VWO: Análisis Completo 2026 (Funciones, Precio y Límites)

VWO es una de las suites de optimización más completas del mercado, y esa es al mismo tiempo su mayor fuerza y su principal filtro sobre quién debería contratarla. No es solo una herramienta de test A/B: es un conjunto de módulos que cubre experimentación en página, mapa de calor, grabación de sesión, investigación con usuarios, personalización y experimentación server-side, vendido por contrato cotizado. Este análisis cubre qué hace bien, qué cobra, dónde están las limitaciones reales y para qué tipo de operación cierra la cuenta. Para el panorama completo de la categoría, mira la comparación neutral de herramientas de test A/B.

Aviso de transparencia antes de cualquier línea: Donnu es una herramienta de test A/B y, por lo tanto, compite con VWO en parte del alcance. Este texto fue escrito para ser útil incluso para quien va a elegir VWO al final, y la sección sobre dónde es claramente la elección correcta está aquí exactamente por eso.

Qué es VWO, en una frase por módulo

Módulo	Qué hace	A quién suele importarle
Test en página	Test A/B, split URL y multivariado con editor visual	Marketing, sin depender de un deploy
Insights (comportamiento)	Mapa de calor, grabación de sesión, embudo, formularios	Quien necesita la hipótesis antes del test
Investigación con usuarios	Encuesta en el sitio, feedback, test de usabilidad	Equipo que quiere el porqué, no solo el cuánto
Personalización	Reglas de segmentación y contenido por audiencia	Operación con público segmentado y volumen
Experimentación server-side	SDKs, feature flags y rollout controlado	Ingeniería y producto

La elección entre VWO y una herramienta menor rara vez es sobre la calidad del test A/B en sí. Es sobre si necesitas las filas 2 a 5 de esa tabla en la misma plataforma, con el mismo login, la misma audiencia y la misma base de datos de comportamiento. Quien necesita eso tiene poquísimas alternativas reales; quien no lo necesita está comprando complejidad que va a pagar todos los meses.

Precio: qué se puede afirmar con honestidad

Poca cosa, y ese es el hallazgo. En la comprobación de la página oficial de precios hecha para este blog, los planes aparecían nombrados (Growth, Pro, Enterprise) con las funcionalidades de cada uno listadas y ningún valor en dólares publicado. Existe un camino para empezar por cuenta propia sin hablar con ventas, pero sin duración ni límite divulgados ahí.

Lo que determina el precio final, en la categoría entera y no solo en VWO, son cuatro variables:

• Volumen de usuarios testeados por mes, la base de casi todo contrato de la categoría.
• Qué módulos entran, ya que la suite se vende por partes y activar más sube el valor incluso con el mismo tráfico.
• Número de dominios o proyectos cubiertos por el contrato.
• Duración del compromiso, con descuento por plazo mayor, que es donde el descuento suele aparecer de verdad.

La recomendación práctica vale para cualquier cotización de esa categoría: pide el número por franja de tráfico y por módulo, por separado, y pide qué pasa si el tráfico desborda la franja a mitad de contrato. Es esa última cláusula la que produce las sorpresas. La guía de precios de herramientas de test A/B detalla cómo montar la comparación sin caer en la trampa de comparar cotizaciones que no son comparables.

Un contexto que importa para cualquier número que veas circulando: en enero de 2026, la empresa detrás de VWO y AB Tasty anunciaron la fusión de las dos compañías en una única plataforma, con Everstone Capital detrás del negocio, según el anuncio conjunto de las dos empresas el 20 de enero de 2026. Una consolidación así reorganiza paquete y posicionamiento de precio sin aviso, lo que es un motivo más para desconfiar de una tabla de precios congelada en un blog de terceros, incluidas las tablas antiguas de este mercado.

SmartStats: qué cambia cuando la estadística es bayesiana

Este es el punto más interesante de la herramienta desde el punto de vista técnico, y el peor comprendido por los usuarios. Desde 2016 VWO usa un motor bayesiano propio, SmartStats, en lugar del test frecuentista clásico. La interfaz no muestra un valor p: muestra una probabilidad de que la variación sea mejor que el control y una estimación de pérdida potencial al elegir mal.

El enfoque es legítimo y bien fundamentado, y resuelve un problema real: la pregunta que hace el responsable (“¿cuál es la probabilidad de que B sea mejor?”) es literalmente la pregunta que responde el método bayesiano, mientras que el valor p responde otra cosa. El riesgo está en la lectura, porque los dos números no son intercambiables y pueden discrepar sobre exactamente los mismos datos.

El ejemplo trabajado: los mismos datos, dos veredictos

Un test corre hasta 8.000 visitantes por variación. El control (A) cierra con 320 conversiones (4,00%) y la variación B con 368 conversiones (4,60%), un lift relativo observado de +15,0%.

Lectura frecuentista, con el mismo motor de dos proporciones usado en todo este blog:

• Puntuación z: 1,87. Valor p bilateral: 0,061.
• Intervalo de confianza del 95% de la diferencia: de −0,029 a +1,229 puntos porcentuales, cruzando el cero por poco.
• Veredicto al corte de 0,05: no significativo. Sigue recolectando.

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.

Lectura bayesiana, con un prior uniforme Beta(1,1) y el mismo conjunto de datos:

• Probabilidad de que B sea mejor que A: 96,9%.
• Pérdida esperada al elegir B y estar equivocado: 0,0038 puntos porcentuales (la calculadora de abajo redondea la visualización a 0,00 pp, porque es un valor despreciable en esa escala).
• Pérdida esperada al quedarse con A y estar equivocado: 0,60 puntos porcentuales.
• Veredicto por regla de pérdida esperada: puede parar y adoptar B, porque el costo de estar equivocado al elegir B es despreciable frente al costo de mantener A.

A (control)

VisitantesConversiones

B (variación)

VisitantesConversiones

-probabilidad de que B le gane a A

Tasa de A (posterior)-

Tasa de B (posterior)-

Probabilidad de que A gane-

Riesgo al elegir B (pérdida esperada)-

Mejora relativa (medias)-

Modelo Beta-Binomial con prior uniforme Beta(1,1) e intervalo de credibilidad del 95%. Cálculo determinístico, recalcula en vivo.

Tres salvedades de honestidad sobre ese ejemplo, y sí importan:

1. Los números bayesianos de arriba salieron del motor de este blog, con prior uniforme Beta(1,1). SmartStats usa priors y reglas propias, así que el número exacto que VWO mostraría en el mismo escenario probablemente sería distinto. Lo que el ejemplo demuestra es la diferencia de naturaleza entre las dos lecturas, no una reproducción de la pantalla de VWO.
2. Ninguno de los dos métodos es el correcto. El bayesiano tiende a permitir decidir antes y a expresar el riesgo en unidad de negocio, lo que es una ventaja real. El frecuentista con tamaño de muestra fijado de antemano tiene una garantía de error de largo plazo que el bayesiano con parada libre no ofrece gratis.
3. El riesgo práctico es el mismo por ambos lados: parar demasiado pronto. A los 3.000 visitantes por variación, con 120 contra 138 conversiones y el mismo lift del 15%, el valor p sería 0,252 y la probabilidad bayesiana 87,4%. Ninguno de los dos autoriza la decisión, y es justo ahí donde la mayoría de los equipos decide.

Si este tema es nuevo para tu equipo, vale leer priors bayesianos explicados y pérdida esperada en test bayesiano antes de configurar cualquier regla de parada, sea en VWO o en cualquier otra herramienta.

Análisis de VWO: puntos fuertes reales

• Amplitud de suite. Test, comportamiento, investigación y personalización en la misma plataforma, con la misma definición de audiencia. Pocas herramientas cubren eso de punta a punta sin integración externa.
• Editor visual maduro. Años de iteración en un editor que sobrevive a sitios reales, lo que no es trivial. Marketing consigue montar una variación sin depender de un deploy.
• Estadística explicitada. El motor bayesiano está documentado públicamente, y la interfaz muestra probabilidad y pérdida potencial en vez de esconder la estadística detrás de un sello de ganador.
• Cobertura de casos avanzados. Multivariado, split URL, segmentación y experimentación server-side existen en el portafolio, lo que evita cambiar de herramienta cuando el programa madura.

Limitaciones y puntos de atención

• Precio opaco por diseño. No hay forma de estimar el costo sin pasar por una conversación comercial, lo que es un costo de tiempo real en la fase de evaluación y dificulta la comparación con herramientas de precio público.
• Complejidad proporcional a la amplitud. Una suite con cinco módulos exige a alguien que la domine. Sin un dueño claro, buena parte de lo contratado no se usa.
• Test client-side y rendimiento. Como toda herramienta que aplica la variación en el navegador, exige cuidado con el efecto de parpadeo y con el peso del script, especialmente en un sitio que persigue una nota alta de rendimiento. Es un cuidado de la categoría, no un defecto exclusivo de ella.
• Contrato anual en un mercado en consolidación. Con la fusión anunciada en 2026, los plazos largos merecen más atención que lo normal, y mantener los datos de experimento exportables pasa a ser una exigencia práctica, no paranoia.

Cómo evaluar VWO en un piloto, sin perder tiempo

La evaluación de una suite suele volverse una demostración asistida, que muestra el producto en el mejor escenario posible. Un piloto honesto es corto y responde a preguntas que la demostración no responde. Cinco comprobaciones que valen más que cualquier comparativo de funcionalidades:

Comprobación	Cómo hacerla	Qué revela
Efecto en el rendimiento de la página	Medir la página con y sin el script, en el mismo dispositivo y red	Si el test cuesta nota de rendimiento y cuánto
Parpadeo de la variación	Abrir la página con conexión lenta simulada y observar el primer segundo	Si el visitante ve el control antes que la variación
División real de tráfico	Correr un test A/A durante algunos días y comprobar la proporción	Si la división es estable y sin desvío de muestra
Lectura estadística	Comparar el número de la herramienta con el mismo cálculo hecho fuera de ella	Si el equipo entiende lo que la interfaz está afirmando
Exportación	Pedir el dato bruto del experimento en formato abierto	Si consigues salir, y con qué en la mano

La tercera fila merece un comentario. Un test A/A, en el que las dos variaciones son idénticas, es la forma más barata de auditar una herramienta nueva: si acusa ganador con más frecuencia de la esperada, o si la división de visitantes se desvía de lo planificado, el problema está en la infraestructura y no en tu hipótesis. Vale correrlo en cualquier herramienta que estés evaluando, incluida la nuestra.

La quinta fila es la que casi nadie pide antes de firmar y todo el mundo quiere después. En un mercado en consolidación, saber en qué formato recuperas el histórico de tus experimentos es parte del costo real del contrato.

Para quién tiene sentido VWO

Tiene sentido para una operación de mediano o gran porte, con tráfico que justifique un contrato por volumen, un equipo con dueño claro de CRO y la necesidad real de mapa de calor, grabación y personalización junto con el test. En ese escenario, la suite única entrega algo que la suma de tres herramientas menores no entrega: la misma audiencia y el mismo dato de comportamiento alimentando el mismo experimento.

Tiene menos sentido para una operación pequeña que solo necesita test A/B en páginas web, para quien quiere precio público y autoservicio sin llamada, y para equipos de ingeniería que prefieren un stack de feature flags dev-first, para los cuales las opciones open-source cubiertas en la comparación GrowthBook vs PostHog tienden a encajar mejor.

Si tu caso es el segundo, Donnu es una de las opciones más ligeras de la categoría, con precio previsible y sin llamada para descubrir el valor, enfocada en test A/B en web con estadística honesta y sin la complejidad de una suite entera. No sustituye a VWO en mapa de calor, grabación de sesión, investigación con usuarios ni experimentación server-side, y decir lo contrario sería deshonesto: si necesitas esas piezas, la comparación correcta no es con Donnu. Si no las necesitas, empieza una prueba gratis y compara lo que de hecho importa para tu caso.

---

Lee también: VWO vs Optimizely: cuál elegir · Herramientas de Test A/B Comparadas · Precios de Herramientas de Test A/B · Significancia Estadística en Tests A/B · Leia em português

Referencias

• VWO. Pricing and Plans. Nombres de plan y funcionalidades, sin valores publicados en la comprobación hecha para este blog. vwo.com/pricing.
• VWO. SmartStats: Bayesian A/B testing. Página oficial del motor estadístico bayesiano usado por la herramienta. vwo.com/bayesian-ab-testing.
• VWO y AB Tasty. Anuncio conjunto de la fusión, 20 de enero de 2026, con Everstone Capital detrás del negocio. abtasty.com/news/vwo-ab-tasty-join-forces.
• TechCrunch. Everstone combines Wingify and AB Tasty for $100M+ digital experience optimization platform. Cobertura de la fusión, 20 de enero de 2026. techcrunch.com.
• AB Tasty. Pricing. Postura de propuesta personalizada, sin tabla pública, referencia de comparación en la misma categoría. abtasty.com/pricing.
• Kohavi, R., Tang, D. y Xu, Y. Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press, 2020. Capítulos sobre elección de herramienta y parada anticipada. Material de apoyo en experimentguide.com.
• Gelman, A. et al. Bayesian Data Analysis, 3ª edición. Referencia para el modelo Beta-Binomial y para el papel del prior, base del cálculo bayesiano usado en el ejemplo. sites.stat.columbia.edu/gelman/book.