---
title: "Distribución del tráfico: documentación de CheckoutOS"
description: "Cómo distribuir el tráfico eficazmente en pruebas A/B. De la sección “Pruebas A/B” de la documentación de Chargezen CheckoutOS."
url: "https://chargezen.com/es/docs/checkoutos/ab-testing/traffic"
lang: "es"
updated: "2025-01-16"
---

Canonical URL: https://chargezen.com/es/docs/checkoutos/ab-testing/traffic

# Distribución del tráfico

Cómo distribuir el tráfico eficazmente en pruebas A/B

Última actualización: 2025-01-16

La **asignación de tráfico** determina cómo se reparten los visitantes entre las variantes. La estrategia adecuada equilibra la potencia estadística y el riesgo para el negocio.

## Principios de asignación

Cuando un visitante entra al checkout, CheckoutOS le asigna una variante al azar según la configuración. Una vez asignada, la mantiene durante toda la sesión y en visitas futuras.

Ejemplo de asignación de tráfico

```json
{
  "traffic_allocation": {
    "method": "random",
    "variants": [
      { "name": "Control", "weight": 50 },
      { "name": "Variant A", "weight": 50 }
    ],
    "sticky_assignment": true,
    "assignment_key": "visitor_id"
  }
}
```

## Estrategias de asignación

### Reparto igual, 50/50

El enfoque estándar para la mayoría de los experimentos:

*   **Significación más rápida** — Muestras iguales optimizan la potencia
*   **Análisis sencillo** — No exige ponderar los cálculos
*   **Ideal para** — La mayoría de las pruebas A/B estándar

### Reparto conservador, 90/10

Minimiza el riesgo al probar cambios potencialmente disruptivos:

*   **Menor riesgo** — Solo el 10 % ve la experiencia nueva
*   **Resultados más lentos** — Tarda más en alcanzar significación
*   **Ideal para** — Cambios grandes, funciones nuevas y experimentos arriesgados

Asignación conservadora

```json
{
  "traffic_allocation": {
    "variants": [
      { "name": "Control", "weight": 90 },
      { "name": "New Checkout Flow", "weight": 10 }
    ]
  }
}
```

### Despliegue gradual

Aumenta progresivamente la exposición a la variante:

Asignación gradual

```json
{
  "traffic_allocation": {
    "method": "ramped",
    "stages": [
      { "day": 1, "control": 95, "variant": 5 },
      { "day": 3, "control": 80, "variant": 20 },
      { "day": 7, "control": 50, "variant": 50 }
    ],
    "auto_progress": true,
    "hold_on_degradation": true
  }
}
```

Cuándo usar el despliegue gradual

Úsalo si quieres los beneficios de probar, pero necesitas minimizar el riesgo. Si la variante rinde mal, el impacto se limita a un porcentaje pequeño.

### Bandido multibrazo

Desvía automáticamente tráfico a las variantes con mejores resultados:

Asignación con bandido multibrazo

```json
{
  "traffic_allocation": {
    "method": "bandit",
    "algorithm": "thompson_sampling",
    "exploration_rate": 0.1,
    "optimize_for": "revenue_per_visitor",
    "minimum_traffic_per_variant": 0.05
  }
}
```

#### Ventajas y desventajas

*   Ventaja: maximiza los ingresos durante la prueba
*   Ventaja: se adapta automáticamente al rendimiento
*   Desventaja: dificulta calcular la significación
*   Desventaja: puede converger antes de tiempo

## Selección de audiencia

Ejecuta experimentos en segmentos de clientes específicos:

Experimento dirigido

```json
{
  "audience": {
    "include": [
      { "type": "customer_tag", "value": "vip" },
      { "type": "order_count", "operator": "gte", "value": 2 }
    ],
    "exclude": [
      { "type": "customer_tag", "value": "wholesale" }
    ],
    "percentage_of_audience": 100
  }
}
```

#### Opciones de segmentación

*   Etiquetas y segmentos de clientes
*   Visitantes nuevos o recurrentes
*   Historial de pedidos: primera compra o repetición
*   Umbrales de valor del carrito
*   Ubicación geográfica
*   Dispositivo: teléfono o computadora
*   Fuente: orgánico, de pago o sitios de referencia

## Reglas de exclusión

Impide que ciertos visitantes participen en experimentos:

Configuración de exclusiones

```json
{
  "exclusions": {
    "other_experiments": ["experiment-123", "experiment-456"],
    "customer_segments": ["employees", "testers"],
    "conditions": [
      { "type": "cart_value", "operator": "lt", "value": 20 }
    ]
  }
}
```

Exclusión mutua

Si ejecutas varios experimentos, evita que entren en conflicto. Un cliente en una prueba de precios de venta adicional no debería participar también en una prueba de ubicación: los efectos se mezclarían.

## Calculadora de tamaño de muestra

CheckoutOS incluye una calculadora de muestra. Introduce:

*   **Tasa de conversión inicial** — Rendimiento actual
*   **Efecto mínimo detectable** — La menor mejora que merece detectarse
*   **Significación estadística** — Normalmente, 95 %
*   **Potencia estadística** — Normalmente, 80 %

La calculadora indica cuántos visitantes necesitas y cuánto tardará aproximadamente la prueba según tu tráfico.

## Buenas prácticas

Consejos de asignación

*   **Empieza con 50/50** — Salvo que tengas motivos para otra distribución
*   **Mantén la asignación** — Cada visitante debe ver una experiencia consistente
*   **No cambies la distribución a mitad de prueba** — Invalida los resultados
*   **Excluye otros experimentos** — Evita efectos de interacción
*   **Considera los ciclos del negocio** — Ejecuta pruebas durante semanas completas

## Temas relacionados

[

### Crear experimentos

Cómo configurar pruebas A/B

Más información



](https://chargezen.com/es/docs/checkoutos/ab-testing/creating)[

### Análisis de los resultados

Interpreta los datos del experimento

Más información



](https://chargezen.com/es/docs/checkoutos/ab-testing/results)

¿Te resultó útil esta página?

¿Necesitas más ayuda? [Contactar con soporte](https://chargezen.com/es/docs/checkoutos/troubleshooting/support)