Antes de cambiarlo, ponlo a prueba.
De la hipótesis a la decisión. Un caso de formación con pruebas A/B.
Python · Estadística · A/B Testing
Lo que cambia.
Objetivo
Validar si una nueva versión del flujo de compra mejora la conversión respecto al control, con rigor estadístico.
Resultados
Diferencia significativa a favor del grupo B (p<0.05).
Cómo está construido.Decisiones, evidencia y detalles
Objetivo
Validar si una nueva versión del flujo de compra mejora la conversión respecto al control, con rigor estadístico.
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.
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.
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.