Paradoja de Simpson en Test A/B: segmento y total
Por qué todo segmento puede perder mientras el total gana, qué causa la paradoja de Simpson en un test A/B y cómo corregir el experimento.
Guías completas y honestas sobre CRO, test A/B y experimentación: estadística, tamaño de muestra, diseño del test y qué hacer con el resultado. (página 10 de 23)
Por qué todo segmento puede perder mientras el total gana, qué causa la paradoja de Simpson en un test A/B y cómo corregir el experimento.
Qué es el SRM, cómo funciona la prueba chi cuadrado, qué desvío tan pequeño ya invalida el test A/B y cómo encontrar la causa raíz.
Cómo testear varias variantes infla el falso positivo, cuánto cuestan Bonferroni y Sidak en tráfico y cuándo un test de cuatro ramas vale la pena.
Qué es el efecto mínimo detectable, cómo elegir un MDE defendible, absoluto contra relativo y qué puede resolver de verdad tu tráfico.
Qué es el efecto novedad, cómo separar un efecto real que decae de un artefacto estadístico y las tres revisiones que revelan una ganancia duradera.
Análisis de Unbounce en 2026: precio real por plan, cuál habilita test A/B, qué es y qué no es Smart Traffic, y el tope de tráfico que decide el test.
Análisis de Kameleoon 2026: precio de entrada publicado, tope de 50 mil usuarios testeados, tres métodos estadísticos y qué libera solo Enterprise.
Análisis de Statsig 2026: precio por evento publicado, plan gratis realmente usable, chequeos de flag ilimitados y qué significan OpenAI y Amplitude.
Qué dicen los datos publicados sobre el tamaño de equipo de CRO, por qué no existe benchmark de headcount por porte y cómo dimensionar por el tráfico.