Una mala miniatura no se convierte en una buena estrategia porque tenga dos variantes más.


El A/B testing ha generado una costumbre curiosa en YouTube: crear varias opciones puede dar una sensación de seguridad que no siempre está justificada. Si ninguna termina funcionando, queda la idea de que el sistema encontrará la menos mala y a veces ocurre, otras veces sólo terminamos probando tres versiones que nacieron de la misma idea débil.


En una conversación reciente entre estrategas de YouTube el tema terminó convirtiéndose en un pequeño debate. Había quienes habían tenido experiencias pobres con las pruebas automáticas y preferían lanzar una miniatura fuerte, observar el comportamiento del video y cambiarla manualmente cuando los datos lo justificaban, mientras otros habían conseguido resultados positivos iterando packaging varias veces sobre una misma pieza.


La diferencia importa porque el A/B testing suele tratarse como una función aislada cuando, en realidad, forma parte de un proceso mucho más amplio que empieza antes de publicar.


Título y thumbnail deberían aparecer durante la ideación. No necesariamente como versiones definitivas, pero sí como una forma temprana de comprobar si la promesa se entiende. Si antes de producir nadie puede imaginar una manera clara de presentar la idea, quizá el problema esté en el concepto y no en Photoshop.

Eso no obliga a quedarse con la primera opción; una entrevista puede tomar otra dirección, durante una grabación puede aparecer una frase mejor de la prevista y una escena secundaria puede terminar siendo el momento central. 

La producción ofrece información nueva y el packaging debería poder absorberla.


En la reunión, Morgan Burton contó que incluso en producciones que todavía no habían entrado en preproducción trabajaban desde muy temprano en cómo se presentarían en YouTube. Después, durante el rodaje, iban acumulando nuevos momentos e ideas visuales para decidir más adelante cuál utilizar, ese proceso cambia bastante el sentido del test.


Ya no se trata de improvisar tres imágenes unas horas antes de publicar y esperar que YouTube resuelva el problema... las variantes deberían representar hipótesis distintas sobre una misma promesa y después hay que esperar lo suficiente para leer qué está pasando.

Un CTR inicial bajo puede corresponder a una audiencia pequeña, a una expansión de impresiones, a la fuente de tráfico o simplemente a una fase demasiado temprana para sacar conclusiones. Cambiar título y thumbnail cada pocas horas puede terminar mezclando señales y hacer más difícil entender qué estaba ocurriendo realmente.


Mi aproximación suele ser empezar con una opción en la que exista suficiente confianza y darle espacio para trabajar. Cuando el crecimiento pierde velocidad y los datos empiezan a mostrar una señal más clara, comienza la iteración.


He visto piezas estancadas alrededor de decenas de miles de vistas que, después de varias rondas de mejores títulos y thumbnails acompañadas de lectura de impresiones, CTR y retención, terminaron llegando a cientos de miles o millones. Eso no convierte al A/B testing en una máquina para revivir videos; simplemente recuerda que el packaging tampoco tiene por qué considerarse terminado el día de publicación.


Mario Joos planteó otra objeción durante la sesión: YouTube ofrece poca visibilidad sobre aspectos metodológicos que serían útiles para interpretar una prueba, entre ellos el tamaño y composición de la muestra, la exposición de cada variante o las condiciones exactas bajo las que se determina un resultado, él también cuestionó que el resultado agregado permita distinguir con claridad una mejora en clic de una mejora posterior en consumo.


La crítica deja una advertencia útil incluso sin aceptar cada uno de sus argumentos: un resultado del test no debería sustituir la lectura del canal.


CTR, impresiones, duración promedio, retención, fuente de tráfico y audiencia alcanzada siguen formando parte del diagnóstico. Una miniatura puede aumentar el porcentaje de clic mientras el video llega a menos personas; otra puede registrar un CTR menor mientras YouTube amplía considerablemente su distribución y mirar solamente cuál variante recibió una etiqueta de ganadora elimina buena parte del contexto.


El A/B testing puede ser una herramienta valiosa, pero pierde valor cuando reemplaza el trabajo que debería ocurrir antes: una hipótesis clara, una buena promesa, una pieza capaz de cumplirla y suficiente paciencia para leer el comportamiento real.


La herramienta hace la prueba pero el criterio sigue siendo nuestro.