Ver Máster CRO COMENZAR CURSO
  1. ¡Conviértete!
  2. /
  3. Experimentación
  4. /
  5. Cuando parar un Experimento

¿Cuándo parar un Experimento?​

En esta unidad te contaremos los diversos escenarios que podemos encontrarnos a la hora de querer parar un test antes de que haya finalizado. ¡Toma buena nota!

Siguiente Unidad
  • 1. Introducción
    • ¿Qué es CRO?
    • Conviértete en profesional del CRO
    • Beneficios del CRO
    • ¿Qué tipo de perfiles pueden aprender CRO?
    • Metodología CRO
    • Por qué es importante seguir una Metodología
    • Etapas del CRO y el Modelo Científico
    • Research, Hipótesis, Testing y análisis de Resultados
  • 2. Research
    • Preparando los datos
    • Configuraciones recomendadas en Google Analytics
    • Etiquetado de Campañas para conocer mejor el Tráfico
    • Google Tag Manager o cómo agilizar el proceso de Medición
    • Análisis cuantitativo
    • Modelo Customer Journey para entender mejor los Datos
    • Informes imprescindibles para descubrir Oportunidades
    • Visualización ágil de Datos con Google Data Studio
    • Análisis cualitativo
    • Construyendo tu público objetivo: el Buyer Persona
    • Herramientas necesarias para realizar un Análisis Cualitativo
    • UX Research
  • 3. Hipótesis
    • Definición de hipótesis
    • Inspiración para formular Hipótesis acertadas
    • Ingeniería inversa dentro de una metodología CRO
    • Ejemplo práctico sobre definición de Hipótesis
    • Optimización de landing pages
    • Lo que debes saber antes de aplicar una Best Practice
    • CRO & Persuasión
    • Principios y Técnicas de Persuasión
    • Priorización de la experimentación
    • Modelos de Priorización
    • Planificación de un proyecto CRO
    • Ejemplo práctico sobre cómo recoger Hipótesis y Priorizarlas
  • 4. Experimentación
    • Preparándote para hacer experimentos
    • Tipos de Experimentos CRO
    • Recursos necesarios antes de lanzar un Experimento
    • Herramientas de Testing CRO
    • Experimentos con Google Optimize
    • Introducion a Google Optimize
    • Cómo crear un Test AB y Split
    • Personalizaciones con Google Optimize
    • Analizando resultados de los experimentos
    • Tipos de Resultados: positivo, negativo, y neutro
    • Cuando Parar un Experimento
    • Proceso de mejora continua
  • 5. CRO en el Día a Día
    • CRO optimiza todos tus canales de tráfico
    • SEO y CRO
    • Paid Media y CRO
    • E-mail Marketing y CRO
    • Mejores prácticas para mejorar la conversión en sectores competitivos
    • CRO para Ecommerce: consigue más Ventas con tu Tienda Online
    • CRO para Travel: vuelos, hoteles, apartamentos, casas rurales, alquiler de coches, etc.
    • CRO para conseguir más Leads
    • CROWTH: Growth en CRO
    • CRO VS Growth VS Growth Hacking
    • WPO: Optimizando el Rendimiento y la Velocidad de un sitio Web
    • Cómo abordar correctamente un Rediseño Web completo
    • Cómo gestionar un proyecto CRO
    • Evangelización: la cultura del CRO dentro de la Empresa
    • Equipo necesario para Gestionar y Escalar un proyecto CRO
    • Cómo se Vende un Proyecto CRO
Escuchar en Google Podcasts
Escuchar en Apple Podcasts
Escuchar en Spotify
Escuchar en IVoox

En la unidad anterior, compartimos contigo cuáles eran los diferentes tipos de resultados que podíamos obtener con nuestras herramientas de testing a la hora de validar una hipótesis. Sin embargo, pese a que esas herramientas son muy sofisticadas, sus algoritmos matemáticos suelen tardar un tiempo indeterminado en arrojar resultados, de modo que, en ocasiones, nosotros mismos podremos vernos obligados a darle al botón de Stop y detener el test.

Esta duración indeterminada, como imaginas, supone un gran hándicap. En ocasiones, un proyecto CRO no puede esperar eternamente a que se produzcan resultados para poder optimizar sus procesos. Entonces, ¿hay alguna opción de poder reducir ese tiempo de espera? La buena noticia es que sí la hay, la mala es que esa opción comporta un riesgo bastante considerable.

Antes de desarrollar la cuestión anterior, vamos a hablarte sobre un concepto importante que oirás con frecuencia si trabajas con herramientas de testing. Ese concepto es la significancia estadística.

Que nuestros experimentos cuenten con significancia estadística indica que los resultados obtenidos son fiables, y que no son fruto del azar o de factores externos puntuales. Si reprodujéramos el experimento en más ocasiones, los resultados se mantendrían.

La significancia estadística viene representada del 0% al 100%, y cuanto más alto sea el valor, más fiables serán los resultados. Si hablamos de testing, el valor de significancia estadística óptimo es del 95%, que indicaría que nuestros experimentos son fiables.

Pero, llegar a ese nivel no siempre es posible, pues es fundamental tener un volumen de tráfico elevado, lo que supone un verdadero hándicap especialmente para webs o apps con pocas visitas, ya que el tiempo de espera para que el test recoja la muestra suficiente como para que sus resultados sean fiables puede ser muy elevado.

Dos escenarios posibles

A la hora de querer parar un test sin que este haya finalizado, podemos encontrarnos con dos escenarios:

PRIMER ESCENARIO

Nuestro test A/B todavía no muestra ninguna versión ganadora, y necesitamos tener una respuesta lo antes posible. Consultamos la evolución de los datos, y parece ser que la variante 1 tiene una tendencia creciente, con una significancia estadística del 80%.

Nos vemos tentados a detener el experimento, pero actuamos con cautela y no lo hacemos. Finalmente, después de una semana, el test finaliza y la herramienta certifica que la variante 1 es la ganadora. En este caso, si  hubiéramos implementado la variante 1, durante esa semana extra que tardó en finalizar el experimento, habríamos estado generando más resultados.

SEGUNDO ESCENARIO

El otro escenario es el siguiente: detectamos que una variante está registrando mejores resultados y tiene un considerable porcentaje de significancia estadística. Paramos el experimento e  implementamos dicha variante, pero, una vez aplicada, vemos que la tendencia cambia y la variante que hemos elegido realmente no nos está reportando los resultados esperados. En ese caso, habremos fallado y disminuido los beneficios.

Ambos escenarios están estrechamente relacionados con el coste de oportunidad. ¿Nuestro consejo? Lo mejor siempre es esperar a que la herramienta dé un veredicto final. Pero si optas por ser tú el que finalice tus test antes de tiempo, ten en cuenta todo lo que ello implica.

Y hasta aquí todo lo que teníamos que contarte sobre cuándo parar un experimento. Sigue con nosotros porque en la siguiente unidad cerramos el bloque de análisis de resultados con una importante reflexión.

Facebook
Twitter
LinkedIn
WhatsApp
Anterior unidad
Siguiente unidad

Facebook Twitter Youtube Linkedin
  • Aviso legal
  • Política de privacidad
  • Política de Cookies
© Copyright 2021 Webpositer Academy. Reservados todos los derechos.