📊 Proyecto: Validación de hipótesis con pruebas estadisticas
📊 Proyecto: Validación de hipótesis con pruebas estadisticas
Embedded Files
La empresa de e-commerce necesita tomar una decisión crítica sobre qué versión de su página de inicio implementar (A o B), tras ejecutar un experimento A/B.
📌 PROBLEMA
La decisión no puede basarse únicamente en métricas superficiales, sino en evidencia estadística sólida que permita responder:
¿Qué versión genera mayor conversión?
¿Cuál genera mayor valor económico por usuario?
¿Existen diferencias relevantes por segmento (canal o tipo de usuario)?
Tomar una decisión incorrecta podría impactar directamente en ingresos, eficiencia del marketing y experiencia del usuario.
💡 SOLUCION
Se realizó un análisis exploratorio y estadístico del experimento A/B para validar hipótesis de negocio mediante:
Pruebas estadísticas:
t-test para comparar gasto promedio entre versiones
Chi-cuadrado para evaluar relación entre variables categóricas (conversión vs segmentos)
Segmentación por:
Fuente de tráfico
Tipo de usuario
Visualizaciones orientadas a negocio para facilitar la interpretación
El análisis permitió transformar datos experimentales en insights accionables y decisiones estratégicas.
OBJETIVO DEL PROYECTO
Evaluar el experimento A/B de la landing page para determinar, con base en evidencia estadística, qué versión maximiza la conversión y el valor generado por usuario. con meta en los siguientes objetivos:
Comparar el desempeño entre versiones A y B
Analizar diferencias en tasa de conversión
Evaluar diferencias en gasto promedio por usuario convertido
Analizar el impacto de variables de segmentación
Determinar si la conversión depende de la fuente de tráfico
Evaluar diferencias entre usuarios nuevos y recurrentes
Traducir resultados estadisticos en decisiones de negocio
Interpretar p-values correctamente
Generar recomendaciones claras para stakeholders no técnicos
CODIFICACION EN PYTHON
Python además de filtrar la información nos permite limpiar datos corregir sentinnels, agrupar y expolorar los datos y poder armar un resumen estadistico para poder visualizar los datos de manera grafica.
VISUALIZACIÓN DE TIEMPO EN LLAMADA
A través del análisis de datos, se evaluó la distibucion del tiempo en llamada para identificar el desempeño y respaldar decisiones estratégicas enfocadas en la optimización del negocio.
Visualizacion de relaciones
A través del análisis de datos y el apoyo de Python, es posible sacar porcentajes y verlos de forma visual para respaldar decisiones estratégicas enfocadas en la optimización del negocio.
CONCLUSIONES
La página B supera consistentemente a la página A:
Mayor tasa de conversión (15.96% vs 12.57%)
Mayor gasto promedio por usuario convertido (~68.7 vs ~61.1)
Las diferencias en gasto son estadísticamente significativas, lo que respalda la superioridad de la versión B
La fuente de tráfico influye en la conversión:
Existe una asociación estadísticamente significativa
El canal de Email destaca como el más efectivo en conversión, a pesar de menor volumen
El tipo de usuario no muestra impacto significativo:
No se encontró evidencia estadística de relación con la conversión
Esto sugiere que la estrategia actual funciona de manera similar para usuarios nuevos y recurrentes
Las visualizaciones respaldan los hallazgos estadísticos, facilitando la comunicación de resultados
🚀 RECOMENDACIONES
Implementar la versión B de la landing page
Genera mayor conversión y mayor ingreso por usuario
Impacto directo en revenue
Optimizar la estrategia de adquisición por canal
Aumentar inversión en canales de alto volumen (Ads, Organic)
Replicar estrategias del canal Email en otros canales debido a su alta conversión
Priorizar optimización de canales sobre segmentación por tipo de usuario
Dado que no hay diferencias significativas, enfocar esfuerzos en adquisición y experiencia general
Continuar con cultura de experimentación
Implementar nuevos A/B tests (diseño, pricing, UX)
Medir impacto incremental de cambios
ROL
Analista de Datos
HERRAMIENTAS
Python
Pandas
Matplotlib
Seaborn
¿Quieres saber mas sobre el proyecto?
Visita el siguiente link a GitHub para ver el notebook completo del Proyecto
Page updated
Google Sites
Report abuse