MeshLine
División condicional vs división por porcentaje: qué regla encaja en cada paso del flujo
Aprende cuándo encaja una división condicional o una división por porcentaje en cada paso de un flujo de automatización, con ejemplos prácticos, compensaciones y una lista de revisión.
Dos reglas de división aparecen en casi todos los creadores de flujos de automatización, y elegir mal entre ellas cambia quién ve qué.
Una división condicional enruta los contactos según quiénes son o qué han hecho.
Una división por porcentaje enruta los contactos al azar para que puedas comparar dos estrategias.
La distinción suena simple, pero en un flujo en vivo las dos se intercambian con la frecuencia suficiente para causar daños reales.
Las pruebas nunca aíslan una variable, y los segmentos nunca reciben el mensaje pensado para ellos.
Este artículo recorre qué hace cada regla, cuándo encaja en un paso del flujo y cómo revisar un flujo que ya usa ambas.
Qué hace una división condicional
Una regla de división condicional dirige contactos por rutas distintas según datos de audiencia, actividad de campañas u otras segmentaciones.
En Mailchimp, una rama puede tener hasta cinco condiciones.
Los contactos que las cumplen toman el camino Sí; todos los demás toman el camino No según la guía de división condicional de Mailchimp.
La palabra clave es conocida.
La decisión de enrutamiento es determinista: dos contactos con los mismos datos toman el mismo camino.
Eso hace que las divisiones condicionales sean la herramienta correcta siempre que el mensaje deba diferir por el contacto, no porque quieras comparar mensajes.
Qué hace una división por porcentaje
Una regla de división por porcentaje divide los contactos en dos caminos al azar cuando llegan a la regla, según los porcentajes que elijas.
Mailchimp la presenta explícitamente como una herramienta de experimentación.
Puedes probar si un correo de envío gratuito o de descuento funciona mejor según la guía de división por porcentaje de Mailchimp.
También puedes comparar líneas de asunto o diseños.
El momento de envío se puede probar enviando un correo de inmediato y el otro tras un retraso.
El azar es el punto.
Como la asignación no depende de los atributos del contacto, los dos grupos son comparables, y eso es lo que hace significativa la comparación.
Si descubres que un camino supera al otro durante un periodo, puedes editar los porcentajes para enviar todos los contactos futuros hacia el camino preferido señala Mailchimp.
La regla de decisión: diferencia conocida frente a pregunta abierta
Antes de colocar cualquiera de las dos reglas, hazte una pregunta: ¿ya sabes qué contactos pertenecen a cada camino?
- Si la respuesta proviene de datos que puedes expresar como condición, usa una división condicional. Ejemplos: contactos con una etiqueta específica, contactos que abrieron un correo anterior, contactos de una región, contactos con una compra registrada.
- Si la respuesta es desconocida y la división existe para descubrirla, usa una división por porcentaje. Estás preguntando cuál de dos mensajes, diseños o momentos funciona mejor, y solo la prueba puede decírtelo.
Una comprobación rápida: si podrías describir la división como 'enviar X a las personas que Y', es condicional.
Si la describirías como 'probar X contra Y y ver', es una división por porcentaje.
Dónde encaja cada regla en un flujo
Primeros pasos: divisiones condicionales para enrutar
Los flujos suelen empezar ordenando contactos.
Un flujo de bienvenida puede ramificarse según si el contacto llegó de una prueba gratuita o de una suscripción al boletín.
Un flujo poscompra puede ramificarse por categoría de producto.
Son divisiones condicionales porque el camino correcto lo determinan atributos conocidos, y enviar la rama equivocada significaría enviar contenido irrelevante.
A mitad del flujo: divisiones condicionales tras puntos de interacción
Un patrón común es dividir según si los contactos interactuaron con un correo anterior del mismo flujo.
Mailchimp recomienda esperar al menos cuatro horas antes de una división condicional por interacción previa según Mailchimp.
Sin ese retraso, la división evalúa la interacción antes de que los contactos puedan actuar, y la mayoría cae en la rama por defecto.
Las reglas de retraso temporal marcan el ritmo del flujo y dan espacio a los contactos entre mensajes según la guía de Mailchimp.
Una división colocada justo después de un envío casi no mide nada.
Pasos de prueba: divisiones por porcentaje con contenido comparable
Cuando quieras comparar dos correos, dos líneas de asunto o dos momentos de envío, usa una división por porcentaje.
Las dos ramas deben diferir exactamente en lo único que estás probando.
Si la rama A tiene otra oferta, otra línea de asunto y otro momento de envío, no podrás saber qué diferencia movió el resultado.
Ambas ramas deben ser equivalentes en lo demás: mismas condiciones de audiencia aguas arriba, misma estructura de retrasos, misma ventana de medición.
El propio ejemplo de Mailchimp lo mantiene limpio: un camino envía un correo de envío gratuito, el otro un correo de descuento, y todo lo demás queda igual según Mailchimp.
Pausas: ninguna regla sustituye a una espera
A veces la regla correcta no es una división.
Si los contactos simplemente deben esperar en su posición hasta cumplir una condición, usa una regla de esperar por activador.
Esta regla los pausa según datos de compra, etiquetas, actividad de campañas u otras opciones de segmentación según la guía de esperar por activador de Mailchimp.
Una división condicional responde 'qué camino ahora'; una espera responde 'todavía no'.
Confundirlas envía contactos por una rama de respaldo por la que nunca debieron ir, cuando mantenerlos en su lugar era el comportamiento correcto.
Ejemplo práctico: un flujo, ambas reglas
Considera un flujo de reactivación, descrito aquí como escenario ilustrativo y no como resultado documentado de un cliente.
- Entrada. Los contactos entran cuando cumplen una condición de inactividad.
- División condicional. Los contactos con una compra pasada toman el camino de recuperación; los demás toman el camino de cultivo. La condición se conoce por los datos del contacto, así que es condicional.
- Enviar correo en cada camino, separado del siguiente mensaje por un retraso temporal para que los contactos tengan tiempo de responder según la guía de envío de correos de Mailchimp.
- División por porcentaje solo en el camino de recuperación: el camino A recibe una oferta de descuento, el camino B un mensaje de novedades. La asignación es aleatoria, así que la comparación es justa.
- División condicional tras un retraso. ¿Interactuó el contacto con el correo? Los que interactuaron salen hacia el seguimiento de ventas; el resto continúa. El retraso mínimo de cuatro horas antes de esta división da tiempo a que se registren aperturas y clics según Mailchimp.
Observa el ritmo: las divisiones condicionales usan datos para decisiones, y la división por porcentaje prueba la única pregunta abierta.
Probar la oferta en los caminos con y sin compra duplica las ramas por mantener y divide tu atención.
Probar primero en el camino de mayor valor suele ser más manejable, aunque eso es un criterio editorial, no una regla de la plataforma.
Compensaciones a considerar
Divisiones condicionales: precisas, pero solo tan buenas como tus datos
Una división condicional es tan fiable como la condición que la respalda.
Si una etiqueta se aplica de forma inconsistente, o una propiedad está vacía para gran parte de los contactos, esos contactos toman en silencio el camino No.
Antes de confiar en una división, verifica que el campo o la actividad por la que ramificas esté poblado para la audiencia que entra al flujo.
El valor vacío también es un valor, y enruta.
Divisiones por porcentaje: las comparaciones justas requieren paciencia y volumen
Una división por porcentaje te da grupos comparables, pero una comparación solo es útil si la dejas correr el tiempo suficiente y hay contactos suficientes llegando a la regla.
Con poco volumen en el flujo, ambas ramas pueden quedarse sin potencia estadística durante mucho tiempo.
Recuerda también que editar los porcentajes afecta a los contactos futuros; los contactos que ya pasaron la división permanecen en su camino asignado según Mailchimp.
Declarar un ganador demasiado pronto y enrutar a todos hacia él fija una conclusión que los datos quizá no respaldan.
La complejidad se acumula
Cada división duplica las ramas aguas abajo, y cada rama necesita sus propios retrasos, envíos y condiciones de salida.
Un flujo con varias divisiones condicionales y una prueba en cada camino se vuelve difícil de revisar y más difícil de cambiar con seguridad.
Práctica recomendada: una pregunta abierta por flujo, probada con división por porcentaje; usa divisiones condicionales solo cuando los datos lo exijan.
Revisar un flujo existente
Si heredas un flujo, recórrelo paso a paso y verifica lo siguiente.
Esta lista describe qué comprobar; no puede garantizar que el flujo sea correcto, y el comportamiento de la plataforma puede variar según el plan y la configuración.
- Para cada división condicional, confirma que la condición refleja una diferencia real y poblada entre contactos, y que aceptas que los valores vacíos vayan al camino No.
- Para cualquier división basada en interacción con correos, confirma que la precede un retraso para que los contactos tengan tiempo de actuar según la recomendación de Mailchimp.
- Para cada división por porcentaje, confirma que las dos ramas difieren en un elemento probado y coinciden en todo lo demás.
- Confirma que los retrasos entre correos dan espacio a los contactos en lugar de acumular mensajes según Mailchimp.
- Confirma que los puntos donde los contactos deben pausar usan una regla de espera en lugar de una división que los empuje a un camino de respaldo según Mailchimp.
- Confirma que cada rama tiene una salida o punto final definido, para que ningún contacto quede indefinidamente en el flujo.
Errores comunes
- Usar una división por porcentaje para segmentar. La asignación aleatoria envía contactos interesados y no interesados a ambas ramas. Si el objetivo es la relevancia, ramifica por datos.
- Usar una división condicional para probar. Si la pertenencia a la rama depende de atributos del contacto, los grupos no son comparables, y cualquier diferencia de rendimiento puede reflejar la audiencia y no el mensaje.
- Dividir por interacción demasiado pronto. Sin un retraso, la división se ejecuta antes de que exista comportamiento, y casi todos caen del mismo lado.
- Probar varias variables a la vez. Una rama ganadora te dice que la combinación funcionó, no qué elemento la causó.
En resumen
Las divisiones condicionales enrutan diferencias conocidas; las divisiones por porcentaje resuelven preguntas abiertas.
Coloca divisiones condicionales donde los datos del contacto o el comportamiento previo deban cambiar el camino.
Dales un retraso previo a las divisiones basadas en interacción, y reserva las divisiones por porcentaje para pruebas de una sola variable que estés dispuesto a dejar correr.
Cuando la pregunta real de un paso sea 'todavía no' en lugar de 'qué camino', recurre a una regla de espera en lugar de cualquiera de las dos divisiones.
Para la decisión vecina entre mantener contactos y dividirlos, consulta División por porcentaje vs esperar por activador: qué regla encaja en cada paso del flujo.
Para elegir el bloque correcto en cada paso, consulta ¿Qué acción de flujo de automatización debo usar? Decide paso a paso.
Consulta también ¿Qué activador de flujo de automatización debo usar? Decide antes de construir.
Para saber cómo la propiedad de los campos afecta las condiciones de ramificación, consulta Etapa del ciclo de vida vs estado del lead: qué propiedad es dueña de cada paso.
Cómo puede ayudar Meshline.
Conecta la automatización, el Marketing Orgánico (generación de demanda) y la gestión del ciclo de vida del cliente (Revenue Intelligence).
Integra la planificación de temas, la publicación de contenidos y el feedback de rendimiento en la conversación sobre tu flujo de trabajo. Reserva una demo de Meshline.