Cómo funciona SellTo.us

Última actualización: 10 de octubre de 2026

Cómo se crean exactamente los participantes simulados por IA, cómo se recogen sus respuestas y cómo se calcula cada número de tu informe, para ideas de startup, apps, servicios, productos y anuncios. Sin caja negra.

¿Por qué no preguntarle a un chatbot?

Un chat te da una sola opinión de IA. Una prueba de SellTo.us es estructurada: nuestro código crea una multitud fija de perfiles individuales para tu audiencia, cada perfil responde a cada versión y los números son recuentos de esas respuestas, verificados por código antes de que los veas. Cada versión e imagen llega a las mismas personas simuladas, los resultados se dividen por grupo de audiencia y puedes volver a probar una versión mejorada con exactamente las mismas personas simuladas (mismo tamaño de prueba). El informe mantiene etiquetas de evidencia (“Resultado simulado” o “Hipótesis de IA”) y llega en PDF. Sigue siendo una IA imaginando cómo podría reaccionar la gente, así que se aplican las limitaciones de abajo.

Tipos de idea

Al configurar una prueba eliges qué tipo de idea es. Los pasos de abajo son los mismos para todos los tipos; lo que cambia es quiénes son las personas simuladas, qué significan las tres respuestas y en qué se centra el informe.

Si no eliges un tipo, se usa “Otra cosa”. Las pruebas hechas antes de que existieran los tipos de idea son pruebas de producto físico. En el resto de esta página usamos los términos de producto físico (compradores, lo compraría); para otros tipos, léelos como los términos de la tabla.

1. Planificar la multitud

Cuando inicias una prueba, un modelo de IA (Claude Sonnet 5.5, de Anthropic) lee la configuración de tu audiencia y tu producto, y divide esa audiencia en grupos de compradores. Cada grupo recibe:

• un nombre y su proporción de la audiencia (por ejemplo, “Padres ocupados de 30 a 45, 12%”),
• un rango de edad,
• 4 trabajos o roles de vida típicos,
• un nivel de presupuesto (ajustado, medio, holgado o alto),
• una breve nota sobre cómo compran.

El número de grupos depende del tamaño de la prueba: 8, 25 o 100. El mismo paso también revisa el producto según nuestras normas de contenido y detiene pruebas de cosas como armas o drogas ilegales.

Fotos: si añades fotos, el modelo de planificación mira cada una una vez y escribe una breve descripción de lo que vería un comprador. Los compradores reaccionan a esas descripciones, no a los archivos de imagen en sí.

2. Crear los compradores

Los compradores individuales los crea nuestro código, no la IA. Para una prueba de 10.000 participantes, el código crea exactamente 10.000 perfiles:

• cada comprador se asigna a un grupo en proporción a la cuota de ese grupo,
• su edad se elige al azar dentro del rango de edad del grupo,
• su trabajo se elige al azar entre los 4 trabajos del grupo,
• en las pruebas de 100.000 participantes, cada comprador recibe también una ciudad o zona de una lista de tu país (ponderada por tamaño cuando la lista tiene esa información).

Las elecciones aleatorias usan como semilla el ID de tu prueba, así que la misma multitud se puede reconstruir exactamente al generar tu informe. Por eso no necesitamos guardar 100.000 perfiles.

Ten en cuenta: los compradores del mismo grupo comparten el mismo nivel de presupuesto y la misma nota de compra. Dentro de un grupo se diferencian por edad, trabajo y, en la prueba más grande, ciudad.

3. Qué significa técnicamente “cada comprador responde”

Los compradores se envían a un segundo modelo de IA, Claude Haiku 4.5 (también de Anthropic), en solicitudes de 40 compradores a la vez. Cada solicitud contiene:

• tu audiencia y cada versión que estás probando (texto, precio y descripciones de las fotos),
• una lista numerada de 40 perfiles de compradores (edad, trabajo, presupuesto, nota de compra y, en la prueba más grande, ciudad).

El modelo devuelve una respuesta por comprador, en orden. Cada respuesta incluye un veredicto para cada versión (lo compraría, quizás o no lo compraría), un motivo de menos de 12 palabras y, cuando añades 2 o más fotos, la foto que más le haría querer comprar a esa persona.

Así que cada comprador tiene su propio perfil y su propia respuesta, pero no son 40 conversaciones de IA separadas: el modelo evalúa los 40 perfiles de una vez. Las solicitudes pasan por la Message Batches API de Anthropic, que las procesa en segundo plano.

4. Cómo se calculan los números

• Respondieron: las respuestas que vuelven con un formato incorrecto, o que no vuelven, se descartan; nunca se inventan. Tu informe muestra cuántos compradores respondieron realmente (por ejemplo, “9.880 de 10.000”).
• Lo compraría, quizás, no: para cada versión, el número de compradores que dio esa respuesta dividido entre el número de los que respondieron.
• Grupos de compradores y ciudades: el mismo recuento, dentro de cada grupo o ciudad.
• Votación de fotos: la proporción de compradores que respondieron y eligieron cada foto.
• Imagen de la multitud: hasta 1.000 puntos, una muestra uniforme de los compradores que respondieron.
• Entrevistas simuladas: una muestra aleatoria de compradores que respondieron y sus motivos. Los nombres de pila los inventa nuestro código.
• Si responden muy pocos: si responde menos de la mitad de los compradores, la prueba se marca como fallida y tu crédito se devuelve automáticamente.

5. Cómo se redacta el informe

Claude Sonnet 5.5 recibe los totales, los resultados de cada grupo, los votos de fotos y una muestra aleatoria de 160 motivos de compradores. A partir de ellos redacta el veredicto, lo que les encanta a los compradores, por qué no compran, mejoras sugeridas, riesgos, posibles alternativas y un análisis FODA. En las pruebas de 10.000 y 100.000 participantes también redacta la guía de segmentación de anuncios a partir de los resultados por grupo.

Después, cada informe se verifica por código antes de que lo veas. Los hallazgos clave, todos los porcentajes y recuentos, los pasos para comprobar los resultados con clientes reales y el presupuesto de anuncios de ejemplo se generan a partir de un único conjunto de números validado, así que la misma cifra es idéntica en todas las páginas. El texto escrito por la IA se revisa frase por frase: los números que no coinciden con los resultados, las afirmaciones de que un cambio causó un resultado cuando las versiones diferían en varias cosas, las nuevas afirmaciones sobre el producto (certificaciones, “probado en laboratorio”, garantías de salud, seguridad o rendimiento), los precios de competidores, las cifras de tamaño de mercado y las citas sin fuente se eliminan o se sustituyen, y se omiten las citas cuyas palabras no coinciden con la respuesta del comprador. Cada corrección se cuenta en el control de calidad del informe.

Cada página está etiquetada: Resultado simulado (contado a partir de las respuestas simuladas), Hipótesis de IA (ideas escritas a partir de esas respuestas, para probar), Tu información (lo que introdujiste, incluidas sus afirmaciones, que aún necesitan tu propia evidencia) y Fuente verificada (un dato externo con una fuente nombrada y fechada, que solo se muestra cuando existe).

El mejor precio es el criterio de la IA basado en las respuestas. No se calcula a partir de una curva de precios. Si pruebas el mismo producto a distintos precios como versiones separadas, la tabla comparativa muestra las respuestas simuladas para cada precio.

6. Comparar versiones y fotos

Todas las versiones y fotos de una prueba van a los mismos compradores, en las mismas solicitudes, con la misma configuración de audiencia. Cada comprador responde a cada versión. Eso hace que la comparación sea equivalente dentro de la prueba.

Eso no la hace precisa en el mundo real. La IA también puede verse influida por el orden en que se listan las versiones. Repetir la misma prueba da números algo distintos, y no calculamos márgenes de error, así que trata las diferencias pequeñas entre versiones como un empate.

Nuevas pruebas: antes y después

Cada prueba tiene un código como ST-7K4Q2X, que aparece en el informe y en el PDF. Cuando cambias tu producto y pulsas Volver a probar (o vinculas la prueba anterior por su código), la nueva prueba funciona de forma distinta a una prueba nueva desde cero:

• Tu versión anterior vuelve como Versión A, junto a tu versión actualizada (o hasta 4 versiones actualizadas). La foto principal anterior va con la Versión A y tu foto nueva (si la hay) con la actualización.
• La multitud usa los mismos grupos de compradores que la primera prueba, reconstruidos desde el mismo punto de partida. Con el mismo tamaño de multitud obtienes exactamente los mismos compradores simulados.
• Las versiones se muestran en orden rotativo (A y luego B, B y luego A, y así sucesivamente), y a los compradores no se les dice cuál es la antigua o la nueva, así que ninguna obtiene ventaja por su posición ni por ser “la nueva”.
• Comparamos comprador por comprador: cuántos pasaron a comprar la nueva versión y cuántos dejaron de hacerlo. El resultado dice “mayor” o “menor” solo cuando la diferencia en respuestas de compra supera un umbral fijo: al menos 2 puntos porcentuales, más alto cuando muchos compradores cambiaron en ambas direcciones. Si no, dice “sin diferencia clara”. Es una regla de decisión aplicada a una sola ejecución, no una variación medida entre ejecuciones ni un nivel de confianza estadística.
• Después, el informe enumera lo que cambiaste y, para cada sugerencia anterior, si se aplicó y si ayudó, según los números y los motivos de los compradores. Puede decir que un cambio no ayudó o que empeoró las cosas.

La comparación lado a lado dentro de la nueva prueba es la comparación justa. No compares directamente los números de la nueva prueba con los de la primera: ejecuciones separadas pueden dar números distintos incluso para el mismo producto, y no hemos medido cuánto. Y como todo aquí, un mejor resultado es un mejor resultado entre compradores IA, no una prueba de ventas reales.

7. Limitaciones que debes conocer

• Las personas IA no gastan dinero real, no ven tu web real ni a tus competidores, y pueden ser más o menos generosas que las personas reales.
• Los resultados dependen de cómo describas el producto y la audiencia.
• Los resultados no están validados con ventas reales y no se afirma ninguna cifra de precisión.
• La IA puede equivocarse, malinterpretar un producto o repetir clichés.
• Las ejecuciones no son perfectamente repetibles: probar la misma idea otra vez puede dar números algo distintos, así que trata las diferencias pequeñas como un empate.
• Una solicitud de IA evalúa un lote de 40 perfiles, y los compradores del mismo grupo comparten presupuesto y nota de compra, así que las respuestas dentro de un grupo pueden parecerse.
• La IA puede verse ligeramente influida por el orden en que se muestran las versiones.
• Los resultados no pueden predecir ventas reales, registros, tasas de conversión, ingresos ni si un negocio tendrá éxito.

8. Tiempos y fallos

Cada prueba está programada para tardar unos 10 a 12 minutos con 1.000 participantes, 14 a 16 con 10.000 y 22 a 28 con 100.000. Si el trabajo de la IA termina antes, el informe terminado espera hasta ese momento, para que sepas cuándo esperarlo; la pantalla de progreso nunca muestra más respuestas de las que realmente han llegado. En momentos de mucha demanda, el procesamiento por lotes puede tardar más, hasta 24 horas. La planificación y el informe se reintentan automáticamente si fallan. Si una prueba no puede terminar, se marca como fallida y tu crédito se devuelve automáticamente, así que nunca se te cobra por una prueba que no se ejecutó.

9. Los modelos de IA y tus datos

Usamos Claude Haiku 4.5 para los compradores y Claude Sonnet 5.5 para la planificación, los informes y la guía de anuncios, ambos de Anthropic. Si cambiamos de modelo, actualizaremos esta página. Anthropic recibe el contenido de tu prueba pero no tu dirección de email y, según sus condiciones comerciales, no lo usa para entrenar sus modelos. Consulta nuestra Política de privacidad.

Prueba tu idea gratisVer un informe de ejemplo