Imagina este caso. La semana pasada, 80 de 1.000 visitantes que cumplían los criterios crearon una cuenta en las 24 horas posteriores a ver la página de precios. Esta semana fueron 50 de 1.000. La tasa de registro bajó del 8 % al 5 %.
Un informe de analítica puede mostrar en qué segmentos cayó la tasa y en qué paso avanzaron menos visitantes. No puede decirte qué habría ocurrido con otra página. Para averiguarlo, tienes que cambiar algo y preparar una comparación.
Comprueba dónde empieza la caída
Contrasta primero los registros con los datos de cuentas del servidor. Si se siguen creando cuentas pero el evento de analítica deja de llegar, el problema es de medición. Cambiar el texto de la página de precios no lo resolverá.
Supongamos que los datos de cuentas confirman la caída. En móvil, menos visitantes llegan al formulario, pero quienes llegan lo completan casi con la misma frecuencia que antes. Compara también dentro de cada fuente de tráfico. Una campaña que atraiga a más visitantes con poca intención de registrarse puede reducir la tasa global sin que la página funcione peor para visitantes comparables.
Prueba después la página en los dispositivos afectados. Imagina que un cambio reciente de diseño colocó el botón de registro debajo de una larga tabla de funciones en pantallas estrechas. Ya tienes una hipótesis que puedes poner a prueba: si mueves el botón existente por encima de la tabla, más visitantes de móvil llegarán al formulario. El embudo indicó dónde mirar. La prueba en el dispositivo sugirió qué cambiar.
Revisa y publica un solo cambio
Mueve el botón sin tocar su texto, los precios ni el formulario. Pide a alguien que revise el diff, pruebe ambos diseños en los tamaños de pantalla afectados y confirme que las dos versiones registran el mismo evento de creación de cuenta. Anota cuándo se publicó el cambio y cómo desactivar la variante.
La IA puede preparar una consulta que compare los pasos del embudo por dispositivo y fuente de tráfico. Antes de ejecutarla, comprueba que cuente una sola vez a cada visitante que cumple los criterios y que asocie la creación de cuentas a la misma ventana de 24 horas en ambas semanas. Una consulta que parezca correcta pero divida los registros entre las páginas vistas puede llevarte a investigar el problema equivocado. La IA también puede proponer el pequeño parche. Quien lo revise aún tiene que reproducir el problema en un dispositivo y decidir si el parche lo resuelve.
El ejemplo de analítica de ciclo cerrado de Mixpanel cuenta cómo un equipo de marketing aprende de lo que ocurre con sus contactos después de que ventas los atiende. Esa información le da un motivo para modificar su página de destino. Aplica la misma idea al cambio: guarda qué versión vio cada visitante y si después creó una cuenta. Así el hallazgo y la publicación no quedan otra vez en documentos separados.
Growth Engine de Zenovay dispone de una vista interna de Ops de solo lectura para consultar mediciones en curso y resultados registrados. Sirve de ejemplo de dónde guardar ese historial. No publica el cambio de la página de precios de este caso.
Averigua si mover el botón ayudó
Si hay suficiente tráfico, asigna al azar a los visitantes de móvil que cumplen los criterios al diseño antiguo o al nuevo. Mantén la asignación cuando vuelvan. Cuenta a todos los visitantes asignados, incluso a quienes nunca pulsen el botón. De lo contrario, excluirías del denominador a las personas a las que el cambio pretende ayudar.
Antes de empezar, decide cuánto durará la prueba, qué mejora justificaría mantener el cambio y qué efectos negativos exigirían detenerla antes de tiempo. Espera a que se cierre la ventana de 24 horas de los últimos visitantes antes de consultar las cifras finales.
Supongamos que la tasa de todo el sitio sube tras la publicación. En la prueba móvil, crean una cuenta 25 de 500 visitantes con el diseño antiguo y 35 de 500 con el nuevo. Es un 5 % frente a un 7 %, una mejora estimada de dos puntos porcentuales. Con una aproximación simple para dos proporciones binomiales independientes, el intervalo del 95 % para la diferencia va de −0,9 a +4,9 puntos porcentuales, aproximadamente. Los datos son compatibles tanto con una pequeña caída como con una mejora útil. El repunte general del sitio no estrecha ese intervalo.
Si no puedes comparar las dos versiones al mismo tiempo, anota qué más cambió durante ese periodo y describe el resultado como una observación antes y después del cambio. Si más visitantes llegaron al formulario pero no está claro que aumentaran las cuentas creadas, registra ambas cosas. Quien abra el informe después debería poder entender por qué moviste el botón, qué ocurrió y por qué lo dejaste ahí o lo devolviste a su sitio.
