{"id":1940,"date":"2020-02-11T17:28:26","date_gmt":"2020-02-11T17:28:26","guid":{"rendered":"https:\/\/keepler.io\/2020\/02\/11\/ab-testing-que-es-para-que-y-cuando-utilizarlo\/"},"modified":"2023-09-12T13:13:40","modified_gmt":"2023-09-12T13:13:40","slug":"ab-testing-que-es-para-que-y-cuando-utilizarlo","status":"publish","type":"post","link":"https:\/\/keepler.io\/es\/2020\/02\/11\/ab-testing-que-es-para-que-y-cuando-utilizarlo\/","title":{"rendered":"A\/B Testing: qu\u00e9 es, para qu\u00e9 y cu\u00e1ndo utilizarlo"},"content":{"rendered":"

\u201cMe considero una fan de la cocina, por lo que hace un tiempo decid\u00ed hacer mi propia p\u00e1gina web y compartir mis recetas pero quer\u00eda ir m\u00e1s all\u00e1 y abr\u00ed mi propio canal de cocina para que los usuarios se suscriban y seguir compartiendo recetas pero monetizando el contenido, pero con el tiempo he visto que cada d\u00eda recibo menos visitas y la tasa de conversi\u00f3n (CR) estaba disminuyendo notablemente, el motivo no lo s\u00e9 exactamente por lo que he decidido hacer una nueva p\u00e1gina cambiando el dise\u00f1o pero con el mismo contenido y probar si con esta nueva versi\u00f3n consigo captar m\u00e1s usuarios\u201d.<\/em><\/p>\n

El caso anterior es hipot\u00e9tico, pero asumiendo que es una realidad: \u00bfC\u00f3mo puedo hacer el cambio de p\u00e1gina de una manera controlada y comprobar si la nueva p\u00e1gina es mejor que la anterior? B\u00e1sicamente quiero evitar cometer un error al cambiar de p\u00e1gina sin estar completamente segura y que el resultado sea a\u00fan peor del que tengo ahora, es aqu\u00ed cuando entra en juego un tipo de test que se conoce como A\/B Testing<\/strong> y es muy utilizado en el mundo de marketing para probar la efectividad de alg\u00fan cambio que se desea realizar en una p\u00e1gina web.<\/p>\n

\"\"<\/p>\n

Cuando se comienza a realizar este tipo de test se parte de 2 hip\u00f3tesis, la hip\u00f3tesis nula (H0) la cual se trata de anular o rechazar en favor de la hip\u00f3tesis alternativa (H1). Pero \u00bfc\u00f3mo se puede interpretar la hip\u00f3tesis nula y la alternativa en este caso?, ser\u00eda de la siguiente manera:<\/span><\/p>\n

H0<\/strong>: La nueva versi\u00f3n no es mejor o inclusive peor que la versi\u00f3n anterior.
\nH1<\/strong>: La nueva versi\u00f3n es mejor que la versi\u00f3n anterior.<\/em><\/p>\n

Para comprobar las hip\u00f3tesis se utilizan m\u00e9tricas o indicadores claves de rendimiento (KPI), con los cuales vamos a medir el desempe\u00f1o o el resultado obtenido de cada p\u00e1gina al hacer el test, en nuestro caso el KPI a medir es el CR, y \u00bfqu\u00e9 es el CR?<\/p>\n

CR<\/strong> = es el n\u00famero de usuarios que realizan una suscripci\u00f3n a mi canal de cocina entre el total de usuarios \u00fanicos que la han visitado.<\/em><\/p>\n

Una vez establecidas las hip\u00f3tesis se comienza con las pruebas, se establecen 2 grupos de usuarios, uno de ellos es el grupo de control<\/strong> al cual se le mostrar\u00e1 la p\u00e1gina actual y el grupo de experimento<\/strong> el cual ver\u00e1 la nueva p\u00e1gina, y en base al resultado en la tasa de conversi\u00f3n para cada grupo se tomar\u00e1 una decisi\u00f3n.<\/p>\n

Ahora \u00bfc\u00f3mo se aplica toda esta teor\u00eda en la pr\u00e1ctica?, es decir \u00bfc\u00f3mo se ejecuta el A\/B Testing<\/strong> en realidad?, actualmente en el mercado existen herramientas que permiten hacer este tipo de test muy f\u00e1cilmente, otra manera es utilizando algoritmos de Machine Learning, por ejemplo aplicando un algoritmo de Regresi\u00f3n Log\u00edstica<\/strong>.<\/p>\n

Antes de aplicar un modelo de regresi\u00f3n log\u00edstica hay que identificar las variables de entradas o independientes (x) ya sean cuantitativas o categ\u00f3ricas, y en base a las variables de entrada se predice una variable salida o dependiente con 2 posibles valores (0 \u00f3 1). Un ejemplo de variables de entrada pueden ser el grupo de prueba, pa\u00eds, edad de los participantes o cualquier otra variable significativa que pueda influir en el resultado, y la variable a predecir en nuestro caso ser\u00eda convierte<\/em> o no convierte<\/em> (1 \u00f3 0).<\/p>\n

\"\"<\/p>\n

Una vez aplicado y ajustado el modelo de regresi\u00f3n log\u00edstica, se puede analizar el resultado contrastando con la hip\u00f3tesis nula, esta misma se puede aceptar o rechazar en favor de la hip\u00f3tesis alternativa, el cual ser\u00eda nuestro objetivo ya que queremos cambiar de p\u00e1gina con la finalidad de aumentar la tasa de conversi\u00f3n.<\/p>\n

Existen varias inconvenientes al aplicar una prueba A\/B, por ejemplo que el periodo de tiempo en que se hizo la prueba fue muy corto y no se obtuvo un resultado significativo o que se interrumpa el proceso de la prueba sin ning\u00fan motivo, esto puede alterar el resultado obteniendo FP (falsos positivos<\/em>) o FN (falsos negativos<\/em>).<\/p>\n

Otro motivo puede ser que los grupo de control y experimento sean muy peque\u00f1os,\u00a0es imprescindible hacer el test a una muestra suficientemente significativa que permita obtener resultados v\u00e1lidos. Adicionalmente hay que tener en cuenta dos posibles obst\u00e1culos con los grupos de control y experimento:<\/p>\n