Calculadora de impacto de la velocidad en la conversión

Toda presentación sobre rendimiento web repite la misma frase: cada segundo cuesta un 7% de conversión. Casi ninguna enseña la cuenta, y ninguna dice qué hacer con el número después. Esta página hace las dos cosas. Parte de un tiempo de carga y llega a ingresos, con el modelo abierto y ajustable, y termina donde debería terminar siempre una estimación: en el tamaño de muestra necesario para convertir la suposición en hecho medido.

Si ya sabes qué ganancia de conversión esperas y solo quieres traducirla a dinero, la herramienta correcta es otra: la calculadora de impacto de la tasa de conversión en los ingresos, que parte de una variación de tasa ya conocida. Esta resuelve el paso anterior, el más difícil: estimar qué variación de tasa esperar a partir de un cambio de velocidad.

Cómo usarla

1. Rellena el tráfico mensual, la tasa de conversión actual y el valor medio por conversión del flujo que quieres acelerar. Usa un mismo periodo y una misma familia de páginas.
2. Indica el LCP actual. Toma el valor de campo, del informe de experiencia real de Google o de la pestaña de datos reales de PageSpeed Insights, y no el número de laboratorio, que suele ser más optimista.
3. Define el LCP objetivo, es decir, adónde puede llegar ingeniería de forma realista. Si no hay estimación técnica, usa 2,5 segundos, el límite de la franja buena de Core Web Vitals.
4. Elige la elasticidad. La moderada, del 7% por segundo, es la referencia por defecto. Usa la conservadora para defender una inversión ante un financiero escéptico y la agresiva solo como escenario de techo.
5. Lee el resultado al revés: empieza por la línea del test. Si la ganancia estimada exige más visitantes de los que tienes, el número sirve para priorizar la tarea, nunca para prometer un resultado a nadie.

Cómo funciona: la fórmula

El modelo es una elasticidad constante por segundo, aplicada de forma compuesta sobre la tasa actual:

Donde e es la ganancia relativa por segundo ahorrado (0,07 en la elasticidad moderada). La composición, en lugar de una multiplicación simple por segundos, es lo que mantiene la cuenta coherente en ambos sentidos: ahorrar dos segundos al 7% vale 1,07 al cuadrado, y el camino de vuelta deshace exactamente la misma ganancia, cosa que la versión lineal no logra. Dos frenos mantienen honesto el modelo: el crédito se detiene en 0,8 segundos, porque por debajo no hay evidencia pública que sostenga la extrapolación, y la ganancia total está limitada al 100%, porque la velocidad sola no duplica la conversión de ningún sitio.

Ejemplo trabajado (reproduce el resultado por defecto)

Con los valores que vienen precargados: 120.000 visitantes al mes, tasa del 2,2%, ticket de 180 €, LCP pasando de 4,2s a 2,5s y elasticidad moderada del 7% por segundo. Los segundos acreditados son 4,2 − 2,5 = 1,7, ya que ambos tiempos están por encima del suelo. El multiplicador es 1,07^1,7, es decir e^{1,7 × ln 1,07} = e^0,11502 = 1,12190, una ganancia relativa del 12,2%.

La tasa estimada pasa de 2,2% a 2,2 × 1,12190 = 2,47%, una diferencia de 0,27 puntos porcentuales. En volumen, las conversiones mensuales van de 120.000 × 0,022 = 2.640 a 2.962, es decir 322 conversiones más al mes. Multiplicando por el ticket de 180 €, los ingresos adicionales son de 57.925 € al mes y 695.097 € al año.

La tarjeta del valor de un segundo usa otra cuenta, más simple e independiente del objetivo: los ingresos actuales del flujo son 2.640 × 180 € = 475.200 € al mes, y el 7% de eso son 33.264 € al mes, o 399.168 € al año. Suele ser el número que cierra la discusión de prioridad del backlog, porque existe aunque nadie apruebe ningún proyecto: es lo que cobra la lentitud cada mes mientras el tema sigue parado.

Por último, la línea del test. Detectar una ganancia relativa del 12,2% sobre una base del 2,2%, con 95% de confianza y 80% de potencia, exige 49.759 visitantes por variante. Con 120.000 visitantes al mes repartidos en dos grupos, eso da unos 26 días de test. Es una buena noticia disfrazada de detalle técnico: en este escenario la ganancia es lo bastante grande para demostrarse, y no solo para alegarse.

Los tres modelos en el mismo escenario

La tabla siguiente mantiene todo constante y cambia solo la elasticidad, para dejar visible cuánto domina el resultado final la elección del modelo.

De la más conservadora a la más agresiva el resultado se multiplica por cuatro con los mismos datos de entrada. De ahí una regla de uso sencilla: presenta siempre el rango, nunca un número solitario. Un business case que abre con la cifra conservadora y menciona la agresiva como techo sobrevive a la pregunta difícil de la reunión; el que abre con la agresiva pierde toda la credibilidad en cuanto alguien pregunta de dónde salió.

Cuánto vale cada segundo, con la elasticidad moderada

Fíjate en que el efecto es compuesto, no lineal: cuatro segundos no valen cuatro veces lo que vale uno. Eso importa al trocear el proyecto, porque la primera mitad de la optimización casi siempre es más barata que la segunda, mientras que el retorno de ambas es parecido. Recortar de 6s a 4s suele costar una décima parte del esfuerzo de recortar de 3s a 2s, y entrega una ganancia mayor.

Por qué LCP y no tiempo total de carga

El modelo pide LCP porque esa métrica es la que más se acerca a lo que percibe el visitante. El tiempo total de carga incluye cosas que nadie espera, como píxeles de seguimiento y scripts que suben después de que la pantalla ya es usable, así que tiende a exagerar el problema. La franja oficial de Core Web Vitals es la vara a usar: hasta 2,5 segundos es bueno, entre 2,5 y 4 segundos necesita mejorar, y por encima de 4 segundos es malo. La herramienta clasifica tu tiempo actual y tu objetivo con esa misma vara, justo debajo del resultado.

Usa siempre el dato de campo, recogido de visitantes reales, y no el de laboratorio. La diferencia entre ambos suele ser de segundos enteros, porque el laboratorio corre en red estable, sin extensiones y sin la cola de aparatos antiguos que tiene tu público real. Un business case construido sobre números de laboratorio sobrestima lo bien que estás y subestima el tamaño del problema.

Cómo interpretarla y dónde engaña este modelo

El primer límite es el importante: correlación no es causa. Los estudios que sostienen cualquier elasticidad de velocidad comparan sitios y sesiones rápidas contra lentas, y un sitio rápido suele tener mejor equipo de ingeniería, producto más cuidado y tráfico más cualificado. Existe además un efecto de selección dentro del mismo sitio, porque las sesiones lentas concentran aparatos viejos, redes malas y regiones más pobres, que ya convertirían menos por otros motivos. El efecto puramente causal de la velocidad es menor que el observado, y por eso existe la elasticidad conservadora.

El segundo es que la respuesta no es uniforme entre públicos. En flujos de alta intención, como el regreso de un cliente antiguo para recomprar, la tolerancia a la lentitud es mucho mayor. En descubrimiento y tráfico pago frío es menor: quien llegó desde un anuncio abandona rápido porque no había invertido nada en la visita. Si tu tráfico es mayoritariamente de intención alta, usa la elasticidad conservadora.

El tercero es la media que esconde la cola. Un LCP medio de 4,2 segundos puede significar la mitad del público en 2 segundos y la otra mitad en 6, y es esa segunda mitad la que carga casi todo el perjuicio. Antes de estimar una ganancia media, mira el percentil 75 por dispositivo, que es justo el corte que usa Google. Muchas veces el proyecto correcto no es acelerar el sitio entero, sino arreglar el peor segmento, casi siempre móvil en red celular. Para dimensionar esa diferencia, la calculadora de brecha móvil frente a escritorio es el complemento natural de esta página.

El cuarto es el techo. Una vez que el LCP entra en la franja buena, el retorno cae rápido y el esfuerzo de ingeniería sube. Pasar de 5s a 2,5s suele ser el proyecto de mayor retorno de la lista; pasar de 2,0s a 1,5s rara vez paga su propio coste, y es donde muchos equipos buenos queman un trimestre entero por orgullo de nota, no por resultado.

Qué hacer con el número

• Usa la estimación para priorizar, comparando la ganancia anual con el coste del proyecto y con el resto de la cola.
• Presenta siempre el rango, del conservador al agresivo, y di cuál tomas como caso base.
• Si la línea del test indica un plazo viable, lanza el test y sustituye la estimación por el dato real. Una ganancia medida vale más que una prevista en cualquier conversación futura de presupuesto.
• Si el test no cabe en tu tráfico, mide el antes y el después con cuidado, comparando ventanas equivalentes de semana y de mix de canal, y asume de forma explícita que el resultado arrastra contaminación estacional.
• Registra el LCP junto al resultado de cada test que lances. Sin eso, una regresión de rendimiento en mitad de un experimento se vuelve un misterio permanente.

Preguntas frecuentes

¿Cuánto afecta la velocidad del sitio a la conversión?

La referencia más citada del mercado es una caída relativa del 7% en la conversión por cada segundo extra de carga, cifra popularizada por estudios de Akamai. Existen lecturas más conservadoras, cerca del 3% por segundo, y otras bastante más agresivas, por encima del 12% por segundo, que salen de curvas observacionales como la de Portent. La calculadora te deja elegir cuál usar porque la diferencia entre ellas multiplica el resultado varias veces, y fingir que existe un número único es el error más común de los business case de velocidad.

¿Qué es el LCP y por qué la calculadora usa ese tiempo?

LCP es Largest Contentful Paint, la métrica de Core Web Vitals que marca cuándo termina de aparecer el elemento visible más grande de la página. Es la mejor aproximación disponible al momento en que el visitante siente que la página cargó, y es la que Google publica por URL en su informe de experiencia real. Por eso vale más que el tiempo total de carga o que el número sintético de una herramienta de laboratorio: lo que cambia el comportamiento es el tiempo percibido, no el instante en que terminó el último script.

¿Esta ganancia de conversión está garantizada?

No, y ninguna calculadora de impacto de velocidad puede prometerlo. Las elasticidades públicas vienen de estudios observacionales, donde un sitio rápido suele ser también un sitio mejor cuidado, con mejor producto, mejor checkout y mejor tráfico. Parte del efecto medido pertenece a esas otras causas. Lo que entrega la estimación es un orden de magnitud para priorizar trabajo, y por eso la herramienta muestra además cuántos visitantes harían falta para probar la misma ganancia en un test controlado.

¿Por qué el modelo deja de contar por debajo de 0,8 segundos?

Porque ahí desaparece la evidencia pública. Casi todos los estudios comparan franjas de 1 a 5 segundos o más, y extrapolar la misma elasticidad hasta 300 milisegundos produce números de fantasía. El suelo de 0,8 segundos es un freno deliberado: mejorar de 1,0s a 0,3s acredita solo 0,2s de ganancia en el modelo, y la herramienta avisa cuando parte de la mejora quedó bajo ese suelo. La ganancia real por debajo de un segundo existe, pero es demasiado pequeña para estimarla con elasticidades de mercado.

¿Cómo pruebo la ganancia de velocidad en un test A/B?

Divide el tráfico entre la versión actual y la versión optimizada de la misma página y mide la conversión de ambos grupos, igual que en cualquier test. El detalle que tumba la mayoría de los intentos es el tamaño de muestra: con los valores por defecto de esta página, la ganancia estimada del 12,2% exige unos 49.759 visitantes por variante para detectarse con 95% de confianza y 80% de potencia, alrededor de 26 días. Si tu cuenta da meses, la ganancia estimada es demasiado pequeña para tu tráfico y el número sirve para priorizar, no para comprobar.

¿Conviene más optimizar la velocidad o la página en sí?

Compara ambas con la misma vara, que es lo que permite esta calculadora. La velocidad suele rendir ganancias de un dígito porcentual y tiene techo: una vez que el LCP entra en la franja buena de Core Web Vitals, cada décima extra cuesta mucho y devuelve poco. Los cambios de oferta, prueba social y claridad de la página suelen tener más potencial y techo más alto, pero también fallan con más frecuencia. La lectura práctica: saca la página de la franja mala primero, porque la lentitud grave envenena cualquier test posterior, y solo entonces pelea por puntos porcentuales en el contenido.

Continúa

Si el siguiente paso es probar la ganancia, empieza por la calculadora de tamaño de muestra y la calculadora de duración del test. Si la duda es dónde pierde gente el embudo antes de cualquier trabajo técnico, usa la calculadora de embudo. Y para el contexto completo de priorización, la guía de optimización de conversión y la de optimización de checkout muestran dónde entra la velocidad en la cola de cosas que mueven una tasa.