[VIDEO] Opciones para hacer A/B testing en sitios de poco tráfico

pexels-photo-125514
Si te gustó, compartilo! :)Share on FacebookTweet about this on TwitterShare on LinkedInShare on Google+Email this to someone

En el último video comenté la importancia de respetar la cantidad mínima de usuarios que deben pasar por cada variante de un A/B testing para poder tener certeza sobre el resultado que obtenemos.

Pero también vimos que esa cantidad mínima de usuarios suele ser grande, sobre todo para sitios que tienen baja conversión. Y en general pocos sitios reciben una cantidad diaria de tráfico que haga que ese número sea alcanzable en pocos días…

¿Qué pasa entonces si somos una startup? ¿o incluso qué pasa si estamos en una compañía grande pero trabajamos en un producto que no recibe la mayor parte del tráfico?

¿Debemos dejar de lado el A/B testing? ¿Debemos hacer A/B testings que duren 6 meses en obtener resultados?

La respuesta es no. Existen opciones que son mejores que salir a producción “a ciegas” y que repaso en el video de hoy.

Continúa leyendo [VIDEO] Opciones para hacer A/B testing en sitios de poco tráfico

Si te gustó, compartilo! :)Share on FacebookTweet about this on TwitterShare on LinkedInShare on Google+Email this to someone

[VIDEO] A/B testing práctico: determinar fácil y correctamente cuánto debe durar

pexels-photo-356040
Si te gustó, compartilo! :)Share on FacebookTweet about this on TwitterShare on LinkedInShare on Google+Email this to someone

En el último tiempo me di cuenta que di por sentado que cuando hablamos de A/B testing los equipos a cargo de ejecutarlos saben cuánto tiempo deben ejecutar las pruebas antes de determinar un ganador. Y me encontré con algunos mitos o ideas que daban a entender que este conocimiento no estaba tan claro 😀

Por eso armé este pequeño video con explicaciones muy básicas sobre la estadística que ocurre “por detrás” de un A/B test, y la forma exacta para determinar muy rápida y fácilmente cuánto debe durar tu prueba.

En resumen queremos:

  • Nivel de confianza >95%
  • Poder >80%
  • No frenar un A/B test cuando llega a 95% de confianza, porque ese valor varía en el tiempo
  • Determinar de antemano cuánto tiempo ejecutar la prueba en base a nuestra hipótesis de cambio

Para los que quieran leer más del tema, les dejo un artículo que me parece muy bueno sobre el tema:

https://conversionxl.com/blog/ab-testing-statistics/

Me encantaría saber sus comentarios y otras opiniones o formas de calcularlo que estén usando!

Si te gustó, compartilo! :)Share on FacebookTweet about this on TwitterShare on LinkedInShare on Google+Email this to someone