Test A/B de Upsell y Cross-Sell: un Marco Práctico

El test A/B de upsell y cross-sell funciona como cualquier otro test de oferta: dos versiones, tráfico dividido al azar, y una decisión basada en ingreso, no en corazonadas. El error que la mayoría comete no es estadístico, es de métrica: medir solo la tasa de aceptación del upsell aislado, o solo la conversión del producto complementario, esconde el efecto real. La métrica correcta es el ingreso incremental por visitante (en ecommerce) o por cliente (en SaaS) del embudo completo, porque una oferta puede convertir muy bien por su cuenta y, al mismo tiempo, reducir cuántas personas cierran la compra, o aumentar la cancelación algunos meses después. Este artículo complementa la guía completa de test A/B de precio y cubre dónde testear (checkout, post-compra, dentro del producto), qué medir de verdad, un ejemplo trabajado con números reales y las trampas que hacen que un upsell demasiado agresivo destruya más ingreso del que crea.

Upsell y cross-sell no son la misma oferta

Los dos términos se vuelven sinónimos en el día a día, pero el riesgo de cada uno es diferente, y eso cambia cómo debes diseñar el test:

• Upsell: ofrecer una versión más cara de lo que la persona ya está comprando o usando. En un ecommerce, es el producto de línea superior (“llévate el modelo Pro por R$ 80 más”). En un SaaS, es subir de plan o de tier (“mejora al plan Business”). El upsell compite con la decisión original: reabre la pregunta “cuánto quiero gastar”, y por eso puede hacer que parte del público dude de nuevo y desista.
• Cross-sell: ofrecer algo diferente y complementario a lo que ya fue decidido. En un ecommerce, es el accesorio o el producto relacionado (“añade esto a tu carrito”). En un SaaS, es un add-on o un módulo extra. El cross-sell suma a una compra ya cerrada, así que suele tener menos fricción, aunque igual puede distraer y estorbar a quien solo quiere terminar el checkout.

En ambos casos, el test A/B sigue el mismo marco: variar la oferta (o el momento en que aparece), medir el efecto en el ingreso agregado, y vigilar guardrails específicos del canal. La diferencia está en la lectura de los resultados, no en el diseño.

Dónde aparece la oferta: los puntos de test en ecommerce y SaaS

Antes de decidir la métrica, decide el momento. Ecommerce y SaaS tienen recorridos diferentes, y cada punto de oferta carga un riesgo distinto:

Contexto	Dónde suele aparecer la oferta	Cuidado principal
Ecommerce, antes del checkout	Cross-sell en el carrito (“quien compró esto también llevó”)	La fricción extra puede reducir la finalización del checkout; testea la oferta de forma aislada, sin cambiar nada más en la página
Ecommerce, post-compra	Upsell o cross-sell en la página de confirmación del pedido, con la venta principal ya garantizada	Menor riesgo para el guardrail de conversión, pero exige un paso extra de aceptación que puede molestar si aparece todo el tiempo
SaaS, dentro del producto	Upsell de plan cuando el uso alcanza un límite (almacenamiento, usuarios, llamadas de API)	El momento importa: cobrar por un límite genuino convierte mejor e irrita menos que empujar un upgrade sin motivo aparente
SaaS, renovación de contrato	Upgrade ofrecido en el momento de renovar o de expandir el equipo	Ciclo de decisión más largo; el test necesita cubrir al menos un ciclo de cobro completo para capturar cancelaciones tardías

La métrica que decide el test (y por qué la obvia engaña)

Aquí está el error que invalida la mayoría de los tests de upsell y cross-sell que se ven por ahí: elegir como métrica primaria la tasa de aceptación de la propia oferta, aislada del resto del embudo. Una oferta puede tener una tasa de aceptación excelente y, aun así, ser un mal resultado para el negocio, porque puede haber alejado gente de la compra original, o porque el cliente que aceptó cancela antes que quien no recibió la oferta.

La métrica primaria correcta es el ingreso incremental por visitante (ecommerce) o por cliente (SaaS) del embudo completo: suma el ingreso de todos los que pasaron por el test, de ambos lados, y divide por el total de personas que entraron en el experimento. Trata como métricas de apoyo y de guarda:

Qué medir	Por qué engaña o por qué funciona
Incorrecto (aislado): tasa de aceptación del upsell	Ignora el efecto en la conversión general y en el churn futuro; una oferta puede “ganar” de forma aislada y aun así reducir el ingreso del conjunto
Incorrecto (aislado): ticket medio solo de quien aceptó	Mide solo a quien ya convirtió con la oferta, no dice nada sobre a quién la oferta alejó del embudo
Correcto: ingreso incremental por visitante o cliente del embudo completo	Captura la ganancia de ticket medio y la pérdida de conversión al mismo tiempo; es la única lectura que no puede ser engañada por canibalización
Guardrail: conversión general (checkout completo, o activación del plan)	No puede caer de forma relevante; si cayó, la oferta está alejando gente, no solo reposicionando la elección
Guardrail (SaaS): churn o cancelación en el ciclo siguiente	Un upsell aceptado bajo presión tiende a cancelar antes; sin ese guardrail, celebras un upgrade que se convierte en churn dos meses después

Nota el patrón: la métrica equivocada casi siempre “gana” más fácil, porque mide solo la parte buena de la historia. La métrica correcta es más difícil de mover, y es exactamente por eso que es la que importa.

Un test de upsell post-compra, con números reales

Vamos a simular un test común: un upsell mostrado en la página de confirmación del pedido (después del pago, así que sin riesgo para la conversión del checkout en sí). El control (A) muestra el cross-sell actual, genérico; la variación (B) muestra una oferta reformulada, más relevante a lo que la persona acaba de comprar.

Primero, el guardrail. La finalización del checkout tiene que quedar igual en ambos lados, porque el cambio ocurre solo después del pago: de 8.000 visitantes que llegan al carrito en cada variación, 6.000 completan la compra de los dos lados, una tasa del 75% en ambos.

Ahora, la oferta en sí. De los 6.000 pedidos de cada lado, el cross-sell post-compra (precio fijo de R$ 79) fue aceptado por 480 pedidos en A (8,0%) y 570 pedidos en B (9,5%). Pega 6.000 visitantes y 480 conversiones en el control, y 6.000 y 570 en la variación, en la calculadora de abajo:

Control (A)

VisitantesConversiones

Variación (B)

VisitantesConversiones

Confianza90%95%99%

Control (A) · Tasa-

Variación (B) · Tasa-

Mejora relativa-

valor-p-

IC 95% de la diferencia-

Test z bilateral de dos proporciones. "Sin significancia" casi siempre significa que falta muestra, no que las versiones sean iguales.

El resultado: mejora relativa de +18,75%, valor p de 0,0036 (bastante por debajo de 0,05), con intervalo de confianza del 95% de la diferencia entre +0,49 y +2,51 puntos porcentuales. B gana con holgura estadística.

Como el precio del upsell es fijo (R$ 79 en ambos lados), el ingreso incremental por pedido proveniente de la oferta es proporcional a la propia tasa de aceptación: R$ 6,32 por pedido en A (480 × R$ 79 ÷ 6.000) contra R$ 7,51 por pedido en B (570 × R$ 79 ÷ 6.000), la misma ganancia de +18,75%. Sumando al valor medio del pedido antes del upsell (R$ 180, igual de los dos lados, porque el guardrail de conversión no cambió), el ingreso total por visitante que llegó al carrito sube de R$ 139,74 a R$ 140,63:

Un detalle importante: esa equivalencia entre tasa de aceptación e ingreso incremental solo vale porque el precio del upsell es fijo en los dos lados. Si testeas upsells con precios diferentes (por ejemplo, ofreciendo un artículo más caro en la variación), la tasa de aceptación por sí sola puede engañar de nuevo, y necesitas calcular el ingreso agregado a mano, exactamente como en el test de anclaje de precio.

Cómo diseñar el test sin contaminar los grupos

El diseño correcto evita dos problemas: medir el efecto equivocado, y medir un efecto real de forma sucia.

Cinco cuidados prácticos, en el orden en que suelen olvidarse:

1. Aísla la variable testeada. Cambia solo la oferta o solo el momento en que aparece. Si además tocas el precio, el diseño de la página o el producto recomendado al mismo tiempo, no vas a saber qué causó el efecto.
2. Sorteo único y estable desde el primer contacto. El visitante entra en el experimento la primera vez que se cruzaría con la oferta, y mantiene la misma versión en todo el resto del recorrido, incluidas las visitas de retorno antes de decidir (común en SaaS B2B).
3. Guardrail acorde al canal. En ecommerce, el guardrail inmediato es la finalización del checkout. En SaaS, suma un guardrail de mediano plazo: cancelación o downgrade en el ciclo de cobro siguiente, no solo en el día de la oferta.
4. Duración que cubra el ciclo correcto. Una oferta post-compra en ecommerce puede leerse en días. Un upsell de plan en SaaS necesita correr al menos un ciclo de cobro completo, porque el riesgo de cancelación aparece después, no en el momento de la aceptación.
5. Ambas versiones en vivo al mismo tiempo. Nunca compares “este mes con la oferta nueva” contra “el mes pasado con la antigua”: la estacionalidad de ventas (fechas comerciales, cierre de trimestre en B2B) distorsiona cualquier lectura de ingreso.

Las trampas: cuando el upsell agresivo destruye más de lo que crea

• Oferta forzada antes de concluir la compra. Según el Baymard Institute, en tests de usabilidad de checkout, el 66% de los usuarios que pasaron por un paso separado y obligatorio de cross-sell en el checkout de Amazon reportaron frustración extrema con ese paso. El cross-sell que exige una decisión activa antes de seguir adelante se percibe como agresivo, y eso se traduce en caída de conversión, no solo en quejas.
• Tasa de aceptación fuera de la curva, sin explicación. Según CartHook, plataforma enfocada en upsells post-compra, la tasa media de aceptación ronda el 4%, pudiendo superar el 10% en ofertas bien ejecutadas y muy relevantes a lo que ya fue comprado. Una tasa muy por encima de eso, sin una explicación clara (oferta con descuento agresivo, producto casi gratuito), suele ser señal de que el cliente está aceptando por confusión o por presión de interfaz, no porque quiera eso, y ese tipo de aceptación tiende a generar devolución o insatisfacción después.
• Upsell de plan empujado sin señal de uso real. En SaaS, ofrecer un upgrade a quien no alcanzó ningún límite (solo por calendario, o por meta interna de expansión) tiende a convertir peor y, cuando convierte, a cancelar más rápido en el ciclo siguiente. Es canibalización de LTV disfrazada de victoria de corto plazo: el upgrade aparece como ingreso adicional en el mes, y como churn en el trimestre.
• Medir el upsell separado de la canibalización del producto principal. Si el cross-sell empuja tanto que la persona cambia el artículo principal del carrito por una versión más barata para “que quepa” en el presupuesto total, el test que mira solo la oferta secundaria nunca va a ver esa pérdida.

Error	Señal de alerta	Corrección
Medir solo la tasa de aceptación de la oferta	“¡El upsell convirtió excelente!” sin revisar el resto del embudo	Mide el ingreso incremental por visitante o cliente del embudo completo
Ignorar el guardrail de conversión general	La finalización del checkout o la activación cayó, pero nadie lo miró	Trata la conversión general como métrica de guarda obligatoria
Ignorar el guardrail de churn (SaaS)	El upgrade parece un éxito en el mes, la cancelación sube en el siguiente	Corre el test durante al menos un ciclo de cobro completo
Oferta forzada antes del checkout	Paso extra y obligatorio para seguir con la compra	Prefiere el post-compra, o haz que el paso pre-compra sea opcional y discreto
Testear oferta y precio al mismo tiempo	Cambió el producto recomendado y el descuento juntos	Aísla una variable por test

Hazlo automático en Donnu

Deja de adivinar si tu upsell aumenta o destruye el ingreso. Donnu A/B mide el test por la métrica que de hecho decide, el ingreso agregado por visitante o por cliente, con el mismo motor de significancia bayesiana usado en cualquier experimento tuyo, y con guardrails configurables para conversión general y para churn en el ciclo siguiente. No necesitas montar esa cuenta a mano cada vez que testeas una oferta de upsell o cross-sell.

Empieza una prueba gratis de 14 días y corre el próximo test de oferta midiendo lo que realmente mueve el ingreso. Mira también la guía completa de test A/B de precio, el anclaje de precio en test A/B y el test A/B de paywall freemium.

---

Lee también: Test A/B de precio: la guía completa · Anclaje de precio en test A/B · Test A/B de paywall freemium

Referencias

• Baymard Institute. 327 “Cross-Sells” Design Examples (incluye el dato sobre frustración de usuarios con el cross-sell obligatorio en el checkout de Amazon). baymard.com/checkout-usability/benchmark/step-type/cross-sell.
• CartHook. What is the Conversion Rate for Post-Purchase Upsell? carthook.com/blogs/wiki/what-is-the-conversion-rate-for-post-purchase-upsell.
• Kohavi, R., Tang, D. y Xu, Y. Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press, 2020. Material de apoyo en experimentguide.com.