos comúnmente citados por industria, categoría y etapa del embudo, explica por qué un único número “promedio” suele ser engañoso, y muestra cómo convertir una brecha real entre tu tasa y el rango típico en un test correctamente dimensionado en lugar de una adivinanza.
Qué mide realmente una tasa de conversión
Una tasa de conversión es el número de conversiones dividido entre visitantes, expresado como porcentaje. El detalle que hace tropezar a la mayoría de las comparaciones de benchmark es la diferencia entre una macroconversión (el resultado que realmente importa: una compra, un registro pago) y una microconversión (un paso más pequeño hacia ella: agregar al carrito, iniciar una prueba). Un informe que cuenta microconversiones de forma silenciosa siempre mostrará un número más alto que uno que solo cuenta el resultado final, incluso para exactamente el mismo tráfico. Para la fórmula completa, la distinción entre visitante y sesión, y ejemplos trabajados, consulta la guía completa de CRO; este artículo se enfoca específicamente en cómo se ve lo “bueno” una vez que ya conoces tu propio número.
Benchmarks de tasa de conversión de ecommerce por categoría
Los informes de benchmark de ecommerce suelen construirse agregando datos de conversión de miles de tiendas y luego promediando dentro de categorías amplias. Los rangos resultantes son orientativos, no precisos, y cada fila de abajo debe leerse como “comúnmente citado, aproximado” y no como una cifra a la que se pueda exigir cuentas a una tienda en particular.
| Categoría | Rango comúnmente citado | Por qué varía |
|---|---|---|
| Tienda online general (visitante a compra) | ~1% a 3% | La referencia más amplia y más citada; combina todas las categorías y fuentes de tráfico |
| Moda / indumentaria | ~1% a 2%, a menudo cerca de la mitad inferior del rango general | Alta proporción de navegación respecto a compra; los visitantes comparan entre muchos productos y sitios antes de comprar |
| Electrónica | ~1,5% a 3% | Compra reflexiva con comparación de precios, pero suele apoyarse en especificaciones más claras que agilizan la decisión |
| Lujo / productos de alto valor | Frecuentemente citado por debajo del 1% | Ciclos de consideración largos, y un número reducido de pedidos de muy alto valor puede pesar más que la tasa de conversión bruta |
| Suscripción / primer pedido DTC | ~2% a 4%, más alto cuando el primer compromiso es una prueba o muestra de bajo riesgo | Un primer paso de menor fricción (tamaño de prueba, compromiso corto) suele convertir mejor que pedir una compra completa desde el inicio |
Vale la pena señalar dos cosas con honestidad: primero, el valor promedio del pedido interactúa con la tasa de conversión de formas que un solo porcentaje esconde por completo, una tienda que convierte al 1% con un pedido promedio de 400 dólares puede ganar más que una tienda que convierte al 3% con un pedido promedio de 40 dólares, con el mismo volumen de tráfico. Segundo, estos rangos se compilan a partir de patrones comúnmente citados en informes de benchmark de la industria e investigación de CRO, no de un único estudio; trata el rango en sí, no el punto medio, como la señal útil.
Benchmarks de tasa de conversión de SaaS por etapa
La conversión de SaaS no tiene una sola etapa de embudo que “sea” la tasa de conversión, depende de a qué traspaso te refieras. Los rangos reportados también varían más aquí que en ecommerce, ya que los modelos de ventas B2B difieren enormemente según el tamaño del trato y el proceso self-service frente al asistido por ventas.
| Etapa | Rango comúnmente citado | Por qué varía |
|---|---|---|
| Visitante a prueba / registro | ~2% a 10% | Depende mucho de la intención del tráfico: una página de comparación de fondo de embudo convierte muy distinto a un visitante de blog de tope de embudo |
| Prueba a pago, self-service | ~15% a 25% | La calidad del onboarding suele ser la palanca individual más grande sobre este número, más que el precio o el diseño de planes |
| Prueba a pago, asistido por ventas | Reportado en un rango mucho más amplio, a menudo citado de forma laxa entre 20% y 40% en un ciclo más largo | El tamaño del trato, la duración del proceso de ventas y cómo se define “prueba” (prueba autoservicio vs. oportunidad calificada por ventas) modifican esto significativamente |
| Freemium a pago | Frecuentemente citado en un dígito bajo, aproximadamente 1% a 5% | Los usuarios del nivel gratuito se autoseleccionan con mucho menos compromiso que alguien que ya inició una prueba con plazo definido |
La fila de prueba a pago asistido por ventas merece una advertencia adicional: como “prueba” y “conversión” se definen de forma distinta entre productos con ventas asistidas, ese rango es el menos comparable entre empresas de cualquier fila en ambas tablas. Si operas un modelo asistido por ventas, tu propia tasa histórica de cierre por tamaño de trato es un número mucho más confiable que cualquier rango publicado.
Por qué “el promedio” es una trampa
Un único promedio publicado combina fuentes de tráfico, dispositivos y precios que no compartes, y esa combinación rara vez coincide con tu propio tráfico. La misma tienda, la misma página, la misma oferta puede mostrar tasas de conversión significativamente distintas según de dónde vino el visitante y qué dispositivo está usando, y por eso un único número de “promedio de la industria” es engañoso como meta.
Tres variables explican la mayor parte de la dispersión dentro de cualquier “promedio” publicado:
- Fuente de tráfico. Los visitantes que llegan de una búsqueda de marca o de una URL directa ya saben lo que quieren; los que llegan de un anuncio social frío están en una etapa más temprana de su decisión. Combinar ambos en un solo número esconde cuál de los dos tienes en mayor proporción.
- Dispositivo. El tráfico móvil suele convertir menos que el de escritorio para la misma página y la misma oferta, en gran parte por pantallas más pequeñas, flujos de pago más lentos y contextos de navegación más distraídos, incluso cuando el móvil representa una porción creciente del tráfico total en la mayoría de los sitios.
- Precio. Una compra por impulso de 15 dólares y un contrato de software B2B de 2.000 dólares nunca compartirán una tasa de conversión realista, sin importar qué tan bien esté construida cada página. Comparar precios distintos contra el mismo número de benchmark es comparar dos comportamientos diferentes como si fueran uno solo.
Cómo usarte a ti mismo como benchmark
La solución práctica es directa, aunque exige disciplina mantenerla: sigue tu propia tasa de conversión en una ventana móvil consistente (semanal o mensual, no días sueltos, que son ruidosos), segméntala siempre de la misma forma (por fuente de tráfico, dispositivo y tipo de página, decidido de antemano y no después de ver un número que te gusta), y trata cada benchmark publicado como una verificación puntual de sanidad, no como una meta móvil.
En la práctica, eso significa tres hábitos. Primero, elige una ventana móvil y mantente en ella, comparar un martes con un Black Friday no dice nada útil. Segundo, mantén estables tus definiciones de segmentación entre períodos de reporte, para que un cambio en el número refleje un cambio real de comportamiento, y no un cambio en cómo cortaste los datos. Tercero, cuando un rango publicado dice que estás bajo, úsalo como motivo para investigar y testear, no como prueba de que algo está roto: una tasa por debajo del promedio combinada con un valor promedio de pedido alto o una audiencia nicho de alta intención puede seguir siendo un negocio saludable y en crecimiento.
Hay un cuarto hábito fácil de saltarse bajo presión de plazos: anota cómo era lo “normal” antes de hacer un cambio, no después. Los equipos que solo miran hacia atrás en los datos históricos una vez que un número ya se ve mal tienden a reconstruir una línea de base más favorable que precisa, lo que socava silenciosamente cada comparación posterior. Un registro simple y continuo, actualizado siempre con la misma cadencia, vale más que una consulta puntual de benchmark, porque es el único conjunto de datos que refleja a tus visitantes reales, tu oferta real y tu estacionalidad real, y no la de otro.
Qué mueve la aguja más que perseguir un número de benchmark
Una vez que confirmaste que tu propia línea de base está genuinamente por debajo de lo realista para tu tráfico y categoría, las acciones de mayor impacto casi nunca consisten en igualar directamente un número externo. La claridad de la propuesta de valor, una llamada a la acción enfocada y formularios más cortos suelen mover la tasa de conversión real más que cualquier ajuste cosmético apuntado a un porcentaje meta. La guía completa de CRO cubre los marcos de priorización completos y la lista ordenada de elementos de alto impacto para testear primero; la versión corta es que un benchmark te dice si vale la pena investigar, no qué cambiar.
Cómo convertir una brecha de benchmark en un test
Un benchmark solo se vuelve útil en el momento en que se convierte en un experimento correctamente dimensionado. Una vez que conoces tu línea de base y más o menos dónde se ubica el rango típico de tu categoría, la siguiente pregunta es puramente mecánica: ¿cuántos visitantes y cuántos días necesitas para saber si cerrar esa brecha es real?
Cálculo por aproximación normal de dos proporciones, 2 variaciones (50/50). Cambia los campos y mira el impacto en vivo.
Un ejemplo trabajado. Supongamos que tu checkout convierte al 1,8%, y el rango comúnmente citado para tu categoría de ecommerce se ubica alrededor de 2% a 3%, lo que sugiere que hay margen realista para mejorar. Quieres detectar una mejora relativa del 20% (de 1,8% a aproximadamente 2,16%), con la confianza estándar del 95% y el poder del 80%, y tu paso de checkout recibe cerca de 15.000 visitantes por semana, divididos entre dos variantes (control y una variación). Al ingresar exactamente estos datos en la calculadora de arriba, se obtiene:
- Tamaño de muestra necesario: 23.507 visitantes por variante
- Duración estimada del test: 22 días
Esa es la respuesta real y mecánica a “¿vale la pena testear esto?”, no una adivinanza. Si tu tráfico semanal real es menor, la duración se estira en consecuencia, o deberías ampliar el MDE que intentas detectar, ya que reducir a la mitad el tamaño del efecto multiplica aproximadamente por cuatro la muestra necesaria, una relación cubierta en detalle en la guía de significancia estadística.
Hazlo automático con Donnu
Los rangos de benchmark son un punto de partida, no una respuesta. La única forma de saber realmente si puedes cerrar la brecha entre tu tasa y el rango típico de tu categoría es correr un test real, correctamente dimensionado, contra tu propio tráfico, y luego leer el resultado con honestidad en lugar de mirar un panel a ojo. Donnu se encarga de la parte mecánica de eso: tú defines la línea de base y la hipótesis, Donnu dimensiona el test y estima la duración tal como acaba de hacerlo la calculadora de arriba, recolecta datos mediante un snippet ligero que nunca bloquea la carga de la página, y declara el resultado con estadística honesta en lugar de anunciar un ganador el primer día que se ve bien.
Empieza una prueba gratis de 14 días y deja de adivinar qué debería significar “bueno” para tus propias páginas. Para el proceso detrás de un test bien ejecutado, mira cómo hacer un test A/B paso a paso; para entender exactamente qué significan “bueno” y “promedio” en primer lugar, empieza con qué es un test A/B.
Lee también
Continúa con la guía completa de CRO para el proceso completo de investigación a test, o ve directo a cómo hacer un test A/B paso a paso una vez que hayas decidido que una brecha vale la pena testear.
Referencias
- Baymard Institute. Investigación de UX de ecommerce y checkout, incluyendo datos de abandono de carrito y benchmarks relacionados con la conversión. baymard.com
- Nielsen Norman Group. Investigación de usabilidad que cubre los patrones de comportamiento detrás de las diferencias de tasa de conversión por dispositivo y contexto. nngroup.com
- CXL. Investigación de optimización de conversión, casos de estudio y comentarios sobre benchmarks. cxl.com
- VWO. Recursos de test A/B y optimización de tasa de conversión, incluyendo recopilaciones de benchmarks por industria. vwo.com
- WordStream. Informes de benchmark de marketing digital que cubren el desempeño y la conversión de anuncios de búsqueda y redes sociales. wordstream.com
Preguntas frecuentes
- ¿Cuál es una buena tasa de conversión para un sitio web?
- No existe un número único universal: una buena tasa de conversión depende de tu industria, precio, fuente de tráfico y combinación de dispositivos, así que un benchmark externo solo puede calibrar expectativas, no fijar una meta. Como puntos de referencia aproximados y ampliamente citados, los sitios de ecommerce en general suelen reportar tasas de visitante a compra en el rango de 1% a 3%, mientras que los sitios SaaS suelen reportar 2% a 10% de visitante a prueba y 15% a 25% de prueba a pago para productos self-service. Tu propia tasa histórica, seguida a lo largo del tiempo, es el benchmark que realmente importa para tomar decisiones.
- ¿Cuál es una buena tasa de conversión de ecommerce en 2026?
- Los informes de benchmark de la industria suelen citar un rango general de visitante a compra de aproximadamente 1% a 3% para tiendas de ecommerce, pero esto varía mucho según la categoría: moda e indumentaria suelen ubicarse en el extremo inferior porque el tráfico de mucha navegación es común, mientras que las categorías de alto valor o de lujo se citan con frecuencia bien por debajo del 1% porque las decisiones de compra toman más tiempo e implican más investigación. Trata cualquier cifra individual como un punto de calibración aproximado, no como una meta para tu catálogo específico.
- ¿Cuál es una buena tasa de conversión de SaaS?
- Depende de a qué etapa del embudo te refieras. Las tasas de visitante a prueba o visitante a registro se citan comúnmente en el rango de 2% a 10%, la conversión de prueba a pago para productos self-service se cita comúnmente alrededor de 15% a 25%, y la conversión de freemium a pago se cita comúnmente mucho más baja, a menudo en un dígito bajo, ya que los usuarios del nivel gratuito se autoseleccionan con mucho menos compromiso que alguien que ya inició una prueba.
- ¿Por qué los informes de benchmark de tasa de conversión difieren tanto entre sí?
- Distintos informes combinan diferentes fuentes de tráfico, dispositivos, industrias y definiciones de "conversión" en un solo promedio, y ninguna de esas combinaciones coincide exactamente con tu mezcla de tráfico. Un informe con peso hacia el tráfico de búsqueda paga mostrará números distintos a uno con peso hacia el tráfico orgánico o directo, y un informe que cuenta microconversiones como "conversiones" mostrará una tasa más alta que uno que solo cuenta compras. Por eso los rangos, y no los números únicos, son la forma honesta de leer cualquier benchmark.
- ¿Cómo sé si mi tasa de conversión es realmente mala?
- Compárala primero contra tu propia línea de base histórica, seguida en una ventana móvil consistente y segmentada siempre de la misma forma (por fuente de tráfico, dispositivo y tipo de página), antes de compararla con cualquier benchmark externo. Si tu tasa está cayendo respecto a tu propio historial reciente, o está bien por debajo de tus propios segmentos de mejor desempeño, esa es una señal mucho más fuerte que estar uno o dos puntos por debajo de un promedio de la industria publicado, que puede no reflejar en absoluto tu calidad de tráfico o precio específicos.
- ¿Debería testear contra el promedio de la industria o contra mi propia línea de base?
- Tu propia línea de base. Un promedio de la industria es una verificación de sanidad que se mira una vez, útil para notar si estás fuera de rango de forma extrema, pero no es algo alrededor de lo cual debas dimensionar un test A/B. Dimensiona cada test contra tu propia tasa de conversión actual y tu propio volumen de tráfico, ya que ese es el único número del que realmente depende la estadística de un experimento real.