Tasa de conversión y cómo optimizarla

La tasa de conversión es el porcentaje de usuarios, sesiones u oportunidades correctamente definidas que termina en una acción importante. Puede ser una compra, una consulta cualificada, un registro o la realización de una tarea clave en una aplicación. La optimización de la conversión (CRO) consiste en eliminar obstáculos y comprobar cambios, no en subir mecánicamente el «porcentaje» a cualquier precio.

El mayor valor del CRO es aprovechar mejor el tráfico que ya tienes. No siempre cuesta menos que atraer nuevas audiencias —el diagnóstico, la implementación y una prueba fiable también requieren trabajo—, pero permite mejorar la oferta y la experiencia a partir de comportamientos observables.

Cómo calcular la tasa de conversión

La fórmula es sencilla:

número de conversiones ÷ número de oportunidades de conversión × 100%

Si la página recibió 1200 sesiones y generó 24 consultas cualificadas, la tasa calculada sobre sesiones es del 2%. Para que la comparación tenga sentido, el numerador y el denominador deben mantenerse constantes. Un resultado calculado por usuario no es lo mismo que uno calculado por sesión, y una misma persona puede comprar más de una vez.

Antes de abrir el informe, deja por escrito:

• qué evento es una conversión y en qué momento exacto lo registras;
• si el denominador son usuarios, sesiones, visualizaciones de producto o procesos iniciados;
• qué eventos de prueba, duplicados y tráfico interno excluyes;
• si el resultado corresponde a toda la audiencia o a una fuente, dispositivo o etapa concreta.

Sin esta definición, dos personas pueden mostrar porcentajes distintos, ambos formalmente correctos, y llegar a conclusiones contradictorias.

Qué conversión importa de verdad

No todas las acciones tienen el mismo valor. Descargar un archivo, ver un vídeo o pulsar un botón puede ser una microconversión: una señal de que la persona avanza en la dirección adecuada. La macroconversión cumple el objetivo de negocio, por ejemplo una venta o una conversación valiosa.

Situación	Microconversión	Macroconversión
Tienda online	pasar al carrito	pedido pagado
Servicio B2B	abrir el brief	consulta cualificada
Producto SaaS	activar una función	activación de pago o renovación

Un porcentaje alto de una acción auxiliar no garantiza el resultado final. Si un formulario simplificado aumenta el número de contactos pero reduce su calidad, la «mejora de conversión» local puede elevar el coste de atención. Observa siempre la métrica objetivo y al menos una métrica de protección, por ejemplo cancelaciones, devoluciones o la proporción de contactos no cualificados.

Dónde buscar la causa de una conversión baja

Empieza por el recorrido, no por el color del botón. Combina cuatro clases de información:

1. Los datos cuantitativos muestran en qué paso abandonan más usuarios y de qué fuentes proceden.
2. Los datos cualitativos —conversaciones, solicitudes al equipo de atención y pruebas de usabilidad— ayudan a entender por qué.
3. La revisión técnica detecta errores del formulario, problemas móviles, carga lenta e integraciones interrumpidas.
4. El contexto de negocio comprueba el encaje entre precio, promesa, alcance y atención posterior.

Las fricciones habituales son un siguiente paso poco claro, pedir datos demasiado pronto, un coste oculto, una discrepancia entre el anuncio y la página, la falta de información necesaria para decidir o una interfaz que no comunica un error. Una grabación de sesión puede indicar el lugar del problema, pero por sí sola no explica la motivación. Por eso conviene contrastar las cifras con observación directa y conversación.

Cómo se desarrolla la optimización de conversiones

Un proceso de CRO útil tiene seis etapas:

1. elige una conversión importante y verifica que la medición sea correcta;
2. encuentra la fricción principal del recorrido;
3. formula una hipótesis que describa a la audiencia, el cambio y el mecanismo;
4. elige la forma más pequeña y segura de comprobar la hipótesis;
5. evalúa el resultado junto con las métricas de protección y las limitaciones de los datos;
6. registra la decisión: implementar, mejorar, descartar o reunir la evidencia que falta.

Ejemplo de hipótesis: «Si junto al campo de teléfono explicamos que el número solo sirve para acordar el alcance de la conversación, más clientes adecuados terminarán el brief, porque desaparecerá el temor a un contacto inesperado». Esta formulación es mejor que «cambiemos el formulario», porque puede verificarse y permite distinguir la causa de una correlación casual.

Cómo hacer una prueba A/B sin una certeza falsa

Una prueba A/B compara una variante de control con otra que contiene un cambio justificado. Los usuarios deben llegar a las variantes de forma aleatoria y simultánea, para que la estacionalidad, la fuente de tráfico o el orden de implementación no se hagan pasar por un efecto.

No existe una regla universal de «mínimo 7 días y 100 usuarios». El tamaño necesario depende, entre otras cosas, de la tasa base, del efecto que merece la pena detectar, de la variación y del método de análisis adoptado. Antes de empezar, define la métrica principal, las métricas de protección, la forma de asignar a cada usuario y la condición de finalización. No declares un ganador ante el primer salto favorable.

Con poco tráfico, una prueba clásica puede durar demasiado. En ese caso suelen ser mejores una prueba de usabilidad, el análisis de errores, entrevistas, una implementación gradual con observación o la comparación de etapas antes y después del cambio, indicando claramente que el resultado no demuestra causalidad. La falta de datos suficientes no autoriza una conclusión más contundente.

Cuándo la optimización de conversiones puede perjudicar

El CRO no sirve para exprimir cada clic. El número de conversiones puede aumentar ocultando información, marcando un consentimiento por defecto o dificultando la cancelación, pero ese resultado traslada el coste a la persona usuaria y destruye la confianza.

Tampoco pruebes todo a la vez. Un cambio completo de diseño puede mejorar el resultado, pero no revelará qué mecanismo funcionó. Al mismo tiempo, aislar un detalle no tiene sentido cuando el problema es una oferta incomprensible. La escala del experimento debe corresponder a la escala de la hipótesis.

Por dónde empezar

Elige un recorrido importante y complétalo tú mismo desde un móvil y un ordenador. Comprueba la medición, lee las últimas preguntas de los clientes y encuentra el punto en el que la falta de información o un error bloquea la decisión. Solo entonces crea una variante de solución.

Si trabajas en una página de campaña, consulta también cómo diseñar una landing page. La elección de la métrica se ordena en el artículo sobre KPI, y el modo de construir hipótesis posteriores se desarrolla en el texto sobre growth hacking. Si necesitas conectar datos con decisiones de producto, revisa analítica para empresas.