9 de noviembre de 2026Actualizado el Fathy Shalaby23 min de lectura
Cómo elegir un experimento de producto: 55 métodos según riesgo y evidencia
La mayoría de las ideas fracasan al probarse. Identifica la creencia más arriesgada, define qué tan sólida debe ser la evidencia y elige el más barato de 55 experimentos.
Los experimentos de producto son pruebas pequeñas y planificadas sobre una creencia de la que depende tu plan, con una señal de éxito definida antes de empezar. Para elegir uno, identifica la creencia, determina su tipo de riesgo (deseabilidad, usabilidad, factibilidad o viabilidad), decide qué tan sólida debe ser la evidencia y luego elige el método más barato que alcance ese nivel de certeza. Esta guía clasifica 55 métodos de esa forma, detallando el tiempo y esfuerzo que requiere cada uno.
Puntos clave
La mayoría de las ideas fracasan al ponerse a prueba. Solo un tercio de las ideas evaluadas en Microsoft mejoraron la métrica para la que fueron diseñadas, y alrededor del 10% de los experimentos controlados de Google generaron cambios reales en el negocio (Kohavi and Longbotham, 2023).
Pon a prueba la creencia más arriesgada, no la idea completa. Los cuatro grandes riesgos según Marty Cagan son el valor, la usabilidad, la factibilidad y la viabilidad del negocio (SVPG, 2017).
La evidencia tiene distintos niveles de solidez. Lo que la gente dice es lo más débil; el dinero o una firma es lo más sólido. La biblioteca de Strategyzer para Testing Business Ideas califica 44 experimentos del 1 al 5 en coste, tiempo de preparación, tiempo de ejecución y fuerza de la evidencia.
Barato no significa débil. En esa biblioteca, una prueba de tipo conserje (concierge) obtiene un 1 sobre 5 en coste y un 5 sobre 5 en fuerza de la evidencia.
Define la señal de éxito antes de empezar. Cambiar el criterio a posteriori es la forma en que la mayoría de los equipos se engañan a sí mismos.
¿Por qué las ideas de producto necesitan experimentos?
La mayoría de las ideas de producto no fracasan porque el equipo las haya construido mal. Fracasan por una suposición que nadie se molestó en comprobar.
El historial de los equipos que miden sus resultados invita a la humildad. Ron Kohavi y Roger Longbotham lo recopilan claramente: un tercio de las ideas probadas en Microsoft movieron la métrica objetivo, Jim Manzi señaló que cerca del 10% de los experimentos de Google llevaron a cambios de negocio, y se estima que Netflix considera erróneo el 90% de lo que intenta (Kohavi and Longbotham, 2023). Estas empresas contratan a excelentes profesionales de producto. Aun así, sus primeras intuiciones pierden la mayor parte del tiempo.
Saltarse la comprobación sale mucho más caro después. CB Insights analizó 431 empresas respaldadas por capital riesgo que cerraron desde 2023 y encontró las razones detrás de 385 de ellas: el 70% se quedó sin capital, el 43% tuvo un mal product-market fit, el 29% citó un mal momento de mercado (timing) y el 19% sufrió de unit economics insostenibles (CB Insights, 2026). Las empresas podían indicar más de una causa. Un mal encaje y unos unit economics rotos son exactamente las dudas que un experimento barato puede poner a prueba meses antes de que se agote la caja.
Un experimento de producto es la herramienta para verificar una hipótesis antes de gastar dinero de verdad. No necesitas un departamento de investigación ni aplicar los 55 métodos de esta guía. Necesitas el único test capaz de hacerte cambiar de opinión sobre la creencia crítica de la que depende tu plan.
¿Qué es un experimento de producto?
Un experimento de producto es una prueba pequeña y planificada sobre una creencia concreta, con un resultado que defines antes de comenzar. Un buen experimento de producto consta de cuatro partes:
La creencia, redactada como una frase que podría resultar falsa. «Los freelancers pierden clientes porque se les pasa hacer seguimiento», en lugar de «los freelancers necesitan esto».
El método: la acción más pequeña posible que genere evidencia sobre esa creencia.
La métrica: un número principal, más un indicador de control que no debe empeorar.
La señal de éxito: el resultado previo que determinará si sigues adelante o no.
Teresa Torres resume el paso fundamental con claridad: deja de evaluar ideas completas y pon a prueba los supuestos de los que dependen (Product Talk, 2023). Una idea como «una app de recordatorios para veterinarios» encierra una docena de creencias. La mayoría son seguras. Una o dos podrían destruirla por completo, y sobre esas es sobre las que merece la pena experimentar. Si partes de una petición de funcionalidad, la plantilla para redactar el planteamiento de un problema de producto te ayudará a convertirla en una creencia contrastable.
¿Cuáles son los cuatro riesgos de producto que puede evaluar un experimento?
Cada creencia implica un tipo de riesgo, y ese tipo determina qué métodos son los adecuados. Marty Cagan, de Silicon Valley Product Group, distingue cuatro (SVPG, 2017):
Riesgo
La pregunta de Cagan
Término en Strategyzer
Responsable habitual
Primer test barato
Test sólido
Valor
¿Los clientes lo comprarán o elegirán usarlo?
Deseabilidad
Product manager
Entrevista a clientes, fake door
Concierge, carta de intenciones
Usabilidad
¿Los usuarios sabrán cómo utilizarlo?
Catalogado como deseabilidad
Product designer
Prototipo en papel
Test de usabilidad sobre una versión real
Factibilidad
¿Los ingenieros pueden crearlo con el tiempo, las habilidades y la tecnología disponibles?
Factibilidad
Lead engineer
Entrevista a expertos, spike técnico
Mago de Oz, mash-up
Viabilidad del negocio
¿Funciona para el resto del modelo de negocio?
Viabilidad
Product manager
Encuesta de precios, estudio de mercado
Test de embudo, carta de intenciones
El libro Testing Business Ideas de Bland y Osterwalder (Wiley, noviembre de 2019, 368 páginas) agrupa los riesgos en tres preguntas: si los clientes lo quieren, si podemos construirlo y si generará ingresos sostenibles (Wiley; Strategyzer, 2025). Su catálogo de experimentos clasifica las pruebas de usabilidad, como el card sorting o los prototipos interactivos, dentro de la deseabilidad. Cagan mantiene la usabilidad por separado, y nosotros también, porque «que lo quieran» y «que sepan usarlo» fallan por razones distintas y exigen pruebas diferentes.
Torres añade una quinta categoría: la ética (¿deberíamos construir esto?). El consejo de Cagan respecto al orden es tajante: ataca los riesgos mayores desde el principio, en especial el valor y la viabilidad del negocio. Si quieres profundizar en qué constituye una prueba válida para cada categoría, consulta qué cuenta como evidencia para los cuatro riesgos de producto.
¿Qué tan sólida es la evidencia que aporta cada tipo de experimento?
Cuanto más alto sea el escalón, más fiable será el resultado.
No toda la evidencia vale lo mismo. Un comentario amable y una carta de intenciones firmada son ambos «feedback positivo», pero solo uno de ellos debería modificar tu roadmap. Alex Osterwalder subraya este punto: lo que los clientes dicen y lo que hacen son dos cosas completamente distintas; las entrevistas y encuestas aportan una evidencia valiosa pero débil, mientras que una venta simulada aporta evidencia sólida (Strategyzer, 2017).
Nivel de solidez
Qué significa
Ejemplo
Cómo interpretarlo
Lo que la gente dice
Alguien te ha dicho algo
Una entrevista, una encuesta
Una razón para ejecutar un test más sólido
Señal temprana
Comportamiento real, pero barato o indirecto
Clic en un anuncio, tendencia de búsqueda
Una pista sobre dónde profundizar
Lo que la gente hace
Alguien ha llevado a cabo una acción real
Completar una tarea, dejar su email
Buena evidencia para esa acción específica
Dinero o una firma
Alguien ha cedido algo de valor tangible
Un pago, una carta firmada
La evidencia más sólida antes de lanzar
En Specky utilizamos esta misma escala. Una creencia solo pasa al estado «Validada» (Supported) mediante lo que la gente hace, o mediante dinero o una firma. Todo lo que esté por debajo se mantiene como una «Señal temprana», por muy prometedor que haya sonado.
¿Un test más sólido cuesta siempre más dinero?
No. El póster del catálogo de experimentos de Strategyzer califica cada método del 1 al 5, demostrando que el coste y la solidez de la evidencia no siempre van de la mano (Strategyzer experiment library). Aquí tienes una muestra:
Evidencia máxima, pero ya estás desarrollando software
La conclusión es clara: la parte costosa de un test riguroso suele ser tu tiempo, no tu presupuesto. Un test de tipo conserje apenas cuesta dinero, pero requiere semanas de trabajo manual continuo.
¿Cómo elegir el experimento de producto adecuado?
Responde a estas cinco preguntas en orden:
¿Cuál es la creencia? Escríbela en una sola frase que pueda resultar falsa.
¿Qué tipo de riesgo implica? ¿Lo quieren (deseabilidad)? ¿Saben usarlo (usabilidad)? ¿Podemos construirlo (factibilidad)? ¿Generará ingresos sostenibles (viabilidad)?
¿Cuál es el coste de equivocarse? Una suposición de la que dependan los próximos seis meses exige una evidencia mucho más contundente que una sobre el color de un botón. Barry O'Reilly plantea este mismo criterio de umbrales de evidencia: el lanzamiento de un cohete necesita un listón mucho más alto que el flujo de registro de una web (Thoughtworks, 2014).
¿Cuál es el test más barato que ofrece suficiente evidencia? Empieza en la parte baja de la escalera cuando sepas poco. Sube de nivel a medida que aumente el riesgo en juego.
¿Qué considerarías un éxito? Define el umbral por escrito antes de arrancar. Como bien argumenta O'Reilly, fijar los criterios de antemano evita interpretaciones sesgadas de los resultados.
Una regla práctica: si equivocarte cuesta una semana de trabajo, lo que la gente dice es suficiente. Si cuesta un trimestre, busca evidencia basada en lo que la gente hace. Si cuesta una contratación, un año de trabajo o pone en juego tu runway, exige dinero o una firma.
Si tienes varias creencias y no tienes claro cuál es la más arriesgada, organízalas primero. Nuestra guía sobre mapeo de supuestos y la herramienta gratuita de mapa de supuestos te permiten ordenar hipótesis según su impacto y evidencia, asegurando que experimentes donde de verdad importa.
Tabla de decisión de experimentos: ¿qué test usar según el riesgo y el nivel de evidencia?
Busca la fila correspondiente a tu riesgo. Desplázate hacia la derecha hasta llegar al nivel de evidencia que el coste de equivocarte amerita. Elige el método más económico dentro de esa celda.
Los tiempos y niveles de esfuerzo proceden de las tablas de métodos que verás a continuación y asumen un equipo pequeño. Lee en horizontal para ver cómo subir de nivel de evidencia; lee en vertical para comparar distintos riesgos ante un mismo nivel de prueba.
¿Qué experimentos de producto responden a cada pregunta? El catálogo completo de 55
Cada uno de los métodos siguientes incluye un enlace a su guía individual, con una plantilla lista para usar, una señal de éxito definida de antemano y un ejemplo resuelto.
Deseabilidad: ¿el problema es real y quién lo padece?
Empieza aquí si todavía tienes dudas sobre si el dolor del usuario existe de verdad. La mayoría de estos métodos toman pocos días y cero código.
Cuentas con el volumen de tráfico necesario para probar causalidad
Usability: ¿pueden usarlo y volverán a hacerlo?
Estas pruebas sitúan al usuario frente a algo muy parecido a la experiencia real. La facilidad de uso y la recurrencia son incógnitas distintas; lee cada fila con atención.
Ninguno de los 54 métodos anteriores se ajusta a tu contexto
¿Cómo funciona la escalera de evidencia en la práctica?
Veamos una secuencia ficticia para entender la mecánica. Imagina que crees que los gimnasios independientes pierden clientes porque no detectan a tiempo quiénes han dejado de asistir.
Cinco entrevistas a clientes confirman que los propietarios ya han intentado resolver este dolor antes. Esto corresponde a lo que la gente dice, y toma una semana.
Una prueba de fake door valida si los dueños dejarían su email a cambio de una solución concreta. Supongamos que 40 de 400 visitas provenientes de un boletín sectorial se registran (un 10%). Ya tienes evidencia basada en comportamiento real.
Un experimento de tipo conserje envía manualmente informes semanales a cinco gimnasios, y tres de ellos deciden pagar por un segundo mes. Ahora cuentas con compromiso tangible.
Siguiendo los plazos de nuestras tablas, los pasos del 1 al 3 requieren unas cinco semanas: una para las entrevistas, una para la fake door y tres para el test conserje. Cada fase fue más costosa que la anterior, pero estuvo plenamente justificada por los resultados de la previa. Si cualquiera de ellas hubiera fracasado, habrías frenado a tiempo, ahorrándote todo el esfuerzo posterior.
Fíjate en lo que este proceso evitó. Nadie lanzó una encuesta genérica preguntando si los gimnasios «usarían» una app para prevenir la fuga de clientes, ni se construyó un panel interactivo para ver si recibía visitas. Cada prueba contestó a la pregunta más arriesgada en ese momento y nada más. Si quieres ver cómo encaja este enfoque dentro de un ciclo de descubrimiento más amplio, consulta nuestra guía del proceso de product discovery.
¿Cuántos experimentos y participantes se necesitan?
No existe una cifra fija de experimentos. Continúa probando hasta que la hipótesis más crítica de tu plan cuente con un respaldo tan sólido como el coste de equivocarte requiera. El resumen de Strategyzer sugiere un ritmo de trabajo muy práctico: ejecuta entre tres y cinco experimentos pequeños sobre tus supuestos prioritarios durante el primer mes, comenzando por la prueba más simple capaz de validar o descartar cada uno (Strategyzer, 2025).
Combina pruebas débiles y sólidas. Un test basado en «lo que dicen» te enseña qué buscar; uno basado en «lo que hacen» te confirma si esa intención se sostiene. Dos pruebas de «lo que dicen» que coincidan no son más que dos opiniones alineadas.
El número de participantes depende del método elegido:
Tests de usabilidad: cinco personas por ronda. El modelo de Jakob Nielsen demostró que cinco usuarios revelan cerca del 85% de los fallos de usabilidad y 15 identifican casi la totalidad; por ello aconseja repartir los recursos en varias rondas pequeñas (Nielsen Norman Group, 2000).
Encuestas: intenta obtener al menos 50 respuestas válidas de un mismo segmento específico antes de considerar representativo un porcentaje. Nuestra guía para encuestas de discovery explica el porqué.
Tests A/B: requieren tráfico real significativo. Kohavi y Longbotham destacan que una división 50/50 ofrece la máxima potencia estadística una vez que una fase inicial breve descarta fallos evidentes. Si careces de volumen de visitas suficiente, recurre a una fake door o a una landing page. Nuestra guía de A/B testing aborda los aspectos matemáticos en profundidad.
Cartas de intenciones y preventas: un puñado de respuestas puede bastar siempre que cada una provenga de un comprador real con presupuesto asignado.
¿Cuáles son los errores más comunes al hacer experimentos de producto?
Testear la idea general en lugar de la creencia más arriesgada. Una pregunta como «¿funcionará esto?» no permite un descarte limpio. «¿Los dueños de gimnasios pagarán 50 € al mes por un informe semanal?» sí lo permite.
Recurrir siempre al método que ya dominas. Los equipos cómodos con las encuestas tienden a resolver todo con encuestas. Deja que sea la naturaleza del riesgo la que determine el método.
Tomar lo que la gente dice como si fuera lo que la gente hace. Veinte entrevistas cargadas de entusiasmo siguen estando en el peldaño más bajo de la evidencia.
Fijar el umbral de éxito una vez vistos los resultados. Interpretar los datos a posteriori convierte el test en una narrativa conveniente, no en una validación real.
Hacer split testing sin el tráfico necesario. Con unos cientos de visitas difícilmente demostrarás causalidad estadística en los cambios.
Ignorar los riesgos menos atractivos. En el mundo startup abunda la obsesión por la deseabilidad. Cagan insiste en validar el valor y la viabilidad del negocio desde temprano, y un problema de factibilidad puede echar abajo una idea atractiva con la misma facilidad.
Subir la escalera demasiado rápido. Lanzar un crowdfunding antes de haber hecho una sola entrevista supone gastar semanas de trabajo para descubrir algo que una simple conversación habría desvelado el primer día.
¿Cuándo no deberías realizar un experimento de producto?
Ahórrate el experimento si la decisión es barata y fácil de revertir; en ese caso, implementarla y observar el comportamiento real en producción es el mejor test posible. Nuestro marco sobre decisiones de producto reversibles e irreversibles te ayudará a distinguirlas con claridad. Tampoco experimentes si vas a desarrollar la funcionalidad sin importar lo que digan los datos: un test cuyos resultados piensas ignorar no es más que una pérdida de tiempo. Y si ninguno de estos 55 métodos encaja en tu contexto (por ejemplo, ciclos de venta pública que duran más de un año), diseña un experimento a medida antes que forzar una técnica inadecuada.
¿Es ético poner a prueba algo que todavía no existe?
Muchos métodos —como la fake door, la página 404, las preventas o el Mago de Oz— muestran al usuario elementos que todavía no son completamente funcionales. Mantén siempre la honestidad y la transparencia:
Explica en la pantalla siguiente que la funcionalidad se encuentra en desarrollo y agradece su tiempo al usuario.
Jamás aceptes dinero que no puedas reembolsar de inmediato o que no te comprometas a entregar. Aclara desde el primer momento las fechas de entrega estimadas.
Si una persona ejecuta las tareas de forma manual y encubierta en un test de Mago de Oz, infórmalo a los participantes al terminar cuando eso pueda importarles.
Solicita autorización antes de grabar cualquier interacción y guarda únicamente los correos de quienes aceptaron compartirlos, usándolos exclusivamente para el fin acordado.
Cómo gestionar este proceso en Specky
Completa un Lean Canvas en la sección de Supuestos, y Specky generará automáticamente las hipótesis subyacentes. Cada una se ubica en un tablero según su impacto frente al nivel de evidencia disponible, destacando y numerando las más arriesgadas. Solo tienes que hacer clic en una tarjeta, escoger un test y el sistema configurará el plan con sus pasos, el umbral de éxito y la duración estimada.
La ejecución variará según el método. Algunas pruebas se realizan mediante entrevistas asistidas por IA a través de Vouch, en vouch.specky.space. En otros casos, Specky genera una página de captura y recopila el feedback por ti. En otros, se conecta para analizar tus herramientas de analítica actuales. Para el resto de métodos, tú conduces el experimento y Specky centraliza el plan y registra los resultados; en las guías de arriba se detalla el funcionamiento de cada uno.
Al registrar un resultado, la tarjeta se actualiza en el tablero y ajusta el estado de cualquier apuesta vinculada. Si un solo supuesto queda descartado, la apuesta completa se marcará como refutada. Una apuesta solo se considerará validada cuando todos y cada uno de los supuestos que la sustentan hayan sido comprobados con éxito.
Preguntas frecuentes
¿Qué es un experimento de producto?
Un experimento de producto es una prueba acotada y planificada sobre una suposición concreta de un producto, con un umbral de éxito fijado antes de arrancar. Permite comprobar si una hipótesis es cierta antes de destinar presupuesto y tiempo de desarrollo reales. Un buen experimento define la creencia, el método a seguir, la métrica de control y el resultado exacto que se considerará una validación.
¿Cómo elijo el experimento de producto correcto?
Identifica la creencia sobre la que tengas mayor incertidumbre, define qué riesgo conlleva (deseabilidad, usabilidad, factibilidad o viabilidad) y determina el grado de solidez que debe tener la prueba en función de lo que costaría equivocarse. Hecho esto, escoge el método más barato capaz de alcanzar ese nivel de certeza. Al principio, unas cuantas conversaciones suelen ser suficientes. Conforme aumente el riesgo, pide a los usuarios que actúen o paguen.
¿Cuáles son los cuatro tipos de riesgo de producto?
Los cuatro riesgos definidos por Marty Cagan son: valor (¿lo comprarán o usarán?), usabilidad (¿sabrán usarlo?), factibilidad (¿podemos construirlo con nuestro tiempo, equipo y tecnología?) y viabilidad del negocio (¿funciona dentro del resto del modelo de negocio?). Por su parte, Testing Business Ideas de Strategyzer contempla tres grandes categorías: deseabilidad, factibilidad y viabilidad, englobando los aspectos de usabilidad dentro de la deseabilidad.
¿Cuál es la evidencia más sólida al validar un producto?
El dinero o una firma constituyen el nivel de evidencia más contundente: un pago por adelantado, una reserva formal o una carta de intenciones firmada. Tienen mucho más peso que lo que la gente hace, lo cual a su vez supera con creces lo que la gente dice. La regla de Osterwalder establece que la evidencia gana fuerza cuanto más se aproxima a una transacción real; por ese motivo, una venta simulada siempre aportará mayor certidumbre que cualquier encuesta o entrevista.
¿Debería empezar con entrevistas a clientes o con una landing page?
Comienza con entrevistas cuando todavía no tengas la seguridad de que el problema existe, ya que necesitas escuchar el vocabulario y las expresiones de los usuarios antes de redactar una propuesta convincente. Si el problema está claro y eres capaz de sintetizar tu oferta en una frase contundente, empieza con una landing page. Muchos equipos combinan ambas cosas en un plazo de dos semanas: hacen entrevistas los primeros días y luego montan la landing basándose en los aprendizajes.
¿Cuántos experimentos conviene hacer antes de empezar a programar?
No hay un número predeterminado. Continúa experimentando hasta que la hipótesis más crítica de tu iniciativa cuente con una evidencia equiparable al coste que tendría equivocarse. A modo de guía, Strategyzer aconseja plantear entre tres y cinco experimentos pequeños sobre las hipótesis prioritarias durante el primer mes. Si una prueba falla de forma concluyente, detén el desarrollo de inmediato.
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