![[ESP] ¿Cómo definir un test A/B para una funcionalidad?](https://featurit.com/wp-content/uploads/2023/03/shutterstock_1246663486.jpg)
El A/B testing es un método para evaluar el rendimiento de dos versiones de la misma funcionalidad.
Sirve para hacer mejoras incrementales de una funcionalidad basándonos en el mismo método científico que se usa a la hora de sacar una nueva versión de un medicamento, etc.
En este caso, nos centraremos en cómo utilizar el A/B testing, o tests A/B, para determinar qué versión de una misma funcionalidad tiene más impacto para nuestro producto de software.
Proceso para definir un test A/B para una funcionalidad
1.Definir con claridad el objetivo que queremos cumplir con el experimento A/B.
Ejemplo: Maximizar las suscripciones a la newsletter.
2. Definir una hipótesis que respalde nuestro experimento.
Ejemplo: Poner el formulario de suscripción a la newsletter justo después del video de nuestro CEO presentando el producto va a motivar a nuestros usuarios a suscribirse.
Aquí incluso podemos aventurarnos a decir que el ratio de usuarios que ven el formulario vs usuarios que se suscriben va a aumentar un 15% respecto al posicionamiento actual del formulario.
3. Tener una métrica definida y observable directamente relacionada a nuestro objetivo.
Ejemplo: Número de suscripciones mensuales a la newsletter.
4. Decidir el porcentaje de usuarios a los que se les va a mostrar la versión B.
Ejemplo: 15% de nuestros usuarios van a ver el formulario de suscripción a la newsletter debajo del vídeo introductorio del CEO (experimento), mientras que el 85% restante van a seguir viéndolo en el pié de página (control).
5. Decidir la duración del experimento.
Ejemplo: Este experimento va a durar desde el 01/03/2023 hasta el 31/03/2023.
6. Implantar el experimento en la plataforma.
El equipo actualiza la plataforma para hacer que el experimento sea posible.
7. Poder segmentar nuestra métrica entre los usuarios del grupo A y los del grupo B.
| Marzo 2023 | Monthly_newsletter_subscriptions |
| Total | 1.247 |
| A | 1.049 |
| B | 198 |
8. Comparar el rendimiento entre las dos versiones del experimento.
| Marzo 2023 | Monthly_newsletter_subscriptions |
| Total (100%) | 1.247 (100%) |
| A (85%) | 1.049 (84.12%) |
| B (15%) | 198 (15.88%) |
9. Pasar el 100% del tráfico a la versión que mejor rendimiento ha mostrado.
| Marzo 2023 | Monthly_newsletter_subscriptions |
| Total (100%) | 1.247 (100%) |
| A (0%) | 1.049 (84.12%) |
| B (100%) | 198 (15.88%) |
Para descubrir cómo implantar experimentos A/B de una funcionalidad en tu plataforma, puedes revisar el siguiente artículo dónde lo explicamos en detalle.
