Las pruebas A / B a menudo terminan con con dos porcentajes: uno para la versión de control y otro para la variante. Una variante puede mostrar una tasa de conversión más alta, pero la diferencia visible por sí sola no explica si la mejora es grande, estable o lo suficientemente confiable como para apoyar una decisión.
El uso de IA de gráficos puede facilitar la presentación de los resultados de los experimentos, pero el gráfico debe conservar el contexto importante. El tamaño de la muestra, el cambio absoluto, el incremento relativo, el periodo de prueba y la incertidumbre estadística no deben quedar ocultos tras una visualización pulida.
Los gráficos de pruebas A/B necesitan algo más que dos porcentajes
Supongamos que la versión de control tiene una tasa de conversión del 8,0 % y la variante tiene una tasa de conversión del 8,4 %. Un gráfico puede mostrar que la variante es superior, pero esto no demuestra automáticamente que el cambio sea significativo.
La diferencia puede basarse en miles de visitantes o solo en un reducido número de sesiones. Puede mantenerse constante a lo largo de toda la prueba o aparecer a raíz de un día inusualmente intenso. Por lo tanto, el gráfico debe resumir el experimento sin pretender sustituir el análisis estadístico.
Las plataformas de pruebas A/B o los sistemas de análisis deben seguir siendo responsables de la asignación de experimentos, el cálculo de muestras, los intervalos de confianza y las pruebas de significancia. Una herramienta de gráficos resulta más útil después de que dichos resultados se hayan exportado para su revisión, informe o presentación.
Preparar los resultados del experimento antes de crear el gráfico
Cada fila debe representar una versión de prueba, un segmento de audiencia o un periodo de informe. Los datos deben conservar tanto el resultado como la información necesaria para interpretarlo.
Visitantes y conversiones
Registre el número de visitantes o usuarios elegibles asignados a cada versión, junto con el número de quienes completaron la acción prevista.
Una tasa de conversión sin su tamaño de muestra puede ser engañosa. Una tasa del 10 % basada en 20 usuarios no aporta el mismo nivel de evidencia que una tasa del 10 % basada en 20 000 usuarios.
Tasa de conversión
Calcula la tasa de conversión de forma consistente:
Tasa de conversión = Conversiones ÷ Visitantes × 100
Ambas versiones deben utilizar la misma definición de conversión. No debe ocurrir que una versión cuente las compras completadas mientras que la otra cuente los clics en el botón de finalizar compra.
Diferencia Absoluta
La diferencia absoluta indica la variación en puntos porcentuales entre la variante y el grupo de control:
Diferencia absoluta = Tasa de variante − Tasa de control
Cuando el grupo de control tiene una tasa de conversión del 8,0 % y la variante tiene una tasa de conversión del 8,4 %, la mejora absoluta es de 0,4 puntos porcentuales.
Lift Relativo
El incremento relativo compara la mejora con la tasa de control original:
Lift relativo = \(Tasa de la variante − Tasa del grupo de control\) ÷ Tasa del grupo de control × 100
Este mismo cambio, de un 8,0 % a un 8,4 %, supone un aumento relativo del 5 %. Los informes no deben describirlo únicamente como un «aumento del 5 %» sin mostrar también la diferencia absoluta de 0,4 puntos.
Cuando la tasa de conversión del grupo de control es cero, el incremento relativo no está definido. En ese caso, informe la diferencia absoluta en lugar de calcular un incremento porcentual.
Resultados de la prueba estadística
Conserve el intervalo de confianza, el resultado de significancia o el estado de decisión generado por la plataforma experimental.
El Instituto Nacional de Estándares y Tecnología documenta los intervalos de confianza para las diferencias entre proporciones. Esto es un recordatorio útil de que dos tasas de conversión deben evaluarse teniendo en cuenta la incertidumbre, y no solo por la brecha visible entre ellas.
Seleccione un gráfico que se ajuste a la pregunta de revisión
Cada tipo de gráfico responde a distintas preguntas, por lo que el formato debe elegirse en función de lo que el equipo necesite revisar.
Barras Agrupadas para Comparar las Tasas de Conversión Finales
Un gráfico de barras agrupado permite colocar las tasas de conversión del grupo de control y de la variante una al lado de la otra.
Esto funciona muy bien para un resumen final del experimento, especialmente cuando el informe también muestra, en las proximidades, a los visitantes, las conversiones, la diferencia absoluta y el incremento relativo.
No acorte el eje vertical simplemente para que una pequeña mejora parezca espectacular. Cuando las barras representan magnitudes, una línea de base en cero ofrece la comparación más honesta.
Cuando la plataforma de experimentos proporcione intervalos de confianza, inclúyalos en el gráfico o en las notas adjuntas, en lugar de presentar únicamente las tasas de conversión.
Los gráficos de líneas muestran estabilidad durante la prueba
Un gráfico de líneas puede mostrar las tasas de conversión diarias o semanales de ambas versiones.
Esto ayuda a los revisores a determinar si la variante se mantuvo consistentemente más fuerte o si el resultado final dependió de un pico temporal. No obstante, las fluctuaciones diarias no deben interpretarse como conclusiones independientes.
Los gráficos de series temporales son descriptivos. Los equipos no deben declarar un ganador a partir de fluctuaciones diarias antes de que se completen el periodo de prueba planificado y los requisitos de muestra.
Gráficos independientes para aclarar los segmentos de audiencia
Los resultados pueden variar entre usuarios nuevos y recurrentes, visitantes de escritorio y móviles, o distintas fuentes de tráfico.
Cuando los resultados por segmento son importantes, crea gráficos independientes. Agregar demasiados grupos de audiencia a una sola visualización puede dificultar la interpretación del experimento.
El análisis de segmentos también debe planificarse cuidadosamente. Si solo se selecciona el grupo con mejor rendimiento tras revisar los resultados, se puede llegar a una conclusión engañosa sobre la totalidad de la prueba.
Cree el gráfico de informes con Generador de gráficos de IA
Una vez que la plataforma de experimentación haya generado los datos finales, un flujo de trabajo de gráfico de IA podrá convertir los resultados exportados en una visualización de informe más clara.
Organizar los datos exportados
Las columnas útiles incluyen:
- Versión
- Visitantes
- Conversiones
- Tasa de conversión
- Diferencia Absoluta
- Lift Relativo
- Intervalo de confianza
- Estado de la prueba
Mantén los valores en puntos porcentuales y las variaciones porcentuales en columnas separadas. Estos describen distintos tipos de variación y no deben compartir una etiqueta ambigua como "Mejora".
Describe la comparación requerida
Un indicador claro podría ser:
Crea un gráfico de barras agrupadas que compare las tasas de conversión del grupo de control y de la variante. Muestra el número de visitantes y la diferencia absoluta en puntos porcentuales, y no exijas la escala vertical.
Un creador de gráficos puede generar la estructura visual, pero el mensaje no debe pedirle que invente significancia estadística, intervalos de confianza ni información faltante sobre la muestra.
Revisar el resultado generado
ChartGen Generador de Gráficos con IA admite la carga de archivos CSV y Excel, solicitudes de gráficos en lenguaje natural, múltiples tipos de gráficos, así como ajustes de títulos, ejes, etiquetas, leyendas y estilos.
Tras la generación, confirme que:
- el grupo de control y el grupo de variante no se han invertido;
- los tamaños de muestra coinciden con el informe de origen;
- los puntos porcentuales y los porcentajes relativos están etiquetados correctamente;
- el ejo no exagera una diferencia menor;
- se identifiquen el periodo de prueba y el público objetivo;
- los intervalos de confianza coinciden con el análisis original;
- el gráfico no afirma una certeza estadística que el análisis de origen no estableció.
Las opciones comunes de gráficos exageran los resultados de las pruebas
Un eje truncado puede hacer que una pequeña diferencia en la tasa de conversión parezca mucho mayor de lo que es. Mostrar solo el incremento relativo puede generar el mismo problema cuando el cambio absoluto es pequeño.
Eliminar el tamaño de la muestra también oculta si la comparación se basa en observaciones suficientes. Un gráfico que etiqueta a una versión como la "ganadora" antes de que la plataforma de experimentación alcance una decisión válida puede convertir una fluctuación temprana en una conclusión falsa.
Otro error consiste en seleccionar únicamente el segmento de audiencia con mejor rendimiento. Cuando una variante mejora las conversiones en dispositivos móviles pero reduce las conversiones en ordenadores, el informe no debe presentar el resultado de móviles como el resultado de toda la prueba.
Los equipos también deben evitar tratar el gráfico de informes como si fuera la prueba estadística en sí. El gráfico comunica el resultado; no determina si el diseño del experimento, la asignación de muestras, la duración de la prueba o el cálculo de significancia fueron válidos.
Los pequeños cambios en la conversación requieren un contexto honesto
Imagina una prueba de página de registro en la que el grupo de control tiene una tasa de conversión del 8,0 % y la variante tiene una tasa de conversión del 8,4 %.
La variante presenta un incremento relativo del 5%, lo que puede parecer un valor considerable. No obstante, la mejora absoluta es de apenas 0,4 puntos porcentuales. El equipo aún debe tener en cuenta el número de usuarios incluidos, el intervalo de confianza, la duración de la prueba y si el cambio se mantuvo estable en los segmentos importantes.
Un gráfico claro muestra ambas tasas sin exagerar su diferencia visual. A continuación, las etiquetas de apoyo proporcionan el cambio absoluto, el incremento relativo, el tamaño de la muestra, el intervalo de confianza y el estado de la prueba.
Los gráficos claros de pruebas A/B respaldan la revisión, en lugar de sustituirla
Los gráficos de pruebas A/B deben ayudar a los equipos a comprender el tamaño, la dirección y la consistencia de un resultado, sin presentar una pequeña diferencia visible como prueba automática de éxito.
La IA de gráficos puede reducir el trabajo manual necesario para convertir los resultados de experimentos exportados en un informe. La interpretación final sigue dependiendo de cálculos correctos, muestras adecuadas, métodos de experimento fiables y una revisión cuidadosa.
Por lo tanto, un gráfico sólido muestra qué ha cambiado, al tiempo que es honesto sobre lo que la evidencia disponible puede y no puede demostrar.