Probar precio y landing antes de gastar en tráfico
Antes de quemar presupuesto en tráfico, puedes descubrir el rango de precio que el mercado acepta y qué versión de tu copy convence más, usando un panel de clientes sintéticos. Esta lección te enseña el Van Westendorp simulado para hallar la ventana de precio y el A/B de copy con personas de IA, siempre dentro de la regla de oro: el sintético explora, el humano confirma (Train Synthetic, Test Real).
Tienes un producto nuevo para lanzar. Dos preguntas te quitan el sueño: por cuánto venderlo, y qué landing va a convertir. La forma antigua de descubrirlo era cara y lenta: lo pones en línea, tiras unos tres mil dólares de tráfico, esperas una semana, lees el resultado y rezas. Si el precio estaba mal o la copy era floja, ya quemaste el presupuesto para descubrirlo. Hoy hay un paso antes de ese: simulas un panel de clientes (personas de IA que piensan como tu público) y les preguntas, en minutos, qué rango de precio suena justo y qué versión de la página convence más. No es para reemplazar la prueba real. Es para llegar a la prueba real ya habiendo eliminado las opciones obviamente malas, gastando medios solo en las dos o tres que sobrevivieron en pie.
Vas a lanzar un plan premium de tu consultoría y no sabes si cobrar 800, 1.500 o 2.500 al mes. Cada rango probado con tráfico de verdad son semanas y unos miles de dólares para tener respuesta. Antes de eso, corres un Van Westendorp simulado: armas un panel sintético de tu cliente (el CFO de una empresa mediana) y haces las cuatro preguntas de precio. En minutos ves la ventana donde el precio deja de sonar caro y todavía no suena tan barato como para oler a estafa. Ahí llevas a la prueba real solo las dos puntas de esa ventana, no los cinco precios de la corazonada inicial.
El bufete va a ofrecer una suscripción de asesoría preventiva y tiene dos versiones de la landing: una que vende "tranquilidad jurídica", otra que vende "evita el juicio que quiebra la empresa". ¿Cuál convence al dueño de una pyme? Antes de pagar para descubrirlo, tiras las dos contra un panel sintético de personas de tu cliente y lees qué argumento muerde más y por qué. El sintético te señala la favorita y el motivo; el tráfico real, después, confirma con dinero de verdad.
Estás lanzando un curso y tienes tres precios candidatos y dos titulares. Son seis combinaciones para probar, y probarlas todas con tráfico es caro y demorado. Corres un panel sintético: primero el Van Westendorp para hallar la ventana de precio, después el A/B de los titulares dentro de esa ventana. En una tarde reduces de seis combinaciones a dos. Solo esas dos van a medios pagos. No tercerizaste la decisión a la IA, usaste la IA para no pagar caro probando las opciones que nunca tuvieron chance.
Vas a abrir una vacante senior y tienes dos versiones del anuncio: una que vende "desafío técnico de punta", otra que vende "calidad de vida y flexibilidad". ¿Cuál atrae al candidato correcto? Antes de publicar en los canales pagos y esperar dos semanas a ver quién se postula, tiras las dos descripciones contra un panel sintético de personas de tu candidato ideal y lees qué argumento tira más, y por qué. El sintético te señala la versión favorita y el motivo; el funnel real de candidatos, después, confirma de verdad quién aparece. El sintético explora barato, la selección real da el martillazo.
Tienes tres funcionalidades candidatas para el próximo release y dos formas de presentar la principal en el onboarding. Priorizar todo con prueba de usuario real y métricas de producto lleva semanas de roadmap. Antes de eso, armas un panel sintético de las personas de tu usuario y corres la preprueba: qué feature dicen que resolvería el dolor de verdad, y cuál de los dos mensajes de onboarding comunica mejor el valor. En una tarde reduces de tres features a una apuesta y de dos mensajes a uno. Solo esa finalista va a la prueba con usuario real. No tercerizaste la priorización a la IA, la usaste para no gastar sprint probando lo que nunca tuvo chance.
Vas a lanzar una propuesta nueva y no sabes si anclarla en 30, 50 u 80 mil. Cada rango probado de verdad son semanas de pipeline y negociación para tener respuesta. Antes de llevarla al cliente, corres un Van Westendorp simulado: armas un panel sintético de tu comprador (el decisor de compras de una empresa mediana) y haces las cuatro preguntas de precio. En minutos ves la ventana donde el valor deja de sonar caro y todavía no suena tan barato como para oler sospechoso. Ahí llevas a la mesa de negociación solo las dos puntas de esa ventana, no los tres números de la corazonada inicial. El sintético estrecha, la propuesta real cierra.
Vas a ofrecer un nuevo nivel de SLA y tienes dos formas de comunicar el paquete al cliente interno: una que vende "previsibilidad total", otra que vende "menos retrabajo y fila". ¿Cuál convence al área que va a contratar el proceso? Antes de correr el piloto caro y medir eficiencia por semanas, tiras las dos versiones contra un panel sintético de las personas de tus clientes internos y lees qué argumento muerde más, y por qué. El sintético te muestra la favorita y el motivo; el piloto operacional real, después, confirma con dato de verdad. El sintético explora barato, la operación real confirma.
Vas a publicar una política nueva de uso de datos y tienes dos versiones del comunicado: una que enfatiza "protección y cumplimiento de la LGPD", otra que enfatiza "menos burocracia en tu día a día". ¿Cuál hace que el colaborador realmente lea y se adhiera? Antes de correr la campaña interna entera y medir adhesión por semanas, tiras las dos versiones contra un panel sintético de las personas de las áreas afectadas y lees qué argumento engancha más, y por qué. El sintético señala la ganadora y el motivo; la adhesión real, después, confirma si el control realmente prendió. El sintético explora, el piloto humano da el martillazo.
Vas a lanzar una feature de API paga y no sabes si cobrar por solicitud, por usuario o por volumen, ni en qué rango. Probar cada modelo con clientes de verdad son semanas de deploy, telemetría y ajuste para tener respuesta. Antes de subir a producción, corres un panel sintético de las personas de tus desarrolladores y equipos de plataforma: qué modelo de cobro suena justo, qué rango deja de parecer caro y todavía no huele a barato sospechoso. En una tarde reduces de tres modelos a uno y estrechas el rango. Solo esa finalista va a la prueba con cliente real midiendo adopción. No tercerizaste la decisión a la IA, la usaste para no quemar release probando lo que nunca tuvo chance.
Rediseñaste el flujo de registro y tienes dos prototipos: uno que abre pidiendo el mínimo de datos, otro que explica el valor antes de pedir cualquier cosa. ¿Cuál le resulta más claro y menos cansador al usuario? Antes de correr la prueba de usabilidad cara con gente real y esperar la agenda, presentas los dos flujos a un panel sintético de las personas de tus usuarios y lees qué trayecto confunde menos, dónde se traba cada uno, y cuál haría que la persona completara, y por qué. El sintético te entrega la favorita y el porqué, que es lo que usas para arreglar la perdedora; la investigación con usuario real, después, confirma quién de verdad completa el flujo. El sintético explora barato, el usuario real confirma.
Vas a proponer el rango de valuation en una negociación de adquisición y tienes dos narrativas para anclar: una que vende sinergia de costos, otra que vende expansión de mercado. ¿Cuál convence al board de aprobar el ticket? Antes de gastar semanas de due diligence para averiguarlo, corres un panel sintético de tus consejeros y haces las cuatro preguntas de anclaje: a partir de qué múltiplo el negocio parece demasiado caro, y a partir de qué múltiplo parece barato al punto de esconder riesgo. En minutos ves la ventana de valuation que sobrevive al escrutinio, y pruebas las dos narrativas dentro de ella. No tercerizaste la decisión de M&A a la IA, usaste la IA para no llevarle al board seis escenarios que nunca tuvieron oportunidad.
Uf, déjame empezar esta lección con la escena que más duele en el lanzamiento. Pasaste semanas en el producto, elegiste un precio a corazonada (generalmente "lo que cobra el competidor, más o menos"), escribiste una landing que te pareció hermosa, y le tiraste presupuesto de tráfico encima. Entonces llega el resultado: convirtió mal. Y ahora viene la parte cruel: no sabes si el problema fue el precio, fue la copy, o fueron los dos. Gastaste para quedar más confundido. Piénsalo conmigo: ¿y si pudieras descubrir el rango de precio aceptable y la mejor versión de la copy ANTES de gastar el primer peso en medios? No hay certeza absoluta sin el mundo real, pero sí puedes eliminar las corazonadas malas gratis. Es exactamente eso lo que esta lección instala en tu forma de lanzar.
La idea central de esta lección. Antes de gastar en tráfico, corres dos pruebas baratas con un panel de clientes sintéticos (personas de IA que simulan a tu público). Primero, un Van Westendorp simulado: cuatro preguntas de precio que revelan la ventana donde tu producto no suena demasiado caro ni tan barato como para parecer sospechoso. Segundo, un A/B de copy: tiras dos versiones de la landing contra ese panel y lees cuál convence más, y por qué. Las dos técnicas tienen un techo que necesitas respetar, y es la regla de oro de toda esta ruta: el sintético explora, el humano confirma (Train Synthetic, Test Real). La IA estrecha las opciones barato; la prueba real, con gente de verdad y dinero de verdad, da el martillazo. Quien invierte ese orden ahorra mal y decide peor.
01Por qué esto es distinto de solo preguntarle a la IA
Antes de mostrarte la técnica, necesito sacarte de una trampa, porque es donde casi todos resbalan. "Panel sintético" no es abrir el ChatGPT y preguntar "¿cuánto crees que debería cobrar?". Eso te da una opinión genérica y, peor, adulona. La IA tiende a lo que los investigadores llaman sycophancy (la adulación): quiere agradarte, entonces encuentra tu precio razonable y tu copy buena. Si preguntas mal, se convierte en un espejo que te elogia.
El panel sintético serio es otra cosa. Construyes personas específicas de tu público (no "un cliente", sino "Marina, gerente de marketing de una empresa de 50 personas, presupuesto ajustado, quemada por una herramienta que prometió y no entregó") y le haces la MISMA pregunta estructurada a un grupo de ellas, leyendo la distribución de las respuestas, no una sola. Y aquí hay un detalle técnico que cambia todo, y que un estudio de 2025 dejó claro: si le pides a la IA una nota de 1 a 5, achata todo en el medio y el resultado no vale nada. La forma que funciona (el método que el estudio llamó Semantic Similarity Rating) es pedir una respuesta en texto libre, en lenguaje de persona, y después interpretar el sentimiento. Ese mismo estudio, corriendo 57 investigaciones y más de nueve mil respuestas, llegó a cerca del 90% de la confiabilidad de un panel humano. Noventa por ciento es excelente para explorar. No es cien, y por eso no decide solo.
Fíjate que esto es primo de lo que viste allá en el 2.1, sobre que el contexto es todo: la calidad de la respuesta de la IA es la calidad del contexto que diste. Persona vaga, respuesta vaga. Persona rica y anclada en tu cliente real, respuesta que vale la exploración. ¿Listo?
02Van Westendorp simulado: hallar la ventana de precio
Ahora la primera prueba, y resuelve la pregunta más angustiante del lanzamiento: por cuánto vender. El Van Westendorp es una técnica de investigación de precio que existe desde los años 70, y su gracia es que no pregunta "¿cuánto pagarías?" (pregunta que da una respuesta mentirosa, porque todos quieren pagar poco). Hace cuatro preguntas indirectas sobre percepción:
- ¿A qué precio esto empieza a parecer demasiado caro (lo pensarías dos veces)?
- ¿A qué precio es caro, pero todavía vale la pena considerarlo?
- ¿A qué precio es un buen negocio, barato sin ser sospechoso?
- ¿A qué precio se vuelve demasiado barato al punto de que desconfíes de la calidad?
Fíjate en la cuarta: existe el precio demasiado bajo. En lo financiero hasta se nos olvida, pero en marketing eso es oro, porque cobrar de menos no solo deja dinero sobre la mesa, hace que el producto huela a estafa. Cruzando las cuatro respuestas de un panel entero, encuentras un rango, una ventana, donde el precio deja de sonar caro y todavía no suena barato sospechoso. Es dentro de esa ventana donde vive tu precio.
Lo que hace la IA aquí es simular ese panel. Armas de 15 a 30 personas variadas de tu público (presupuesto alto y bajo, más escéptico y más abierto, ya cliente y nunca cliente) y les haces las cuatro preguntas a cada una, pidiendo respuesta en valor y el motivo. Después lees dónde se acumulan las respuestas. En vez de reclutar treinta personas reales y esperar dos semanas, tienes el boceto de la ventana en una tarde.
Un aviso para que no te ilusiones: la ventana que te da el panel sintético es un boceto, no la verdad final. La IA tiende a borrar los extremos (el estudio llama a esto model collapse, gravita hacia el medio y desaparece los casos raros). Entonces tu cliente de nicho, ese que pagaría mucho más o que tiene una objeción rara, puede no aparecer. Usa la ventana para cortar los precios de tu corazonada que quedaron claramente fuera de ella, y lleva a la prueba real las dos puntas que sobrevivieron. El sintético te ahorró probar cinco precios. No te dio de regalo el precio final.
03A/B de copy con panel sintético: qué versión convence
Ahora la segunda prueba, que ataca la otra pregunta: qué landing convierte. Normalmente tienes dos (o tres) versiones de la página: titulares diferentes, promesas diferentes, órdenes diferentes de argumento. La forma cara de decidir es poner las dos en línea y dividir el tráfico pagado entre ellas hasta que una gane. Funciona, pero cuesta medios y tiempo, y durante la prueba la mitad de tu dinero va a la versión peor.
El panel sintético hace una preprueba. Presentas las dos versiones de la copy al mismo panel de personas y preguntas, de cada una: qué te promete esta página, qué te convenció, qué te dejó en duda, y cuál de las dos te haría avanzar, y por qué. No estás pidiendo una nota (recuerda, la nota achata todo). Estás leyendo las reacciones en texto, como en un grupo focal, solo que en minutos. Una agencia que probó esto lo describió exactamente así: personas de IA como un focus group de landing page, leyendo dónde se traba la copy y qué confunde, antes de gastar con público real.
Lo que ganas con esto es cualitativo y precioso: no es solo "la versión B ganó", es "la versión B ganó PORQUE la promesa estaba más concreta y la versión A dejó a la persona en duda sobre el precio". Ese "porqué" te da qué arreglar, no solo qué elegir. Reescribes la versión perdedora con el aprendizaje, o juntas lo mejor de las dos, y SOLO ENTONCES llevas una o dos finalistas al tráfico real.
Hay una trampa aquí que merece nombre, porque es la misma de siempre en esta ruta: no confundas la reacción del panel con conversión garantizada. Una persona de IA diciendo "yo haría clic" no es alguien poniendo la tarjeta. El panel te dice qué copy comunica mejor; solo el mercado dice qué VENDE mejor. Son cosas correlacionadas, no iguales.
04La regla de oro: el sintético explora, el humano confirma
Aquí está el corazón de esta lección, y es la frase que quiero pegada en tu pared de marketing: Train Synthetic, Test Real. En idioma de persona: usa el sintético para EXPLORAR (generar hipótesis, cortar opciones malas, hallar el rango, elegir las finalistas) y usa el humano real para CONFIRMAR (dar el martillazo en la decisión que cuesta dinero). Invertir esto es el error que transforma una herramienta buena en una trampa.
¿Por qué confirmar es innegociable? Por algo que los investigadores llaman asimetría de verificación, y es medio cruel: solo sabes si el panel sintético acertó comparándolo con dato real, que es justamente el costo que querías evitar. Entonces el sintético nunca se autoprueba. Es una apuesta calibrada, no una certeza. Lo que sostiene esa apuesta es una reglita simple de riesgo: decisión de bajo riesgo (cuál de dos titulares probar primero, qué ángulo explorar) se puede resolver en el sintético; decisión de alto riesgo (el precio de lista del lanzamiento, la promesa central de la marca) SIEMPRE pasa por humano real antes de volverse verdad.
Y mira cómo esto te ahorra de verdad, sin engañarte. Empezaste con seis combinaciones de precio y copy. El panel sintético, en una tarde, las redujo a dos. Llevas solo esas dos al tráfico pagado. No eliminaste la prueba real, la volviste barata: en vez de quemar medios en seis apuestas, los quemas en dos que ya pasaron por un filtro serio. Esa es la ganancia honesta. Quien promete que el sintético reemplaza la prueba real te está vendiendo el ahorro equivocado, el que cuesta caro después.
05El encaje con el resto de tu ruta de marketing
Para cerrar el modelo mental, fíjate que esta lección no vive sola. Es la pieza de "decidir y medir" que protege a las anteriores. Si en el módulo de personalización armaste un panel sintético de tu público (el gemelo digital del cliente), es el MISMO panel que reusas aquí para probar precio y copy, entonces la inversión de construir buenas personas se paga dos veces.
Y hay una costura de seguridad que no puedo dejar pasar, porque la IA ya apareció en esta ruta como riesgo, no solo como herramienta. Cuando le das tu copy de landing y tus números de precio a un panel sintético, estás pegando contenido en el contexto de la IA. Vale la pena recordar lo que viste en G.2 sobre prompt injection: si estás corriendo esto en una herramienta que también lee contenido de terceros, una instrucción escondida puede contaminar la prueba. Y si las personas se construyeron a partir de datos de clientes reales tuyos, vale la regla de la LGPD que viste en G.8: el dato personal de un cliente que se vuelve persona sigue siendo dato personal, y merece el mismo cuidado. El panel sintético es una de las pocas técnicas de esta ruta que toca dato sensible de cliente; trátalo con el respeto que te enseñó el Guardián.
Para llevarte: antes de gastar en tráfico, corres dos pruebas baratas en un panel de clientes sintéticos. El Van Westendorp simulado hace cuatro preguntas de precio y te dibuja la ventana aceptable (ni demasiado caro, ni tan barato como para oler a estafa). El A/B de copy tira dos versiones de la landing contra el panel y te dice cuál convence más, y por qué. Las dos técnicas viven dentro de una regla que no se rompe: el sintético explora y estrecha las opciones, el humano real confirma la decisión de alto riesgo (Train Synthetic, Test Real). No reemplazas la prueba real, llegas a ella ya habiendo cortado las apuestas malas gratis. ¿Listo? Siguiente.
Hazlo ahora
Tu misión en esta lección es correr tu primera prueba sintética de precio Y de copy para UN producto tuyo que está por lanzarse (o que quieres reprecificar). Unos veinte minutos. Sale un artefacto de una página: la Ficha de prueba pretráfico.
PASO 1 · ARMA EL PANEL (5 minutos) Describe de 5 a 8 personas específicas de tu público. No "un cliente", sino gente con nombre, cargo, presupuesto, objeción e historia (ej: "Marina, gerente de marketing, empresa de 50 personas, presupuesto ajustado, ya se quemó con una herramienta que prometió y no entregó"). Varía: presupuesto alto y bajo, escéptico y abierto, ya cliente y nunca cliente. Este panel lo reusas en las dos pruebas.
PASO 2 · VAN WESTENDORP SIMULADO (7 minutos) Pídele a la IA que, para CADA persona, responda en texto (no en nota) las cuatro preguntas, con el motivo:
- ¿A qué precio esto se vuelve demasiado caro (lo pensarías dos veces)?
- ¿A qué precio es caro, pero todavía vale considerarlo?
- ¿A qué precio es un buen negocio, barato sin ser sospechoso?
- ¿A qué precio se vuelve demasiado barato como para que desconfíes?
Lee dónde se acumulan las respuestas y anota la VENTANA (del "barato sospechoso" al "demasiado caro"). Marca los precios de tu corazonada que cayeron fuera de ella.
PASO 3 · A/B DE COPY (5 minutos) Pega tus DOS versiones de titular o de promesa principal. Pídele al mismo panel, por persona: qué te promete cada versión, qué te convenció, qué te dejó en duda, cuál te haría avanzar y por qué. Anota la ganadora Y el motivo (el "porqué" es lo que vas a usar para mejorar la perdedora).
PASO 4 · LA REGLA DE ORO (3 minutos) Escribe en una línea qué vas a llevar a la PRUEBA REAL: las dos puntas de la ventana de precio y la copy ganadora (más, si vale la pena, la perdedora ajustada con el aprendizaje). Esa es la única cosa que va a gastar medios. Todo lo que quedó afuera, el sintético ya lo cortó gratis.
Al final, hazte la pregunta prueba: si hubieras saltado directo al tráfico, ¿en cuántas apuestas habrías gastado medios? ¿Y cuántas te dejó cortar el panel sintético antes? Esa diferencia es el dinero que acabas de no quemar. Y la pregunta que te mantiene honesto: ¿cuál de estas decisiones es de alto riesgo suficiente como para NO confiar solo en el sintético?
De dónde viene el panel sintético y por qué no es magia
El nombre de mercado para esto es cliente sintético (synthetic respondent): una persona generada por IA que simula cómo respondería una persona real a una encuesta, entrevista u oferta. Analistas como NielsenIQ proyectan que este tipo de insumo puede superar la mitad de la investigación de mercado hacia 2027, y startups del sector ya levantaron rondas valuadas en más de mil millones de dólares, entonces no es una moda pasajera, es un cambio de fondo en cómo se investiga. Lo que da credibilidad técnica es el método: un estudio de 2025 (Semantic Similarity Rating, o SSR) mostró que pedir respuesta en texto libre e interpretar el sentimiento, en vez de pedir una nota de 1 a 5, alcanza cerca del 90% de la confiabilidad de un panel humano. Pero el mismo campo de investigación cataloga los límites con honestidad, y necesitas conocerlos: sycophancy (la IA te elogia demasiado), model collapse (borra los casos raros y gravita hacia el medio), y la asimetría de verificación (solo compruebas que el panel acertó comparándolo con lo real, que es el costo que querías evitar). Por eso el sector formalizó la regla Train Synthetic, Test Real y el framework de riesgo por capas: bajo riesgo se resuelve en el sintético, alto riesgo exige humano. Hasta hay quien vende Validation-as-a-Service, un servicio tercero que certifica si tu panel coincide con la realidad. No necesitas implementar nada de esto por debajo. Necesitas reconocer la jerga y exigir la regla de oro cuando la herramienta (o el proveedor) intente venderte el atajo que se salta la prueba real.
Practica
1. ¿Cuál es el objetivo correcto de correr un Van Westendorp simulado con un panel sintético antes del lanzamiento?
2. Corriste el A/B de copy en el panel sintético y la versión B ganó con holgura. ¿Cuál es el siguiente paso correcto?
3. ¿Por qué la regla 'el sintético explora, el humano confirma' (Train Synthetic, Test Real) es innegociable en decisiones de alto riesgo como el precio de lista del lanzamiento?
¿Listo? Cerremos juntos el mensaje de esta lección. Antes de gastar el primer peso de tráfico, tienes un paso barato que casi nadie da: armas un panel de clientes sintéticos y corres dos pruebas. El Van Westendorp simulado te da la ventana de precio, y mira que te recuerda algo que se nos olvida, que existe el precio demasiado bajo, el que huele a estafa. El A/B de copy te dice qué versión de la landing convence más, y lo más valioso, te dice el porqué, que es lo que usas para arreglar la perdedora. Y las dos técnicas solo funcionan si respetas la regla que atraviesa toda esta ruta: el sintético explora y corta las opciones malas gratis, el humano real confirma la decisión que cuesta dinero. No estás reemplazando la prueba real, estás llegando a ella más inteligente y más barato. Quien se salta este paso quema medios para descubrir lo que un panel sintético le habría susurrado en una tarde. Y quien confunde el susurro del panel con la palabra final del mercado ahorra mal, del modo que cuesta caro más adelante. Haz las dos pruebas en tu próximo lanzamiento y cuéntame cuánto no gastaste.
Para la pizarra
Sobre el dolorconvirtió mal y no sabes si fue el precio, el copy o los dos. Testear antes separa las variables.
Sobre la regla de orolo sintético explora, el humano confirma. Dibuja la ventana barato; el tráfico real toma la decisión.
Sobre el límitelo sintético es una apuesta calibrada y no puede probarse a sí mismo. Una decisión cara pasa por humanos.
Gracias por el feedback. Esto ayuda a afinar la próxima lección.