science A/B Testing
query_stats Estadística
attach_money Conversión
A/B Testing y validación de hipótesis
Pruebas A/B para evaluar mejoras en conversión: limpieza de datos, definición de hipótesis, t-test de Welch y validación de supuestos para decisiones basadas en evidencia.
Stack
Python
Estadística
A/B Testing
flag
Objetivo
Validar si una nueva versión del flujo de compra mejora la conversión respecto al control, con rigor estadístico.
account_tree
Metodología
- Preparación: limpieza de datos de visitantes y pedidos, verificación de balance A/B.
- Hipótesis: H0 sin diferencia; H1 conversión B > A.
- Pruebas: tasa de conversión, t-test de Welch (p<0.05) y validación de supuestos (Shapiro, Levene).
- Visualización: histogramas y boxplots de conversión por grupo.
bar_chart
Visualizaciones clave
- • Distribución de conversiones por grupo A vs. B.
- • Evolución diaria de la tasa de conversión durante la prueba.
- • Resumen de p-values y intervalos de confianza.
emoji_events
Resultados
- • Diferencia significativa a favor del grupo B (p<0.05).
- • Recomendación de desplegar la variante B y seguir midiendo 2 semanas.
- • Template reproducible para futuros experimentos A/B.