Testing A/B en SEO: cómo probar que un cambio funcionó

Cuando cambias un título, reescribes una plantilla o reorganizas el enlazado interno, la pregunta que importa no es «¿subió el tráfico?» sino «¿subió por lo que hice?». Esa segunda pregunta es más difícil de responder en SEO que en casi cualquier otra disciplina de marketing digital, porque el entorno en el que mides el resultado no se queda quieto mientras haces la prueba.

En optimización de conversión puedes mostrar la versión A a la mitad del tráfico y la B a la otra mitad, al mismo tiempo, y comparar. En SEO no puedes: solo existe una versión indexada de cada URL, el buscador tarda en reflejar un cambio, y mientras esperas, el índice, los competidores y el propio algoritmo siguen moviéndose. Esto explica por qué el testing en SEO exige un diseño distinto, y qué métodos sí producen una respuesta en la que se puede confiar.

Por qué no puedes hacer un A/B test de una URL contra sí misma

Un test A/B clásico necesita dos versiones compitiendo en igualdad de condiciones al mismo tiempo. En una landing page eso es trivial: divides el tráfico entrante y cada visitante ve una variante sin saber que existe la otra. En SEO esa condición no se cumple para una sola URL: el buscador solo indexa una versión en un momento dado, mostrar contenido distinto al rastreador que al usuario es cloaking, y el resultado en el ranking depende de un rastreo y una recalculación de relevancia que no ocurren de forma instantánea ni pareja entre páginas.

Tampoco existe un grupo de control en el sentido estricto. Cuando mides una conversión, se asume que todo lo demás permanece razonablemente estable durante la ventana del test. En búsqueda orgánica nada se queda quieto: el índice se actualiza sin parar, los competidores publican o eliminan contenido sin avisar, y el algoritmo recibe ajustes —desde pequeños hasta actualizaciones de core— que mueven posiciones sin que hayas tocado nada. Un antes/después de una página aislada mezcla, sin poder separarlos, el efecto de tu cambio con el de todo lo que pasó alrededor mientras esperabas.

El método que sí funciona a escala: testing por grupos de páginas

La técnica que más se acerca a un A/B test real en SEO se aplica a nivel de plantilla, no de página individual, y solo tiene sentido en sitios con suficientes páginas similares como para dividirlas en dos grupos comparables: un catálogo con cientos de páginas de categoría, un directorio con miles de fichas, un blog con un patrón de artículo repetido. En vez de cambiar la plantilla entera de golpe, se aplica el cambio —un nuevo formato de título, un bloque de preguntas frecuentes, otro H1— a un subconjunto elegido al azar, y se deja el resto sin tocar como grupo de referencia.

Pasado el periodo de observación se compara la evolución del tráfico agregado de ambos grupos, no de una página suelta. Si el grupo tratado crece de forma consistente por encima del grupo de control durante varias semanas, la evidencia es mucho más sólida que la de cualquier caso individual, porque el ruido de página a página se promedia y lo que queda es la tendencia del grupo. Para que la comparación sea justa, ambos grupos deben partir de una situación parecida: volumen de tráfico, antigüedad y perfil de enlaces internos similares antes de empezar.

Cuando no puedes dividir en grupos: antes/después con control emparejado

No todos los cambios se prestan a un test por grupos. A veces el cambio afecta a una sola página importante —la home, un producto insignia, una landing muy visible— y no tiene sentido dividirla en variantes. Ahí la alternativa es un antes/después con grupo de control emparejado: en vez de comparar la página consigo misma en el tiempo, se compara su evolución con la de un puñado de páginas parecidas que no recibieron el cambio.

El emparejamiento sostiene todo el diseño: las páginas de control deben ser de la misma categoría temática, con tráfico previo y antigüedad similares y, si es posible, un perfil de enlaces parecido. Si el control se mueve al mismo tiempo y en la misma dirección que la página tratada, ese movimiento probablemente no tiene nada que ver con tu cambio y hay que restarlo. Si la página tratada se separa con claridad del comportamiento del grupo de control, ahí sí hay una señal que merece atención. Es menos potente que un test por grupos aleatorios grandes, pero mucho más fiable que mirar el gráfico de una sola página sin ninguna referencia.

Cuando el propio tiempo es la variable a controlar: tests con estacionalidad

Muchos negocios tienen un patrón estacional de búsquedas —retail antes de fiestas, viajes en vacaciones, servicios que se buscan más en ciertos meses— y ese patrón se confunde fácilmente con el efecto de un cambio si el test se ejecuta cerca de un pico o un valle habitual. Un aumento de tráfico que coincide con temporada alta no prueba que la plantilla nueva funcione; pudo haber subido igual sin tocar nada.

La forma de controlarlo es comparar el mismo periodo contra el año anterior, en vez de comparar solo la semana previa contra la posterior al cambio. Con histórico suficiente, calcula cómo se comportó ese grupo de páginas en las mismas fechas del año pasado y usa esa variación interanual como línea base esperada; el efecto real atribuible a tu cambio es la diferencia entre lo que ocurrió y lo que el patrón estacional por sí solo habría predicho. Sin ese histórico, la alternativa honesta es esperar a que pase la ventana estacional antes de sacar conclusiones definitivas.

Los requisitos que hacen válido un test de SEO

Un test bien diseñado cumple, como mínimo, cuatro condiciones:

• Una sola variable por test: si cambias el título, los encabezados y el enlazado interno a la vez, no sabrás cuál de los tres causó el resultado, ni si fue la combinación.
• Tamaño suficiente: bastantes páginas y bastante tráfico como para que la tendencia del grupo se distinga del ruido normal de las fluctuaciones diarias de ranking.
• Una hipótesis declarada antes de empezar, no después de mirar los resultados, para definir con claridad qué contaría como éxito.
• Una ventana de medición fijada de antemano, sin alargarla hasta que aparezca el resultado esperado ni cortarla en cuanto aparece uno favorable.

Por qué una sola página casi nunca da una respuesta fiable

Es tentador tomar una página, cambiarle el título, esperar dos semanas y mirar si el tráfico subió. El problema es que la posición de una URL para sus consultas principales ya tiene variación natural de un día para otro sin que nadie toque nada: rastreos distintos, pequeños reajustes del algoritmo, cambios en cómo se agrupan los resultados. Sobre ese ruido de base se suman factores externos de esa página en concreto —quizá ganó un enlace nuevo esa semana, quizá un competidor directo bajó de posición por su cuenta—, cualquiera de los cuales explica el movimiento tan bien como tu cambio de título.

Con una sola página no hay forma de separar esas explicaciones. Con un grupo de páginas comparables, en cambio, esos factores externos tienden a repartirse de forma pareja entre el grupo tratado y el de control, así que la diferencia neta entre ambos se acerca mucho más al efecto real del cambio. Esto no significa que no debas actuar sobre una página individual; significa que ese cambio puntual no debería presentarse como un resultado probado, sino como una mejora razonable.

Leer el resultado sin engañarte: regresión a la media y actualizaciones de core

Dos trampas de análisis aparecen constantemente y ambas producen una falsa sensación de éxito. La primera es la regresión a la media: si elegiste intervenir precisamente en páginas que acababan de caer de tráfico, es esperable que una parte se recupere sola, porque una caída puntual suele ir seguida de una vuelta hacia el nivel habitual. Si tu grupo de control también estaba en mínimos antes del test y también se recupera en paralelo, eso confirma que gran parte de la subida era regresión a la media, no efecto del cambio.

La segunda trampa es confundir tu prueba con una actualización de core del algoritmo. Si el tráfico de las páginas tratadas se mueve justo cuando coincide con un cambio amplio y conocido del algoritmo, y páginas fuera del test se movieron de forma parecida en las mismas fechas, lo honesto es asumir que ese movimiento amplio explica buena parte de lo que ves. Un análisis honesto no busca confirmar que el cambio funcionó; busca la explicación más simple compatible con todos los datos, incluido el grupo de control.

Qué vale la pena testear, qué no, y por qué conviene escribir el resultado siempre

Lo que casi nunca vale la pena testear formalmente es un rediseño completo de una sola página aislada, o varios cambios simultáneos sobre el mismo puñado de URLs sin ningún grupo de referencia: ahí no hay manera de aislar qué produjo qué.

La pieza que más se salta es escribir el resultado apenas se cierra la ventana del test, sea cual sea. Un test negativo o sin efecto claro que nadie documenta se repite, sin darse cuenta, meses después con otro nombre. Anotar la hipótesis, el grupo tratado, el de control, la ventana y el resultado —incluso «no hubo diferencia apreciable»— es lo que convierte pruebas sueltas en conocimiento acumulado sobre lo que realmente mueve el ranking de un sitio, en vez de una colección de anécdotas.

Los cambios que sí se prestan al testing por grupos, cuando el sitio tiene páginas suficientes para dividirlas, son los que se aplican de forma idéntica a muchas páginas a la vez:

• Patrones de título y de metadescripción.
• Estructura de una plantilla: orden de bloques, presencia de un resumen o de preguntas frecuentes.
• Disposición del enlazado interno entre páginas de la misma familia.
• Incorporación de marcado de datos estructurados.