9 de noviembre de 2026Actualizado el Fathy Shalaby12 min de lectura
Plantilla de experimento de producto: diseña tu propia prueba si ninguna encaja
Cuando ningún experimento estándar se adapta a tu situación, diseña el tuyo en siete pasos y asegúrate de que sea una prueba que realmente pueda fallar.
Una plantilla de experimento de producto es un plan de una sola página para poner a prueba una creencia: qué crees, qué harás para comprobarlo, con quién, qué vas a medir y qué resultado contará como éxito, todo redactado antes de empezar. Utiliza esta versión personalizada cuando ninguno de los métodos estándar se ajuste a tu situación y ponle un nombre al método para poder repetirlo.
Conclusiones clave
Un experimento a medida es el último recurso. Testing Business Ideas ya recopila 44 tipos de experimentos, cada uno evaluado por coste, tiempo y solidez de las evidencias (Strategyzer, 2025).
Todo buen plan de pruebas explicita cuatro elementos: la creencia, el test, la métrica y el umbral de éxito, igual que en la Test Card de Strategyzer (Strategyzer, 2015).
Define el criterio de éxito antes de empezar. Fijar las señales antes de la prueba reduce los sesgos al interpretar los resultados (Thoughtworks, 2014).
Prepárate para equivocarte. Solo un tercio de las ideas probadas en Microsoft mejoraron la métrica que buscaban impactar (Kohavi y Longbotham, 2023).
¿Qué es un experimento de producto a medida?
Un experimento de producto a medida es una pequeña prueba que diseñas tú cuando ninguno de los métodos habituales encaja, con una creencia definida, un método y un resultado fijado con antelación.
La estructura no es nueva. La Test Card de Alex Osterwalder plantea qué debe ser cierto, cómo lo comprobarás, qué medirás y cuál es el umbral de éxito. El formato de hipótesis de Barry O'Reilly en Thoughtworks concluye del mismo modo: sabremos que hemos tenido éxito cuando observemos una señal cuantificable. Esta plantilla añade quién podría demostrar que estás equivocado, límites de tiempo y coste, y tu siguiente paso tanto si el resultado es afirmativo como negativo.
¿Cuándo deberías diseñar tu propio experimento en lugar de usar uno estándar?
Úsalo cuando tu contexto sea atípico: un entorno regulado, un grupo muy reducido de compradores, un canal inusual o una duda que combine varios riesgos a la vez.
No recurras a él solo porque un método estándar te parezca demasiado trabajoso. Consulta primero nuestra guía para elegir un experimento de producto. La mayoría de las preguntas ya cuentan con un método probado y con riesgos documentados. Si la idea en sí aún es confusa, completa antes un Lean Canvas. Y ponle un nombre claro a tu prueba: un experimento llamado «aquello que intentamos» no se podrá comparar con nada en el futuro.
Tu situación
Revisa primero este método estándar
Diseña el tuyo propio cuando
Los compradores son un grupo reducido con nombres y apellidos
Carta de intenciones, entrevistas con expertos
No puedas contactar con la persona que firma
El ciclo de venta dura un año o más
Entrevistas con socios y proveedores
La decisión dependa de una cadena de varias personas
La normativa impide usar fake doors o preventas
Concierge, Mago de Oz
Incluso la entrega manual requiera aprobación previa
¿Qué riesgo evalúa y qué tan sólida es la evidencia?
Tú decides qué riesgo pone a prueba este experimento y lo clasificas: deseabilidad (¿lo quieren?), factibilidad (¿podemos construirlo?) o viabilidad (¿es rentable?). En Specky, un experimento personalizado se asigna por defecto a deseabilidad y a una evidencia orientativa (directional). Evalúa con honestidad su solidez preguntándote: ¿las personas solo dijeron algo, hicieron algo o se comprometieron a algo?
Strategyzer clasifica la evidencia que necesita un equipo en orientativa, moderada o sólida. La regla de Osterwalder determina dónde encaja tu diseño: lo que los clientes dicen y lo que hacen son dos cosas distintas, y una venta simulada supera a cualquier encuesta (Strategyzer, 2017).
Plantilla de experimento de producto (copiar y usar)
Abre la imagen a tamaño completo o copia la versión en texto a continuación.
A quién reclutar y cuántos
A quien realmente pueda demostrar que tu creencia es errónea. Especifica el grupo y el número. Si no puedes definir quién podría refutarla, la prueba aún no está lista.
Plan paso a paso
Escribe la creencia en una sola frase que pueda resultar falsa.
Identifica a qué tipo de riesgo pertenece.
Describe la acción más pequeña que te aporte evidencia real.
Decide a quién necesitas, cuántos participantes y durante cuánto tiempo.
Define tu criterio de éxito con un número.
Ejecuta la prueba sin cambiar las reglas a mitad de camino.
Registra lo que has aprendido.
Plan del test
Campo
Tu respuesta
Nombre de este método
Creemos que
Riesgo
Deseabilidad / Factibilidad / Viabilidad
Para comprobarlo, vamos a
Con este grupo de personas
Cuántos
Mediremos
Lo daremos por bueno si
Lo daremos por descartado si
Límite de tiempo
Límite de coste
Qué haremos si se valida
Qué haremos si se descarta
Evalúa tu nivel de evidencia
Lo que la gente dice: Te han transmitido una opinión.
Señal temprana: Comportamiento real, pero indirecto o sin apenas esfuerzo.
Lo que la gente hace: Han realizado una acción real en un entorno real.
Dinero o una firma: Han comprometido algo de valor.
Qué medir
Un indicador principal en el que se base tu criterio de éxito. Un factor que bajo ningún concepto deba empeorar.
Criterio de éxito que debes fijar antes de empezar
El punto de partida de Specky: escribe el número que te haría darlo por bueno. Es un punto de partida, no un benchmark rígido. Si no puedes concretar un número, describe qué tendrías que observar con el suficiente detalle como para que un compañero de equipo pudiera juzgarlo de forma independiente.
Qué hemos aprendido
Campo
Tu respuesta
Qué ocurrió
El número
Qué nos sorprendió
Qué creemos ahora
Qué haremos a continuación
¿Cómo redactar una creencia y un criterio de éxito que puedan fallar?
La creencia y el criterio de éxito son los puntos donde fallan la mayoría de los experimentos personalizados. Una creencia infalsable y un umbral de éxito redactado a posteriori transforman un experimento riguroso en una simple narración a tu favor.
Las probabilidades estadísticas sugieren que lo normal es toparse con un «no». Ron Kohavi y Roger Longbotham señalan que solo un tercio de las ideas probadas en Microsoft mejoraron la métrica que perseguían, y apenas un 10 % de los experimentos de Google desembocaron en cambios de negocio. También citan la frase de Avinash Kaushik: «el 80 % de las veces tú/nosotros nos equivocamos sobre lo que el cliente quiere». Un plan que no contemple un camino creíble hacia el descarte ignora por completo estas estadísticas.
Versión débil
Versión sólida
Por qué es más sólida
«A los profesores les gusta nuestra herramienta»
«Los profesores pedirán a su director de TI que la apruebe»
Nombra una acción concreta, no una emoción
«Veremos qué tal va»
«Al menos 4 de cada 12 directores responden indicando un siguiente paso»
Un compañero puede evaluar el resultado sin ti
«Aumenta el engagement»
«Los centros educativos activos a la semana pasan de 20 a 26 en 4 semanas»
Cuenta con una línea base, un objetivo y un plazo
«La gente tiene interés»
«Al menos 3 de cada 10 compradores agendan una segunda llamada en 7 días»
Demostrar interés les exige un esfuerzo tangible
Ajusta el nivel de exigencia a lo que esté en juego. El ejemplo que suele poner O'Reilly es claro: el lanzamiento de un cohete exige un umbral mucho más riguroso que un flujo de registro. Cuando equivocarse suponga meses de trabajo perdido, sube la cifra o asciende un peldaño en la escala de evidencias.
¿Por qué vigilar un factor que no debe empeorar?
Porque una victoria en una métrica puede camuflar una pérdida en otra. Kohavi y Longbotham relatan un test en Bing donde unos nuevos enlaces aumentaron los ingresos, pero degradaron los indicadores de los usuarios y el tiempo de carga del sitio. En un experimento a medida modesto, esa métrica protegida puede ser sencilla: tickets de soporte, cancelaciones de suscripción o la buena disposición de las personas a las que pediste un favor.
¿Cómo construir un experimento a medida a partir de piezas estándar?
Rara vez hace falta reinventar la rueda por completo. Teresa Torres divide las pruebas de asunciones en cuatro tipos: pruebas con prototipos, encuestas de una sola pregunta, minería de datos y picos de investigación (research spikes) (Product Talk, 2023). La mayoría de los diseños personalizados combinan uno de estos formatos con una audiencia o un canal poco convencional.
Componente básico
Solidez de la evidencia
Ejemplo de variante personalizada
Pregunta única
Lo que la gente dice
Una sola pregunta insertada en la newsletter de un colegio profesional
Prototipo o maqueta
Lo que la gente hace
Una maqueta impresa en una feria sectorial con un código QR para registrarse
Datos existentes
Señal temprana
Registros de licitaciones públicas que muestran la frecuencia de compra de herramientas similares
Pico de investigación (spike)
Señal temprana
Una integración manual ejecutada en el entorno de pruebas (sandbox) de un socio
Una petición que exija un esfuerzo
Lo que la gente hace, o dinero o una firma
Usuarios que reenvían una solicitud formal al responsable de su presupuesto
¿A cuántas personas involucrar y cuánto tiempo debe durar un test personalizado?
Deja que el tipo de evidencia marque la pauta. Para compromisos reales (solicitudes formales, firmas o pagos), basta con unos pocos perfiles adecuados: 12 profesores que contacten con quien gestiona el presupuesto aportan más que 200 clics anónimos. Para datos cuantitativos, procura obtener unas 50 respuestas válidas de un mismo segmento, tal como explicamos en nuestra guía de encuestas de discovery. Para observar el uso directo de un producto, empieza con cinco usuarios por ronda, como en la plantilla de pruebas de usabilidad.
En cuanto a la duración, Kohavi y Longbotham recomiendan una métrica principal que se pueda medir en un plazo corto, como dos semanas. De una a cuatro semanas es un periodo adecuado para la mayoría de los tests personalizados. Si tu señal definitiva solo se manifiesta tras un año, pon a prueba un paso previo que sirva como predictor.
Experimento a medida frente a método estándar: ¿cuál deberías usar?
Método estándar
Experimento a medida
Errores conocidos
Ya documentados por otros
Te tocará descubrirlos a ti
Adaptación a casos atípicos
A veces deficiente
Diseñado exactamente para tu caso
Cuándo utilizarlo
Hay un método en la biblioteca que encaja
Ningún método estándar se adapta a tu caso
Ejemplo práctico (hipotético)
Este caso es ficticio para ilustrar la metodología. Un equipo comercializa software para distritos escolares, donde un ciclo de compra toma un año entero y una landing page no atraería a nadie relevante. Tienen la creencia de que los directores de TI de los distritos darán luz verde a la herramienta si un profesor la solicita directamente.
Ningún método estándar encaja del todo. Así que diseñan un «test de petición docente»: piden a 12 profesores que utilizan la versión gratuita que envíen un correo de un párrafo a su director de TI, y cuantifican las respuestas. Le asignan un nombre al método y definen un criterio de éxito: al menos cuatro directores deben responder proponiendo un siguiente paso.
Responden cinco. Dos de ellos solicitan un documento de seguridad. El equipo lo registra como validado bajo el nombre de «test de petición docente», lo que les permitirá replicarlo exactamente igual el próximo curso.
Su plan cumplimentado quedaría así:
Campo
Su respuesta
Creemos que
Los directores de TI aprobarán la herramienta si un profesor la solicita
Para comprobarlo, vamos a
Pedir a 12 profesores del plan gratuito que escriban a su director
Daremos el sí si / el no si
Al menos 4 responden con un siguiente paso / responden menos de 2
No debe empeorar
Ningún profesor reporta quejas por parte de su dirección
Límite de tiempo / coste
3 semanas / 0 € y 2 horas de dedicación del equipo
Resultado
Respondieron 5 de 12 (42 %); 2 solicitaron documentación de seguridad
La petición de los documentos de seguridad constituye el hallazgo más valioso. El siguiente experimento comprobará si disponer de un dossier de seguridad prediseñado transforma esas respuestas en aprobaciones definitivas.
¿Cuáles son los errores más comunes en los experimentos personalizados?
No ponerle nombre. Más adelante no podrás comparar sus resultados con nada.
Plantear una prueba que no puede fallar. Si ningún resultado te obligaría a descartar la idea, no estás haciendo un experimento.
Inventar un método para eludir una realidad incómoda. Consulta antes la biblioteca de recursos.
Validar demasiadas cosas a la vez. Limítate a una sola creencia por prueba.
Sobreestimar la calidad de la evidencia. Sé honesto si los usuarios solo expresaron una opinión.
Mover la línea de meta. Modificar el criterio de éxito una vez conocidos los datos invalida por completo el experimento.
Las pruebas a medida suelen requerir favores a personas reales, a veces en ámbitos sensibles como la educación. Explica con transparencia a los participantes qué estás evaluando, nunca les pidas que afirmen algo falso y jamás aceptes dinero si no puedes entregar el producto o emitir un reembolso.
Cómo gestionarlo en Specky
En la sección de Asunciones, haz clic sobre la tarjeta, selecciona Elegir una prueba y luego pulsa en Otro. Specky te proporcionará una plantilla base en blanco.
Escribe el nombre del método en la descripción para que la evidencia conserve una referencia identificable.
La ejecución corre por tu cuenta. Specky almacena el plan y el resultado.
Añade tu criterio de éxito y haz clic en Comenzar ejecución. Después, registra tus observaciones y anota el resultado final.
Al catalogarse como evidencia orientativa, una validación se mostrará en el tablero como Señal temprana (Early signal) y no como Respaldada (Supported), incluso si el diseño de tu prueba fue muy riguroso. Si tu experimento implicó que los participantes actuaran o pagaran, indícalo expresamente en tus notas.
¿Qué hacer ante cada posible resultado?
Respaldada (se muestra como Señal temprana): Profundiza con un método estándar que recopile evidencias más contundentes, como un test concierge o una carta de intenciones.
No concluyente: Puede que el criterio de éxito fuera ambiguo. Hazlo más específico y repite la prueba.
Refutada: La creencia no se sostuvo. Determina los pasos a seguir apoyándote en la acción prevista para el descarte que redactaste antes de empezar. Cualquier apuesta que dependiera de esta tarjeta pasará a mostrarse como Refutada.
Formula la creencia en una sola frase susceptible de ser falsa, selecciona la acción mínima que te proporcione evidencia real, determina el perfil y volumen de participantes, y establece el criterio de éxito antes de empezar. Fija también un tope de tiempo, un presupuesto límite y un factor crítico que no deba degradarse. Finalmente, ejecútalo sin modificar las reglas sobre la marcha.
¿Qué debe incluir una plantilla de experimento de producto?
Como mínimo: la creencia, el riesgo que pone a prueba, la metodología, el grupo y volumen de participantes, la métrica clave, un umbral de éxito y otro de descarte, además de límites de tiempo y coste. La Test Card de Strategyzer sintetiza esto en cuatro bloques: creencia, prueba, métrica y umbral de éxito. Conviene añadir también qué camino tomar tras un sí o un no.
¿Qué define a un buen criterio de éxito?
Un buen criterio de éxito es una cifra o un hito concreto, fijado antes de arrancar la prueba, que cualquier colega de equipo pueda contrastar sin tener que consultarte. Si no existe un resultado imaginable que te obligue a descartar la idea, no tienes un criterio de éxito. Exige una vara de medir más alta cuando equivocarse resulte costoso y define siempre una condición explícita para el descarte.
¿Cuándo conviene diseñar un experimento propio en lugar de recurrir a uno estándar?
Hazlo únicamente cuando ningún método probado encaje con tu contexto, como ciclos de venta anuales en el sector público, productos sujetos a normativas estrictas o nichos de clientes extremadamente reducidos. Los métodos estándar cuentan con errores típicos ya documentados, lo que te evitará descubrirlos por las malas. Revisa antes el catálogo completo de 55 métodos.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing