Pruebas A/B para empujones conductuales

Las pruebas A/B para empujones conductuales consisten en mostrar distintas formas de presentar las opciones a grupos asignados al azar y medir qué versión produce mejores resultados. En vez de suponer que colocar primero los platos saludables en un menú fomenta elecciones nutritivas, comparas ese diseño directamente con el original. El primer paso correcto es dividir a los usuarios en grupos al azar: así te aseguras de que cualquier diferencia que observes se deba al empujón conductual y no a diferencias previas entre las personas. Fíjate en esto: cuando ves que una web o una aplicación muestra interfaces distintas a diferentes usuarios, probablemente esté realizando una prueba A/B para descubrir qué funciona mejor.

Cómo funcionan las pruebas A/B para empujones conductuales

Las pruebas A/B siguen una secuencia sencilla: primero, divide a tu público al azar en dos grupos; después, muestra a cada grupo una forma distinta de presentar las opciones; por último, mide el comportamiento resultante. La asignación aleatoria es el primer paso crucial porque garantiza que ambos grupos sean comparables al inicio. Si omites ese paso y simplemente muestras un nuevo diseño de menú a todo el mundo, nunca podrás saber si el cambio de comportamiento se debe a tu empujón conductual o a factores externos, como la época del año o las campañas de marketing.

Medir lo que importa

Una vez terminada la prueba, comparas las métricas clave de ambos grupos. Para un empujón que fomente la alimentación saludable, podrías medir el porcentaje de pedidos que incluyen verduras, el promedio de calorías o la frecuencia con la que los clientes vuelven a comprar. La diferencia entre los grupos revela la magnitud del efecto del empujón. Un aumento del 5 % en la elección de verduras puede parecer pequeño, pero a gran escala representa miles de elecciones más saludables. La clave es decidir qué métricas usarás antes de empezar; de lo contrario, podrías caer en la tentación de buscar resultados «significativos» después de ver los datos.

Usos habituales y errores frecuentes

Los comercios usan pruebas A/B para optimizar la colocación de los productos, los gobiernos prueban distintas formas de presentar los mensajes en las cartas sobre impuestos y los sistemas de salud comparan mensajes de recordatorio para que las personas acudan a sus citas. Sin embargo, hay varios errores que pueden hacer tropezar incluso a quienes experimentan con buenas intenciones: detener las pruebas en cuanto aparece una versión «ganadora» (falsos positivos), probar demasiadas variantes sin ajustar el umbral estadístico o ignorar que los efectos a corto plazo pueden diferir del comportamiento a largo plazo. Un empujón que al principio aumenta los registros podría provocar rechazo más adelante, cuando los usuarios se den cuenta de que se les orientó sutilmente.

Las pruebas A/B para empujones conductuales combinan el diseño experimental de las ciencias del comportamiento con métodos estadísticos de inferencia causal. El requisito fundamental es la asignación aleatoria a grupos de tratamiento y de control, que ofrece una base válida para establecer afirmaciones causales sobre el efecto del empujón. El tamaño de la muestra determina la sensibilidad: para detectar con fiabilidad efectos pequeños, necesitas muestras grandes. El análisis de potencia estadística ayuda a determinar cuántos participantes necesitas antes de empezar.

• Thaler y Sunstein (2008): Los empujones conductuales cambian la arquitectura de elección, es decir, la forma de organizar y presentar las opciones, sin restringirlas; las pruebas A/B comprueban si estos cambios realmente modifican las decisiones [1].
• List y colaboradores (2021): Un metaanálisis de experimentos de campo sobre empujones conductuales encuentra un tamaño del efecto promedio modesto (8,4 puntos porcentuales), con una gran variación entre ámbitos y un sesgo de publicación frecuente que infla los efectos comunicados [2].
• Harrison y List (2004): La asignación aleatoria en los experimentos de campo ofrece una validez causal comparable a la de los estudios de laboratorio, a la vez que mantiene el contexto real y la validez externa [3].

Concepto estadístico clave: La significación estadística indica si es poco probable que una diferencia observada se deba únicamente al azar. Un valor p inferior a 0,05 significa que hay menos de un 5 % de probabilidad de que el efecto se haya producido por azar, aunque este umbral es arbitrario y el p-hacking (analizar los datos repetidamente hasta encontrar significación estadística) resta credibilidad.

Las pruebas A/B tienen varias limitaciones que debes reconocer al utilizarlas. Primero, miden efectos promedio: lo que funciona para un grupo puede resultar contraproducente para otro, y analizar subgrupos requiere muestras aún mayores. Segundo, las pruebas a corto plazo pueden pasar por alto efectos tardíos o procesos de adaptación; los usuarios podrían responder al principio a un empujón y luego acostumbrarse o rebelarse con el tiempo. Tercero, las pruebas A/B no permiten medir fácilmente los efectos sobre el bienestar: una mayor tasa de registro no significa necesariamente que los usuarios tomen mejores decisiones. Cuarto, surgen dudas éticas cuando los empujones manipulan las elecciones sin transparencia, sobre todo en poblaciones vulnerables. Por último, la significación estadística no implica importancia práctica; un efecto diminuto, aunque sea estadísticamente significativo, puede no justificar los costes de implementación.