Blog

Blog Donnu A/B

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 5 de 23)

Estadística

Control Sintético: el grupo de control que no existió

Cuando solo un mercado recibió el cambio, el control sintético arma un control ponderando varios mercados. Cómo calcularlo, validarlo y dónde falla.

Estadística

Diferencias en Diferencias en Test A/B: medir sin sorteo

Sin sortear usuarios, diferencias en diferencias compara la variación del tratado con la del control. Cómo hacer la cuenta y por qué el error engaña.

Estadística

Métricas de Tiempo hasta el Evento en Test A/B

Cuando la métrica es un tiempo y no una tasa, la censura distorsiona la media. Cómo leer tiempo hasta el evento con Kaplan-Meier, RMST y log-rank.

Estadística

Madurez de Cohorte en Test A/B: leer D7 y D30

Quien entró ayer no tuvo 7 días para quedarse. Cómo la madurez de cohorte distorsiona la retención D7 y D30, y cómo cerrar la cohorte sin frenar el test.

Estadística

Métrica Sustituta en Test A/B: cómo validar un proxy

La métrica sustituta cambia el resultado largo por señales de corto plazo. Cómo validar un proxy, por qué la correlación no basta y qué prueba lo expone.

Estadística

Retraso de Conversión en Test A/B: el dato que falta

El retraso de conversión hace que leer pronto premie a quien convierte rápido, no a quien convierte más. Cómo medir la curva de llegada y cuándo leer.

Estadística

Atrición Diferencial en Test A/B: los límites de Lee

La atrición diferencial hace mentir a la media condicional. Los límites de Lee acotan el efecto cuando el tratamiento cambia quién queda en el análisis.

Estadística

Intención de Tratar en Test A/B: analiza por asignación

La intención de tratar mide a quien fue asignado, no a quien usó. Por qué el análisis por protocolo exageró 2,4 veces y cómo recuperar el efecto real.

Estadística

Meta-análisis de Tests A/B: lee el programa entero

Meta-análisis de tests A/B: juntar 12 experimentos en una sola estimación, medir heterogeneidad con I cuadrado y corregir la exageración de 1,34 veces.