Guías de A/B testing
Guías prácticas para ayudarte a diseñar mejores experimentos — desde elegir el test correcto hasta decidir cuándo detenerlo.
Cómo elegir el test estadístico correcto
¿No sabes si usar un Z-test, t-test, Chi-square u otro? Recorre un árbol de decisión basado en tu tipo de métrica para encontrar el enfoque adecuado.
Leer guía →Significancia estadística en tests A/B explicada
Aprende qué significa realmente la significancia estadística, cómo funcionan los p-values y por qué un nivel de confianza del 95% no significa un 95% de probabilidad de estar en lo correcto.
Leer guía →Entendiendo el tamaño de muestra en tests A/B
Aprende qué determina el tamaño de muestra, cómo interactúan las tasas base y los tamaños de efecto, y los errores más comunes que generan tests con potencia insuficiente.
Leer guía →¿Cuánto tiempo deberías ejecutar un test A/B?
Convierte el tamaño de muestra en días calendario, ten en cuenta el volumen de tráfico y la asignación, y entiende por qué es importante ejecutar tests en ciclos semanales completos.
Leer guía →Cómo analizar los resultados de un test A/B
Guía paso a paso para analizar correctamente los resultados de un test A/B: verifica la significancia, el tamaño del efecto, los intervalos de confianza y toma la decisión correcta.
Leer guía →A/B testing bayesiano vs frecuentista
Compara los dos principales marcos estadísticos para A/B testing. Aprende cuándo usar cada enfoque y cómo interpretan los resultados de forma diferente.
Leer guía →Errores comunes en A/B testing
Evita los errores más comunes en A/B testing: revisar resultados antes de tiempo, tests con potencia insuficiente, métricas incorrectas y más.
Leer guía →A/B testing para sitios con poco tráfico
Cómo ejecutar tests A/B significativos con tráfico limitado. Estrategias para sitios pequeños: cambios más grandes, métodos bayesianos y expectativas ajustadas.
Leer guía →