Flujo de Cancelación: cómo hacer test A/B sin dark pattern
Test A/B en el flujo de cancelación: por qué la tasa de salvamento engaña, cómo medir quién sigue pagando a 60 días y cuándo la oferta es dark pattern.
📚 Este artículo es parte de la guía Growth Experimentation para SaaS: Playbook PLG.
Un test A/B en el flujo de cancelación solo responde la pregunta correcta cuando mide quién sigue pagando semanas después, contando a todos los que hicieron clic en cancelar. La tasa de salvamento en pantalla responde otra cosa. En el ejemplo trabajado de esta guía, una oferta de 50 por ciento de descuento sube los salvados en pantalla de 5,00 a 22,00 por ciento, una mejora de más 340,0 por ciento con un valor p por debajo de 0,0001. Sesenta días después, los pagantes van de 4,42 a 6,00 por ciento, y el test todavía no tiene significancia. Esta guía muestra dónde sortear, cómo leer las dos métricas en la calculadora, cuánto tiempo necesita el test, cuánto vale la oferta en ingreso neto y dónde está la línea entre oferta de retención y dark pattern, con las reglas vigentes en septiembre de 2026 en Brasil y en Estados Unidos. Forma parte de la guía de growth experimentation para SaaS y profundiza en la intervención de pausa y descuento que aparece en reduciendo el churn con experimentación.
Qué cambia en un test A/B del flujo de cancelación
El flujo de cancelación es la secuencia de pantallas entre el clic en “cancelar suscripción” y la confirmación de la cancelación. Es el punto del producto con la intención más clara que existe: la persona ya decidió irse. Por eso es tentador poner allí una oferta, y por eso es fácil engañarse al medir su efecto.
Tres cosas separan este test de un test de página común. La primera es que solo una fracción pequeña de la base pasa por el flujo, así que el sorteo tiene que ocurrir en el punto de entrada. La segunda es que el desenlace que importa tarda: quien acepta un descuento hoy puede cancelar el mes siguiente. La tercera es que existe una frontera legal y ética que un test mal diseñado cruza sin darse cuenta, porque la variación que más “retiene” gente suele ser la que más entorpece la salida.
La tasa de salvamento es una métrica de vanidad
La tasa de salvamento, o save rate, es la fracción de quienes entraron al flujo y no concluyeron la cancelación en esa sesión. Es el número más inmediato de medir, y es el número equivocado para decidir un test, por un motivo simple: aceptar una oferta no es seguir siendo cliente.
El descuento cambia una salida hoy por una salida más tarde para buena parte de quienes lo aceptan. La pausa puede convertirse en una cancelación silenciosa cuando la persona simplemente no vuelve. El downgrade reduce el ingreso de la cuenta incluso cuando se queda. Nada de esto aparece en la pantalla; todo esto aparece en la facturación de los meses siguientes. Es el mismo razonamiento de métrica primaria y OEC: la métrica de decisión tiene que estar ligada al valor de largo plazo, no a la reacción inmediata.
| lectura | qué responde | cuándo está lista | papel en el test |
|---|---|---|---|
| salvados en pantalla | cuántos no concluyeron la cancelación en la sesión | en el momento | diagnóstico, nunca decisión |
| pagantes a 30 días | cuántos pagaron el siguiente cobro | 30 días después de la entrada | lectura anticipada, con cautela |
| pagantes a 60 o 90 días | cuántos siguen pagando después del fin de la oferta | 60 o 90 días después | métrica primaria de retención |
| ingreso neto por quien entró | cuánto dinero generó cada entrada al flujo, con el descuento ya descontado | fin de la ventana | métrica primaria económica |
| guardrails | quejas, reembolsos, contactos con soporte, tiempo hasta cancelar de quien rechaza, reentrada al flujo | durante y después | freno contra una victoria que sale cara |
La última fila tiene peso propio. Un guardrail es la medida que el cambio no puede empeorar aunque la métrica primaria suba, y en un flujo de cancelación es lo que separa una oferta útil de una barrera. El razonamiento completo, incluido el umbral que le da dientes a cada freno, está en métricas de guardrail.
Dónde sortear: en el clic en cancelar, y para siempre
La regla de diseño más importante es sortear en el momento en que la persona hace clic en cancelar, y no en la base entera. Si sorteas a todos los suscriptores, la mayoría nunca pasa por el flujo durante el test, y el efecto real queda diluido en un mar de gente a la que la variación nunca tocó. Eso es análisis por disparo, y la aritmética de por qué cambia el veredicto está en análisis por disparo y dilución.
Cuatro cuidados completan el diseño:
- La unidad es la cuenta o la suscripción, no la sesión. Quien entra al flujo, desiste y vuelve la semana siguiente tiene que ver el mismo brazo. Volver a sortear en cada visita le da la oferta a parte del control y contamina los dos lados. Ver unidad de aleatorización.
- El denominador son todos los que fueron sorteados. Incluso quien cerró la pestaña antes de ver la oferta y quien ni la leyó. Filtrar por “quién vio la oferta” o por “quién aceptó” rompe la comparación aleatoria; es el error descrito en intención de tratar.
- Revisa el reparto antes de leer cualquier cosa. Si la variación tiene una pantalla de más que falla al cargar, o si el evento de entrada se dispara dos veces en uno de los brazos, la proporción entre los grupos sale del 50/50. El verificador de SRM hace la cuenta del chi cuadrado, y SRM: reparto desigual de tráfico explica las causas.
- Lee solo la cohorte que ya completó la ventana. Quien entró al flujo hace 40 días no tiene resultado a 60 días, ni positivo ni negativo. Ver madurez de cohorte y retraso de conversión.
Ejemplo trabajado: 22 por ciento salvados en pantalla, 6 por ciento pagantes a 60 días
Los números a continuación son ilustrativos, armados para esta guía; las cuentas sobre ellos son reales y reproducibles en la calculadora. Un SaaS con suscripción mensual de R$ 100 recibe 2.400 entradas al flujo de cancelación por mes, divididas en 1.200 por brazo. El control muestra la encuesta de motivo y la confirmación. La variación muestra la misma encuesta y una oferta de 50 por ciento de descuento en la próxima mensualidad, con el botón de cancelar visible en la misma pantalla. Para simplificar, nadie reactiva después de cancelar.
| lectura | control (A) | variación (B) | mejora relativa | valor p |
|---|---|---|---|---|
| salvados en pantalla | 60 de 1.200 (5,00%) | 264 de 1.200 (22,00%) | +340,0% | por debajo de 0,0001 |
| pagantes el día 30 | 57 de 1.200 (4,75%) | 118 de 1.200 (9,83%) | +107,0% | por debajo de 0,0001 |
| pagantes el día 60 | 53 de 1.200 (4,42%) | 72 de 1.200 (6,00%) | +35,8% | 0,0809 |
Empieza por la lectura que parece la victoria del trimestre. Pega 1.200 y 60 en el control y 1.200 y 264 en la variación:
Test z bilateral de dos proporciones. "Sin significancia" casi siempre significa que falta muestra, no que las versiones sean iguales.
La pantalla muestra una tasa de 5,00% en el control y 22,00% en la variación, mejora relativa de +340,0%, valor p < 0,0001, IC 95% de la diferencia de +14,4% … +19,6% (pp) y el veredicto “Ganadora con significancia · B gana”. La puntuación z detrás de esa lectura, que la calculadora no muestra, es 12,19.
Ahora cambia las conversiones por los pagantes el día 60: 53 en el control y 72 en la variación. La pantalla pasa a mostrar 4,42% contra 6,00%, mejora relativa de +35,8%, valor p 0,0809, IC 95% de la diferencia de -0,2% … +3,4% (pp) y el veredicto “Todavía sin significancia”. El valor exacto detrás es 0,080902, con un z de 1,7455 y un intervalo de menos 0,19 a más 3,36 puntos porcentuales.
La distancia entre las dos lecturas es la historia entera del test. De las 204 personas salvadas de más por la oferta en pantalla, solo 19 eran pagantes de más el día 60, o el 9,31 por ciento. En el control, el 88,33 por ciento de quienes desistieron de cancelar seguía pagando el día 60; en la variación, el 27,27 por ciento de quienes aceptaron el descuento seguía pagando. La oferta atrajo a gente que se iba a ir de todas formas y aplazó su salida un ciclo de cobro.
Cuánto tiempo necesita correr el test del flujo de cancelación
El test de un mes no tenía cómo concluir nada sobre retención. Con 1.200 entradas por brazo y una base de 4,42 por ciento, el poder para detectar el efecto observado de más 35,8 por ciento era de 41,50 por ciento; el menor efecto que esa muestra detectaría con 80 por ciento de poder, por la misma fórmula de la calculadora de tamaño de muestra, es de más 60,2 por ciento relativo. Un test subdimensionado así, si “sale”, tiende a exagerar el efecto, que es el tema de maldición del ganador.
La planificación correcta parte de la métrica primaria, no de la pantalla. Usa la base de pagantes a 60 días del control, redondeada a 4,4 por ciento, un efecto mínimo de más 30 por ciento relativo y el volumen semanal de entradas al flujo, 554 (2.400 por mes por 12, divididos entre 52):
Cálculo por aproximación normal de dos proporciones, 2 variaciones (50/50). Cambia los campos y mira el impacto en vivo.
Con tasa de conversión actual 4,4, efecto mínimo detectable 30 relativo, confianza 95, poder 80, 554 visitantes por semana y test bilateral, la calculadora devuelve 4.327 visitantes por variación, 8.654 en total y 110 días de duración estimada. Aquí “visitantes” son entradas al flujo. La duración que muestra la calculadora es solo la recolección: el último usuario que entra el día 110 todavía necesita 60 días para tener resultado.
| efecto mínimo (relativo) | entradas por variación | días de recolección | días hasta la lectura limpia (más 60) |
|---|---|---|---|
| +20% | 9.336 | 236 | 296 |
| +25% | 6.103 | 155 | 215 |
| +30% | 4.327 | 110 | 170 |
| +35% | 3.244 | 82 | 142 |
| +50% | 1.685 | 43 | 103 |
Si ese plazo es inviable, las salidas honestas son tres: aceptar un efecto mínimo mayor y decirlo en el plan del test; usar la lectura a 30 días como métrica sustituta validada, con los cuidados de métrica sustituta; o mantener un grupo de control pequeño después de lanzar la oferta, como en holdout de largo plazo. La salida deshonesta es decidir por la pantalla y llamarlo test de retención.
La economía de la oferta: ingreso neto por quien entró al flujo
La retención responde si la oferta creó clientes. El ingreso responde si se paga sola. Las dos pueden discrepar, y por eso el plan del test tiene que declarar ambas antes de empezar.
Sigue con los mismos números ilustrativos: mensualidad de R$ 100, cobros en los días 0, 30 y 60 después de la entrada al flujo, y descuento de 50 por ciento solo en el cobro del día 0 para quien acepta la oferta.
| cobro | control (A) | variación (B) |
|---|---|---|
| día 0 | 60 × R$ 100 = R$ 6.000 | 264 × R$ 50 = R$ 13.200 |
| día 30 | 57 × R$ 100 = R$ 5.700 | 118 × R$ 100 = R$ 11.800 |
| día 60 | 53 × R$ 100 = R$ 5.300 | 72 × R$ 100 = R$ 7.200 |
| total en 90 días | R$ 17.000 | R$ 32.200 |
| por entrada al flujo | R$ 14,17 | R$ 26,83 |
La oferta genera R$ 12,67 más por persona que entró al flujo en 90 días. Como el ingreso por usuario es una métrica continua, la calculadora de proporciones no sirve para ella; en un test de Welch con aproximación normal hecho para esta guía sobre la distribución de cada brazo, la diferencia da un z de 4,86 y un intervalo de 95 por ciento de R$ 7,56 a R$ 17,77. El dimensionamiento de este tipo de métrica está en tamaño de muestra para métricas continuas.
Ahora la cuenta que hace un equipo cuando decide por la pantalla. Supone que todo salvado paga los tres cobros: en el control, 60 × R$ 300 da R$ 15,00 por entrada; en la variación, 264 × (R$ 50 + R$ 100 + R$ 100) da R$ 55,00. La proyección promete R$ 40,00 más por entrada, 3,16 veces la ganancia real.
Hay además un costo que las dos cuentas esconden: parte de quienes aceptaron el descuento se habría quedado de todas formas. Si esa parte es del tamaño de los 60 que se quedaron en el control sin oferta alguna, el descuento que se les dio suma 60 × R$ 50 = R$ 3.000, o R$ 2,50 por entrada. Es dinero entregado a quien no necesitaba incentivo, el mismo problema de incremento contra sustitución discutido en pruebas de descuentos y promociones.
Una última alerta económica que el test de 90 días no ve: si el descuento se vuelve conocido, parte de la base aprende que hacer clic en cancelar rinde un 50 por ciento. Por eso la tasa de reentrada al flujo entre quienes ya recibieron la oferta es un guardrail, y por eso un holdout después del lanzamiento vale el tráfico que cuesta.
Tipos de oferta de retención: qué medir y cuál es el riesgo
Cada oferta tiene un mecanismo distinto, una métrica que decide distinta y una forma distinta de salir mal:
| oferta | métrica que decide | trampa de lectura | riesgo de dark pattern |
|---|---|---|---|
| pausa | fracción que vuelve a pagar al final de la pausa y sigue pagando 60 días después | contar al pausado como retenido; la pausa sin fecha de regreso se convierte en cancelación silenciosa | pausa como única opción visible, cancelación escondida detrás de ella |
| descuento | pagantes después del fin del descuento e ingreso neto por entrada | leer la ventana todavía dentro del descuento; ignorar el descuento dado a quien se habría quedado | descuento que solo aparece después de varias pantallas; rechazo redactado para avergonzar |
| downgrade | ingreso neto por entrada, no conteo de cuentas | las cuentas retenidas suben mientras el ingreso cae | plan menor presentado como si fuera el botón de cancelar |
| encuesta de motivo | tasa de conclusión del flujo y calidad de la información; el efecto en retención tiene que medirse, no presumirse | tratar la encuesta como neutral cuando agrega una etapa | encuesta obligatoria, larga, sin opción de saltarla |
| recordatorio de valor (datos, historial, ahorro acumulado) | pagantes a 60 días y contactos con soporte | un recordatorio que asusta retiene una semana y genera quejas después | amenaza de pérdida exagerada o falsa |
La encuesta de motivo merece una nota. Su papel no es ganar el test, sino generar hipótesis para los siguientes, porque separa a quien se va por precio de quien se va por falta de uso. Ofertas distintas según el motivo declarado son un buen diseño, siempre que el sorteo se siga haciendo antes de la encuesta y la lectura sea por brazo, no por respuesta. Para escribir cada una de esas apuestas antes de lanzarla, usa el modelo de hipótesis de test A/B.
El límite legal y ético de la oferta de retención
Los dark patterns, en la definición del informe del personal de la FTC “Bringing Dark Patterns to Light”, de septiembre de 2022, son prácticas de diseño que engañan o manipulan al usuario para que tome decisiones que de otro modo no tomaría y que pueden causar daño. El informe enumera los “obstáculos a la cancelación” como categoría propia: facilitar la suscripción y dificultar la salida con procedimientos largos y agotadores. También describe el “confirm shaming”, usar la vergüenza para alejar a la persona de una elección, y da como ejemplo de pregunta capciosa, que usa lenguaje ambiguo para conducir a la persona, un botón con el texto “No, cancelar” que, en lugar de cancelar, saca a la persona del camino de cancelación.
Esta sección resume lo que dicen las fuentes en septiembre de 2026. No es asesoramiento jurídico; la decisión sobre tu producto le corresponde a quien responde jurídicamente por él.
En Brasil. El Código de Defensa del Consumidor (Código de Defesa do Consumidor) incluye entre los derechos básicos, en el artículo 6º, inciso IV, la protección contra métodos comerciales coercitivos o desleales y contra prácticas abusivas, y el artículo 39 enumera prácticas prohibidas al proveedor. En el plano federal, la regla más específica sobre cancelación es el Decreto 11.034, del 5 de abril de 2022, que reglamenta el SAC (servicio de atención al cliente). Atención al alcance: se aplica a los proveedores de servicios regulados por el Poder Ejecutivo federal, lo que deja a buena parte de los SaaS fuera de su alcance directo. Aun así, el artículo 14 es la regla pública más clara de lo que el regulador brasileño entiende por cancelación facilitada: la solicitud tiene que permitirse por todos los medios disponibles para la contratación, los efectos son inmediatos, salvo cuando haya procesamiento técnico, el consumidor recibe un comprobante, y la cancelación programada puede ofrecerse, pero depende de su consentimiento.
En Estados Unidos. La FTC anunció el 16 de octubre de 2024 la regla conocida como click to cancel, que exigía un mecanismo de cancelación simple, como mínimo tan fácil como el de suscripción. La propuesta original limitaba los intentos de retención, y la versión final retiró ese límite: en la justificación publicada en el Federal Register, la Comisión reconoció que las ofertas pueden traer concesiones valiosas al consumidor, pero escribió que el retiro “no es una licencia” para crear barreras irrazonables e innecesarias y que los intentos de retención que obligan a navegar por ofertas, sortear obstáculos irrazonables o esperar un tiempo excesivo no son simples ni fáciles. El 8 de julio de 2025, el Tribunal de Apelaciones del Octavo Circuito anuló la regla por completo por un fallo de procedimiento, sin juzgar el fondo: faltó el análisis regulatorio preliminar exigido cuando el impacto económico anual estimado llega a 100 millones de dólares. En marzo de 2026 la FTC publicó un aviso anticipado de propuesta de regla, con comentarios hasta el 13 de abril de 2026, y preguntó explícitamente sobre las ofertas de retención, incluido cuánto tiempo más tarda en cancelar quien rechaza la oferta. Hasta septiembre de 2026, la FTC no había publicado en el Federal Register ninguna propuesta de texto para la nueva regla.
La ausencia de la regla no significa ausencia de riesgo. El 25 de septiembre de 2025, la FTC anunció un acuerdo con Amazon, con base en la FTC Act y en la ley ROSCA, que incluye una multa civil de 1 mil millones de dólares y 1,5 mil millones en reembolsos, después de alegar que la empresa dificultó a propósito la cancelación de Prime; el acuerdo exige una forma fácil de cancelar por el mismo método usado para suscribirse. Y en California, la ley de renovación automática modificada por la AB 2863, válida para ofertas a consumidores en el estado y para contratos celebrados, modificados o renovados desde el 1 de julio de 2025, permite mostrar un descuento, un beneficio de retención o información sobre los efectos de la cancelación en el flujo en línea, siempre que un enlace o botón directo de cancelar aparezca junto, de forma destacada y continua, y que la cancelación se procese sin obstrucción cuando la persona hace clic en él.
La consecuencia práctica para quien testea es directa: toda variación tiene que mantener la cancelación a un clic, en la misma pantalla de la oferta, y el tiempo hasta cancelar de quien rechaza se vuelve un guardrail del test. Una variación que solo gana porque dificulta la salida no es una variación ganadora, es un riesgo jurídico medido con rigor estadístico.
Cómo armar el test paso a paso
- Escribe el plan antes de lanzar. Métrica primaria (pagantes a 60 días o ingreso neto por entrada), guardrails con umbral, ventana, efecto mínimo y regla de parada. El modelo está en plan de análisis preregistrado.
- Sortea en el clic en cancelar, por cuenta, con asignación fija. Registra el momento de entrada de cada cuenta.
- Mantén el botón de cancelar visible en todas las variaciones. Es un requisito de diseño, no un detalle de UX.
- Dimensiona por la métrica primaria, sumando la ventana de 60 días a la duración de la recolección.
- Revisa el SRM en la primera semana y otra vez antes de la lectura.
- Lee la pantalla como diagnóstico, los 30 días como señal y los 60 días como decisión, siempre solo con cohortes maduras.
- Decide con retención, ingreso y guardrails juntos. Si el ingreso sube y las quejas suben por encima del umbral, la oferta no pasó.
- Mantén un holdout pequeño después del lanzamiento para medir la reentrada al flujo y el efecto a largo plazo.
Errores comunes
- Decidir por la tasa de salvamento. Es el error que convierte un +35,8 por ciento sin significancia en un +340,0 por ciento “comprobado”.
- Medir solo a quienes aceptaron la oferta. Compara a quienes dudaban con todo el control.
- Leer la cohorte que todavía está dentro del descuento. Un descuento de tres meses leído el día 60 mide el descuento, no la retención.
- Volver a sortear en cada visita al flujo. Quien vuelve ve los dos brazos y contamina la comparación.
- Olvidar los guardrails de quejas y reembolsos. Una oferta que retiene la cuenta y genera reembolsos cuesta más de lo que salva.
- Testear una variación que esconde la cancelación. Gana en pantalla y pierde donde importa, incluso fuera del producto.
- Tratar la pausa como retención. Quien está en pausa no paga; lo que decide es quién vuelve a pagar.
- Ignorar el efecto de aprendizaje de la base. Un descuento recurrente en el flujo enseña a hacer clic en cancelar.
Haz esto automático en Donnu
El mayor riesgo en el test del flujo de cancelación es que la métrica que decide se elija después de que la pantalla muestre un número bonito. Con +340,0 por ciento en el panel, nadie quiere esperar 170 días para descubrir que la ganancia real era un tercio de lo prometido.
Donnu registra la configuración del experimento en el momento en que se crea, con la métrica primaria declarada, y mantiene el historial por experimento. Eso deja grabado, antes del primer resultado, que la decisión se tomaría por los pagantes a 60 días y no por la pantalla, que es la protección más barata contra el cambio de métrica a mitad de camino. La ventana de espera, los umbrales de los guardrails y el diseño honesto de la pantalla siguen siendo decisiones de tu equipo.
Para las cuentas de esta guía sin depender de ninguna herramienta, el verificador de SRM revisa el reparto, la calculadora de significancia lee cada ventana y la calculadora de tamaño de muestra dice cuánto tiempo exige la métrica correcta.
Referencias
- Federal Trade Commission. Bringing Dark Patterns to Light. Informe del personal, septiembre de 2022. Fuente de la definición de dark patterns como prácticas de diseño que engañan o manipulan a los usuarios para que tomen decisiones que de otro modo no tomarían y que pueden causar daño; de la categoría “obstáculos a la cancelación” (facilitar la suscripción y dificultar la salida); de la definición de “confirm shaming”; y del ejemplo, en la categoría de preguntas capciosas (trick questions), del botón “No, cancelar” que saca a la persona del camino de cancelación. ftc.gov.
- Presidência da República (Brasil). Decreto nº 11.034, del 5 de abril de 2022. Fuente del alcance (proveedores de servicios regulados por el Poder Ejecutivo federal) y del artículo 14: cancelación permitida por todos los medios disponibles para la contratación, efectos inmediatos salvo procesamiento técnico, comprobante y cancelación programada sujeta al consentimiento del consumidor. planalto.gov.br.
- Presidência da República (Brasil). Lei nº 8.078, del 11 de septiembre de 1990 (Código de Defensa del Consumidor). Fuente del artículo 6º, inciso IV, sobre la protección contra métodos comerciales coercitivos o desleales y prácticas abusivas, y del artículo 39, que enumera prácticas prohibidas al proveedor. planalto.gov.br.
- Federal Trade Commission. Negative Option Rule, regla final. Federal Register, 15 de noviembre de 2024. Fuente de la decisión de no adoptar el límite propuesto a los intentos de retención, del reconocimiento de que las ofertas pueden traer concesiones valiosas y de la salvedad de que el retiro no es una licencia para barreras, y de que los intentos de retención que obligan a navegar por ofertas o esperar un tiempo excesivo no son simples ni fáciles. federalregister.gov.
- Tribunal de Apelaciones de EE. UU., Octavo Circuito. Custom Communications, Inc. v. Federal Trade Commission, n.º 24-3137. Decisión del 8 de julio de 2025. Fuente de la anulación íntegra de la regla por falta del análisis regulatorio preliminar exigido cuando el impacto económico anual estimado llega a 100 millones de dólares, sin examen de las demás impugnaciones de fondo. ca8.uscourts.gov.
- Federal Trade Commission. Rule Concerning the Use of Prenotification Negative Option Plans, aviso anticipado de propuesta de regla. Federal Register, 13 de marzo de 2026. Fuente del plazo de comentarios hasta el 13 de abril de 2026, del historial de la regla de 2024 y de su anulación, y de las preguntas sobre ofertas de retención, incluido cuánto tiempo más tarda en cancelar quien rechaza la oferta. federalregister.gov.
- Federal Trade Commission. FTC Secures Historic $2.5 Billion Settlement Against Amazon. Comunicado del 25 de septiembre de 2025. Fuente de la multa civil de 1 mil millones de dólares, de los 1,5 mil millones en reembolsos, de la base legal (FTC Act y ROSCA) y de la exigencia de una forma fácil de cancelar por el mismo método usado para suscribirse. ftc.gov.
- Legislatura de California. AB 2863, Automatic renewal and continuous service offers. Aprobada el 24 de septiembre de 2024. Fuente de la regla que permite una oferta de retención en la cancelación en línea siempre que un botón o enlace directo de cancelar aparezca junto, de forma destacada y continua, y de su aplicación a contratos celebrados, modificados o renovados a partir del 1 de julio de 2025. leginfo.legislature.ca.gov.
Lee también: Growth experimentation para SaaS · Reduciendo el churn con experimentación · Test A/B de trial a pago · Análisis por disparo y dilución · Métricas de guardrail · Madurez de cohorte · Calculadora de significancia · Leia em português · Read in English
Preguntas frecuentes
- ¿Qué métrica usar en un test A/B del flujo de cancelación?
- La proporción de suscriptores que siguen pagando 30, 60 o 90 días después de entrar en el flujo, y el ingreso neto por persona que entró, contando a todos los que hicieron clic en cancelar, y no solo a quienes aceptaron la oferta. La tasa de salvamento en pantalla es una métrica de vanidad: en el ejemplo de esta guía, la oferta de descuento sube los salvados en pantalla de 5,00 a 22,00 por ciento, pero los pagantes a 60 días van solo de 4,42 a 6,00 por ciento.
- ¿Por qué engaña la tasa de salvamento?
- Porque mide una decisión tomada en segundos, y el descuento solo aplaza la cancelación de buena parte de quienes lo aceptan. En el ejemplo trabajado, el 88,33 por ciento de quienes desistieron de cancelar en el control seguía pagando el día 60, contra el 27,27 por ciento de quienes aceptaron el descuento. De las 204 personas salvadas de más por la oferta, solo 19 eran pagantes de más el día 60.
- ¿Dónde sortear a los usuarios en un test del flujo de cancelación?
- En el clic en cancelar, por cuenta o suscripción, con la asignación fija para siempre. Sortear la base entera diluye el efecto entre quienes nunca intentaron cancelar, y volver a sortear en cada visita al flujo mezcla los brazos para quien regresa. El análisis incluye a todos los que fueron sorteados, incluso a quien cerró la pestaña antes de ver la oferta, y empieza por la verificación de reparto desigual de tráfico.
- ¿Cuánto dura un test A/B de oferta de retención?
- El tiempo de juntar la muestra más la ventana de la métrica. Con 2.400 entradas al flujo por mes, una base de 4,4 por ciento de pagantes a 60 días y un efecto mínimo de más 30 por ciento relativo, la calculadora pide 4.327 entradas por variación y 110 días de recolección. Sumando los 60 días para que madure la última cohorte, la lectura limpia llega el día 170.
- ¿Una oferta de retención en la cancelación es dark pattern?
- No por sí sola. Se vuelve dark pattern cuando entorpece la cancelación: pantallas en serie, un botón que dice cancelar y no cancela, un texto que avergüenza a quien rechaza. La ley de California, aplicable a contratos celebrados, modificados o renovados desde julio de 2025, permite una oferta en la cancelación en línea siempre que el botón de cancelar aparezca junto a ella, y en la justificación de la regla federal de 2024, después anulada, la FTC escribió que los intentos de retención que obligan al consumidor a sortear obstáculos irrazonables no son simples ni fáciles.
- ¿Está vigente la regla click to cancel de la FTC?
- No, al menos hasta septiembre de 2026. La FTC aprobó la regla en octubre de 2024, y el Tribunal de Apelaciones del Octavo Circuito la anuló por completo el 8 de julio de 2025, por un fallo de procedimiento: faltó el análisis regulatorio preliminar exigido por la ley. En marzo de 2026 la FTC abrió un nuevo proceso con un aviso anticipado de propuesta de regla y pidió comentarios hasta el 13 de abril de 2026, incluso sobre ofertas de retención. Hasta septiembre de 2026, no se había publicado ninguna propuesta de texto en el Federal Register, y la fiscalización con base en la ley ROSCA continúa.