[{"data":1,"prerenderedAt":564},["ShallowReactive",2],{"article-alternates":3,"article-\u002Fes\u002Fgaming\u002Fpruebas-creativas-aso-ppo-ipm":12},{"i18nKey":4,"paths":5},"gaming-001-2026-05",{"de":6,"en":7,"es":8,"fr":9,"it":10,"ru":11},"\u002Fde\u002Fgaming\u002Faso-creative-testing-ppo-mit-32-prozent-ipm","\u002Fen\u002Fgaming\u002Faso-creative-testing-ppo-6-week-32-percent-ipm","\u002Fes\u002Fgaming\u002Fpruebas-creativas-aso-ppo-ipm","\u002Ffr\u002Fgaming\u002Ftest-creatives-aso-ppo-32-ipm","\u002Fit\u002Fgaming\u002Faso-creative-testing-ppo-ipm-optimization","\u002Fru\u002Fgaming\u002Faso-creative-testing-ppo-ipm-optimization",{"_path":8,"_dir":13,"_draft":14,"_partial":14,"_locale":15,"title":16,"description":17,"publishedAt":18,"modifiedAt":18,"category":13,"i18nKey":4,"tags":19,"readingTime":25,"author":26,"body":27,"_type":558,"_id":559,"_source":560,"_file":561,"_stem":562,"_extension":563},"gaming",false,"","Pruebas Creativas en ASO: +%32 IPM en 6 Semanas con PPO","Optimiza tus visuales en iOS y Android con Custom Product Pages y Play Experiments. Significancia estadística, cálculo de lift e iteración creativa.","2026-05-22",[20,21,22,23,24],"aso","pruebas-creativas","custom-product-pages","play-experiments","mobile-growth",8,"Roibase",{"type":28,"children":29,"toc":545},"root",[30,38,45,50,63,68,74,79,84,92,112,117,125,143,148,153,159,171,176,186,244,249,257,280,285,295,302,314,320,325,330,439,444,450,462,474,486,496,502,524,529,535,540],{"type":31,"tag":32,"props":33,"children":34},"element","p",{},[35],{"type":36,"value":37},"text","El área más descuidada del crecimiento en mobile gaming son los visuales de la tienda. La mayoría de estudios suben un icono y capturas de pantalla una sola vez y los olvidan. Pero con Custom Product Pages (CPP) de Apple y Play Experiments (PPE) de Google, cada semana que no haces A\u002FB testing dejas sobre la mesa potencial de installs por impresión (IPM). Desde 2025, los juegos en mercados tier-1 que usan CPP ven lifts de +%22 IPM en promedio. Pero si el método de testing es incorrecto, los números carecen de valor. Este artículo trata sobre la metodología.",{"type":31,"tag":39,"props":40,"children":42},"h2",{"id":41},"qué-son-custom-product-pages-y-por-qué-ahora",[43],{"type":36,"value":44},"Qué Son Custom Product Pages y Por Qué Ahora",{"type":31,"tag":32,"props":46,"children":47},{},[48],{"type":36,"value":49},"Apple lanzó CPP en 2021, Google Play lo actualizó en 2022 con control experimental completo. Antes era la era de \"un único set de visuales + pruebas menores\". Ahora puedes servir diferentes conjuntos creativos a cada segmento de campaña: si usas estilo anime en UA, también en la tienda; si te enfocas en mecánicas de combate, tus capturas lo reflejan.",{"type":31,"tag":32,"props":51,"children":52},{},[53,55,61],{"type":36,"value":54},"La diferencia es simple: ",{"type":31,"tag":56,"props":57,"children":58},"strong",{},[59],{"type":36,"value":60},"consistencia de mensajes",{"type":36,"value":62},". El usuario ve un héroe épico en TikTok, hace clic, y en el App Store ve una captura de farming — la conversión baja. CPP cierra esa brecha. Pero el verdadero poder está en el ciclo de testing: pones 3 direcciones visuales diferentes en vivo y tomas una decisión basada en datos 2 semanas después.",{"type":31,"tag":32,"props":64,"children":65},{},[66],{"type":36,"value":67},"Detalle técnico: los CPP son independientes de tu página de producto predeterminada; puedes crear hasta 35 versiones (límite de Apple). En Google, la cuota de experimentos es dinámica pero 10-12 pruebas activas son suficientes. Cada una se vincula a un ID de campaña diferente — usas SKAdNetwork (SKAN) o Firebase para la atribución.",{"type":31,"tag":39,"props":69,"children":71},{"id":70},"play-experiments-e-ios-equivalente-arquitectura-de-testing",[72],{"type":36,"value":73},"Play Experiments e IOS Equivalente: Arquitectura de Testing",{"type":31,"tag":32,"props":75,"children":76},{},[77],{"type":36,"value":78},"Play Experiments te permite hacer testing del funnel de conversión dentro de la tienda: el 50% de usuarios ve los visuales de control, el 50% ve la variante. En Apple no existe esta característica, así que usas CPP con routing a nivel de campaña. El split de test ocurre en el nivel de mediación, no en la tienda.",{"type":31,"tag":32,"props":80,"children":81},{},[82],{"type":36,"value":83},"Estructura típica de testing:",{"type":31,"tag":32,"props":85,"children":86},{},[87],{"type":31,"tag":56,"props":88,"children":89},{},[90],{"type":36,"value":91},"Google (split a nivel de tienda):",{"type":31,"tag":93,"props":94,"children":95},"ul",{},[96,102,107],{"type":31,"tag":97,"props":98,"children":99},"li",{},[100],{"type":36,"value":101},"Control (set de visuales actual)",{"type":31,"tag":97,"props":103,"children":104},{},[105],{"type":36,"value":106},"Variante A (nuevo orden de capturas)",{"type":31,"tag":97,"props":108,"children":109},{},[110],{"type":36,"value":111},"Variante B (personaje héroe diferente)",{"type":31,"tag":32,"props":113,"children":114},{},[115],{"type":36,"value":116},"El tráfico se distribuye automáticamente; Play Console entrega un reporte de significancia estadística en 14 días.",{"type":31,"tag":32,"props":118,"children":119},{},[120],{"type":31,"tag":56,"props":121,"children":122},{},[123],{"type":36,"value":124},"Apple (split a nivel de campaña):",{"type":31,"tag":93,"props":126,"children":127},{},[128,133,138],{"type":31,"tag":97,"props":129,"children":130},{},[131],{"type":36,"value":132},"Campaña 1 → Página de producto predeterminada",{"type":31,"tag":97,"props":134,"children":135},{},[136],{"type":36,"value":137},"Campaña 2 → CPP Variante A",{"type":31,"tag":97,"props":139,"children":140},{},[141],{"type":36,"value":142},"Campaña 3 → CPP Variante B",{"type":31,"tag":32,"props":144,"children":145},{},[146],{"type":36,"value":147},"Con Apple Search Ads o paid social haces el split manualmente. Para cada campaña extraes datos de installs e IPM desde los postbacks de SKAN. Calculas la significancia por tu cuenta (Apple no tiene interfaz de testing).",{"type":31,"tag":32,"props":149,"children":150},{},[151],{"type":36,"value":152},"La mayoría de estudios cometen errores aquí: deciden antes de tener suficiente muestra. Con 500 installs dicen \"la variante ganó\" y detienen la iteración. En realidad, el poder estadístico es apenas %60. Mínimo obligatorio: 2000 impresiones\u002Fvariante + intervalo de confianza %95.",{"type":31,"tag":39,"props":154,"children":156},{"id":155},"significancia-estadística-y-cálculo-de-lift",[157],{"type":36,"value":158},"Significancia Estadística y Cálculo de Lift",{"type":31,"tag":32,"props":160,"children":161},{},[162,164,169],{"type":36,"value":163},"Play Console entrega reportes de significancia, pero las matemáticas detrás son simples: ",{"type":31,"tag":56,"props":165,"children":166},{},[167],{"type":36,"value":168},"prueba z de proporciones",{"type":36,"value":170},". Prueba si la diferencia de conversion rate entre dos grupos ocurrió por azar o es real.",{"type":31,"tag":32,"props":172,"children":173},{},[174],{"type":36,"value":175},"La fórmula:",{"type":31,"tag":177,"props":178,"children":180},"pre",{"code":179},"z = (p1 - p2) \u002F sqrt(p * (1-p) * (1\u002Fn1 + 1\u002Fn2))\np = (x1 + x2) \u002F (n1 + n2)\n",[181],{"type":31,"tag":182,"props":183,"children":184},"code",{"__ignoreMap":15},[185],{"type":36,"value":179},{"type":31,"tag":93,"props":187,"children":188},{},[189,208,226],{"type":31,"tag":97,"props":190,"children":191},{},[192,198,200,206],{"type":31,"tag":182,"props":193,"children":195},{"className":194},[],[196],{"type":36,"value":197},"p1",{"type":36,"value":199},", ",{"type":31,"tag":182,"props":201,"children":203},{"className":202},[],[204],{"type":36,"value":205},"p2",{"type":36,"value":207},": tasas de conversión en variante y control",{"type":31,"tag":97,"props":209,"children":210},{},[211,217,218,224],{"type":31,"tag":182,"props":212,"children":214},{"className":213},[],[215],{"type":36,"value":216},"n1",{"type":36,"value":199},{"type":31,"tag":182,"props":219,"children":221},{"className":220},[],[222],{"type":36,"value":223},"n2",{"type":36,"value":225},": número de impresiones",{"type":31,"tag":97,"props":227,"children":228},{},[229,235,236,242],{"type":31,"tag":182,"props":230,"children":232},{"className":231},[],[233],{"type":36,"value":234},"x1",{"type":36,"value":199},{"type":31,"tag":182,"props":237,"children":239},{"className":238},[],[240],{"type":36,"value":241},"x2",{"type":36,"value":243},": número de installs",{"type":31,"tag":32,"props":245,"children":246},{},[247],{"type":36,"value":248},"Si z-score > 1.96, entonces con %95 de confianza existe una diferencia real.",{"type":31,"tag":32,"props":250,"children":251},{},[252],{"type":31,"tag":56,"props":253,"children":254},{},[255],{"type":36,"value":256},"Ejemplo:",{"type":31,"tag":93,"props":258,"children":259},{},[260,265,270,275],{"type":31,"tag":97,"props":261,"children":262},{},[263],{"type":36,"value":264},"Control: 10.000 impresiones, 800 installs → %8.0 CVR",{"type":31,"tag":97,"props":266,"children":267},{},[268],{"type":36,"value":269},"Variante: 10.000 impresiones, 1120 installs → %11.2 CVR",{"type":31,"tag":97,"props":271,"children":272},{},[273],{"type":36,"value":274},"Lift: +40% (relativo), +3.2pp (absoluto)",{"type":31,"tag":97,"props":276,"children":277},{},[278],{"type":36,"value":279},"Z-score: 8.4 → p \u003C 0.001 (definitivamente significante)",{"type":31,"tag":32,"props":281,"children":282},{},[283],{"type":36,"value":284},"Pero atención: con muestras pequeñas, incluso si el lift es alto, la significancia puede ser baja. Si ves +%15 lift con 500 impresiones, el intervalo de confianza %95 podría ser -5% a +35%.",{"type":31,"tag":32,"props":286,"children":287},{},[288,293],{"type":31,"tag":56,"props":289,"children":290},{},[291],{"type":36,"value":292},"Cálculo de muestra mínima",{"type":36,"value":294}," (análisis de potencia):\nPara CVR baseline %8, MDE (efecto mínimo detectable) %20 lift (es decir, %9.6 CVR) y potencia %80, necesitas ~4500 impresiones por grupo. Decide con menos y te arriesgas.",{"type":31,"tag":296,"props":297,"children":299},"h3",{"id":298},"bayesian-vs-frequentista",[300],{"type":36,"value":301},"Bayesian vs Frequentista",{"type":31,"tag":32,"props":303,"children":304},{},[305,307,312],{"type":36,"value":306},"Play Console usa el enfoque frequentista. Alternativa: ",{"type":31,"tag":56,"props":308,"children":309},{},[310],{"type":36,"value":311},"testing Bayesiano",{"type":36,"value":313}," — actualización continua de la posterior; obtienes \"la variante es mejor con probabilidad %87\". Con muestras pequeñas, el Bayesiano te ayuda a decidir más rápido, pero en producción el frequentista es más seguro. La prioridad es control de error tipo I, no minimizar arrepentimiento.",{"type":31,"tag":39,"props":315,"children":317},{"id":316},"metodología-de-iteración-creativa-del-primer-test-al-scaling",[318],{"type":36,"value":319},"Metodología de Iteración Creativa: Del Primer Test al Scaling",{"type":31,"tag":32,"props":321,"children":322},{},[323],{"type":36,"value":324},"La mayoría de estudios usan CPP así: el equipo de marketing diseña 3 visuales, los lanza, revisa una semana después, dice \"el del medio es mejor\" y sigue. Error.",{"type":31,"tag":32,"props":326,"children":327},{},[328],{"type":36,"value":329},"El ciclo correcto de iteración:",{"type":31,"tag":331,"props":332,"children":333},"ol",{},[334,355,376,397,418],{"type":31,"tag":97,"props":335,"children":336},{},[337,342],{"type":31,"tag":56,"props":338,"children":339},{},[340],{"type":36,"value":341},"Formulación de hipótesis (Semana 0):",{"type":31,"tag":93,"props":343,"children":344},{},[345,350],{"type":31,"tag":97,"props":346,"children":347},{},[348],{"type":36,"value":349},"Toma el top-performer de tu UA creativa. ¿Qué ángulo tiene ITR alto? (personaje vs mecánica vs recompensa)",{"type":31,"tag":97,"props":351,"children":352},{},[353],{"type":36,"value":354},"Diseña 2-3 variantes que lleven ese ángulo al visual de tienda. Control = visual actual.",{"type":31,"tag":97,"props":356,"children":357},{},[358,363],{"type":31,"tag":56,"props":359,"children":360},{},[361],{"type":36,"value":362},"Lanzamiento del test (Semana 1-2):",{"type":31,"tag":93,"props":364,"children":365},{},[366,371],{"type":31,"tag":97,"props":367,"children":368},{},[369],{"type":36,"value":370},"Activa los CPP con routing a nivel de campaña. Distribuye tráfico equitativo (ajuste manual de pujas o rotación creativa).",{"type":31,"tag":97,"props":372,"children":373},{},[374],{"type":36,"value":375},"Extrae datos diarios de impresiones e installs. No declares ganador temprano.",{"type":31,"tag":97,"props":377,"children":378},{},[379,384],{"type":31,"tag":56,"props":380,"children":381},{},[382],{"type":36,"value":383},"Verificación de significancia (Semana 3):",{"type":31,"tag":93,"props":385,"children":386},{},[387,392],{"type":31,"tag":97,"props":388,"children":389},{},[390],{"type":36,"value":391},"Ejecuta z-test para cada variante. Si ninguna alcanza significancia, incrementa tráfico +%50 u espera otra semana.",{"type":31,"tag":97,"props":393,"children":394},{},[395],{"type":36,"value":396},"Si 1 variante tiene p \u003C 0.05 y lift >%15, avanza a iteración.",{"type":31,"tag":97,"props":398,"children":399},{},[400,405],{"type":31,"tag":56,"props":401,"children":402},{},[403],{"type":36,"value":404},"Iteración ganadora (Semana 4-5):",{"type":31,"tag":93,"props":406,"children":407},{},[408,413],{"type":31,"tag":97,"props":409,"children":410},{},[411],{"type":36,"value":412},"Convierte la variante ganadora en el nuevo baseline. Crea 2 nuevas variantes: una con cambio radical (esquema de color diferente), otra incremental (reorden de capturas).",{"type":31,"tag":97,"props":414,"children":415},{},[416],{"type":36,"value":417},"Inicia la ronda 2 de testing.",{"type":31,"tag":97,"props":419,"children":420},{},[421,426],{"type":31,"tag":56,"props":422,"children":423},{},[424],{"type":36,"value":425},"Escalado (Semana 6+):",{"type":31,"tag":93,"props":427,"children":428},{},[429,434],{"type":31,"tag":97,"props":430,"children":431},{},[432],{"type":36,"value":433},"Si la ronda 2 genera otro ganador, aplica esa variante a todas las campañas. Archiva el control anterior.",{"type":31,"tag":97,"props":435,"children":436},{},[437],{"type":36,"value":438},"Vuelve a probar 3 meses después — el contexto cambia, hay decay creativo.",{"type":31,"tag":32,"props":440,"children":441},{},[442],{"type":36,"value":443},"Si ejecutas este ciclo en 6 semanas, realizas 8 rondas de testing al año. Si cada una genera +%10-15 lift, el compuesto es (1.1)^8 = 2.14x → +%114 mejora de IPM anual. En práctica, vemos +%30-50 (no todos los tests ganan).",{"type":31,"tag":39,"props":445,"children":447},{"id":446},"testing-multivariante-y-segmentación",[448],{"type":36,"value":449},"Testing Multivariante y Segmentación",{"type":31,"tag":32,"props":451,"children":452},{},[453,455,460],{"type":36,"value":454},"El método anterior es A\u002FB binario. Nivel avanzado: ",{"type":31,"tag":56,"props":456,"children":457},{},[458],{"type":36,"value":459},"testing multivariante",{"type":36,"value":461}," (MVT). Pruebas 3+ elementos simultáneamente: icono, primera captura, preview de video. Pero las combinaciones explotan (3 iconos × 4 capturas × 2 videos = 24 variantes). El requerimiento de muestra se multiplica por 24.",{"type":31,"tag":32,"props":463,"children":464},{},[465,467,472],{"type":36,"value":466},"Solución: ",{"type":31,"tag":56,"props":468,"children":469},{},[470],{"type":36,"value":471},"diseño factorial",{"type":36,"value":473},". Mides el efecto principal de cada elemento por separado. Pero ignoras efectos de interacción (si el icono A + captura B crean sinergia especial, no lo ves). Tradeoff: velocidad vs profundidad.",{"type":31,"tag":32,"props":475,"children":476},{},[477,479,484],{"type":36,"value":478},"Alternativa: ",{"type":31,"tag":56,"props":480,"children":481},{},[482],{"type":36,"value":483},"testing secuencial",{"type":36,"value":485},". Primero icono, luego captura, luego video. En cada paso encuentras el ganador y avanzas. Tiempo total más largo (12-18 semanas) pero cada decisión es sólida.",{"type":31,"tag":32,"props":487,"children":488},{},[489,494],{"type":31,"tag":56,"props":490,"children":491},{},[492],{"type":36,"value":493},"Segmentación:",{"type":36,"value":495}," también puedes servir CPP según el segmento de audiencia. Ejemplo: iOS 17+ con UI moderna, iOS 15- con visual clásico. O geo: superhéroes en USA, fantasía en MENA. Requiere test separado por segmento — la necesidad de muestra total se multiplica. Criterio sensato: segmentos con diferencia de LTV >%30.",{"type":31,"tag":39,"props":497,"children":499},{"id":498},"con-roibase-infraestructura-de-testing-en-aso",[500],{"type":36,"value":501},"Con Roibase: Infraestructura de Testing en ASO",{"type":31,"tag":32,"props":503,"children":504},{},[505,507,514,516,522],{"type":36,"value":506},"El servicio ",{"type":31,"tag":508,"props":509,"children":511},"a",{"href":510},"\u002Fes\u002Faso",[512],{"type":36,"value":513},"App Store Optimization",{"type":36,"value":515}," de Roibase construye la infraestructura para testing con CPP\u002FPPE: mapeo de conversion values en SKAdNetwork, integración Firebase\u002FAdjust, dashboard personalizado con tracking de significancia en tiempo real. También, a través del ",{"type":31,"tag":508,"props":517,"children":519},{"href":518},"\u002Fes\u002Fpremiumyayunci",[520],{"type":36,"value":521},"Programa Premium Publisher",{"type":36,"value":523},", validamos que tu creativa UA y creativa de tienda hablen el mismo lenguaje visual — si tu SparkAds de TikTok usa una estética, el CPP debe seguir la misma.",{"type":31,"tag":32,"props":525,"children":526},{},[527],{"type":36,"value":528},"Engagement típico: primeras 2 semanas medición de baseline, semanas 3-6 primer ciclo de testing, semanas 7-12 iteración + scaling. En 3 meses, alcanzamos +%20-35 IPM lift (en casual\u002Fhyper-casual tier-1). En midcore\u002Fstrategy el lift es menor (%10-15) porque el ciclo de decisión es largo y el detalle de captura es crítico.",{"type":31,"tag":39,"props":530,"children":532},{"id":531},"cierre-testing-creativo-proceso-continuo",[533],{"type":36,"value":534},"Cierre: Testing Creativo = Proceso Continuo",{"type":31,"tag":32,"props":536,"children":537},{},[538],{"type":36,"value":539},"ASO creative testing no es una campaña, es un proceso. Si pruebas una sola vez y usas el ganador 6 meses después, pierdes la mitad del lift por decay creativo. Se requiere refresh cada 3 meses. El contexto cambia, competidores prueban nuevos estilos, las tendencias editoriales de Apple\u002FGoogle evolucionan.",{"type":31,"tag":32,"props":541,"children":542},{},[543],{"type":36,"value":544},"Lo que debes hacer ahora: analiza tus visuales actuales de tienda. ¿El ángulo top-performer de tu creativa UA coincide con el mensaje de tus capturas? Si no, diseña tu primer CPP variante desde ese ángulo. En 2 semanas, acumula mínimo 5000 impresiones. Ejecuta z-test. Si el lift >%15 + p \u003C 0.05, avanza a iteración. En 6 semanas verás +%20-30 lift en IPM.",{"title":15,"searchDepth":546,"depth":546,"links":547},3,[548,550,551,554,555,556,557],{"id":41,"depth":549,"text":44},2,{"id":70,"depth":549,"text":73},{"id":155,"depth":549,"text":158,"children":552},[553],{"id":298,"depth":546,"text":301},{"id":316,"depth":549,"text":319},{"id":446,"depth":549,"text":449},{"id":498,"depth":549,"text":501},{"id":531,"depth":549,"text":534},"markdown","content:es:gaming:pruebas-creativas-aso-ppo-ipm.md","content","es\u002Fgaming\u002Fpruebas-creativas-aso-ppo-ipm.md","es\u002Fgaming\u002Fpruebas-creativas-aso-ppo-ipm","md",1782079498851]