Tasa de conversión

La tasa de conversión, el alza, la confianza y el intervalo de confianza se incluyen en los informes para cada experiencia.

La siguiente ilustración muestra el encabezado de gráfico de una actividad de muestra, con los encabezados Tasa de conversión, Alza y Confianza destacados.

NOTA

En todos los datos se omiten los pedidos duplicados si se pasa un orderID. En el informe de auditoría se enumeran los pedidos duplicados que se han omitido.

Tasa de conversión

Indica la tasa de conversión media, el intervalo de confianza y el número de conversiones.

Examine la siguiente columna del informe Tasa de conversión a modo de ejemplo:

La primera línea corresponde a la experiencia de control. Muestra una tasa de conversión del 15%, con tres conversiones. En la segunda línea, Experiencia B, se muestra una tasa de conversión del 15%, con un intervalo de confianza de más o menos 15,65% y tres conversiones.

NOTA

Actualmente, el intervalo de confianza solo se calcula para las métricas binarias.

Alza

Compara la tasa de conversión de cada experiencia con la experiencia de control.

Alza = (tasa de conversión de la experiencia - tasa de conversión de control): tasa de conversión de control

Si el control es 0, no existe alza de porcentaje.

Datos comerciales

Si ha insertado un pedido (orderConfirmPage) y lo seleccionó como mbox de conversión.

Nivel de confianza e intervalo de confianza

Para cada experiencia, se muestran la confianza y el intervalo de confianza.

Puede realizar cálculos sin conexión en for Target (A4T), pero tendrá que realizar un paso de exportaciones de datos en AnalyticsAnalytics. Para obtener más información, véase “Realización de cálculos sin conexión en Analytics for Target (A4T)”, más adelante.

Confianza

La confianza de una experiencia u oferta que se muestra es una probabilidad (expresada como porcentaje) de obtener un resultado menos extremo que el que se observa realmente, si la hipótesis nula es verdadera (en esencia, si no hay diferencia en las tasas de conversión entre esa experiencia u oferta y la experiencia/oferta de control). En términos de valores p, esta confianza mostrada es 1 - valor p. Dicho de forma más sencilla, una mayor confianza indica que los datos son menos coherentes con el supuesto de que la oferta/experiencia de control y no de control tienen tasas de conversión iguales.

La confianza se redondea al 100,00 % cuando la confianza es superior o igual al 99,995 %.

Antes de tomar una decisión empresarial, espere a que el tamaño de la muestra sea lo suficientemente grande y que las cuatro barras de confianza de una o varias experiencias se mantengan constantes durante un periodo de tiempo ininterrumpido. De este modo, se asegurará de que los resultados son estables.

Intervalo de confianza

NOTA

Actualmente, el intervalo de confianza solo se calcula para las métricas binarias.

La variable intervalo de confianza es un rango de estimaciones dentro del cual el valor verdadero de la métrica se puede encontrar en un nivel de confianza determinado. Target siempre muestra intervalos de confianza del 95 %. El intervalo de confianza aparece como un porcentaje positivo o negativo de color gris claro en la columna Tasa de conversión. En el ejemplo siguiente, el intervalo de confianza de alza de la Experiencia B es más o menos 15,65%.

Ejemplo: El RPV observado en una experiencia es de 10 dólares y su 95% intervalo de confianza es de 5 a 15 dólares. Desconocido para nosotros, su verdadero RPV es $12. Entonces, si ejecutamos esta prueba varias veces, el 95 % del tiempo que calculamos el intervalo de confianza contendrá la variable true valor del RPV de $12.

¿Qué afecta al intervalo de confianza? La fórmula sigue métodos estadísticos estándar para calcular intervalos de confianza.

  • Tamaño de la muestra: A medida que la muestra crece, el intervalo se reduce. Esto es recomendable, ya que pone de manifiesto que los informes se aproximan al valor real de la métrica de éxito.
  • Desviación estándar menor: Más resultados similares, como AOV similares o la conversión de números o visitantes similares cada día, reducen la desviación estándar.

El cálculo de confianza y cómo realizarlo sin conexión

El informe CSV descargado solo contiene datos sin procesar; no incluye métricas calculadas, como los ingresos por visitante, el alza o la confianza, utilizadas en las pruebas A/B.

Para calcular estas métricas calculadas, descargue el informe Calculadora de confianza completa Archivo de Excel para introducir el valor de la actividad o revisar el cálculos estadísticos utilizados por Target.

NOTA

Esta calculadora es para informes basados en Target y no para informes de A4T.

Realización de cálculos sin conexión en Analytics for Adobe Target (A4T)

Puede realizar cálculos sin conexión para A4T, pero es necesario realizar un paso de exportaciones de datos en Analytics.

Para A4T se usa un Prueba T de WelchCálculo de para variables continuas (en lugar de métricas binarias). En Analytics, siempre se realiza un seguimiento de los visitantes y se cuenta toda acción realizada. Por tanto, si el visitante realiza varias compras o visita varias veces una métrica de éxito, todas estas visitas adicionales se cuentan. Esto convierte la métrica en una variable continua. Para realizar el cálculo de la prueba T de Welch, se necesita la “suma de los cuadrados” para calcular la varianza, que se utiliza en el denominador de la estadística t. Este documento explica los detalles de las fórmulas matemáticas utilizadas. La suma de los cuadrados se puede recuperar de Analytics. Para obtener datos de la suma de los cuadrados, debe realizar una exportación en el nivel de visitante de la métrica que desea optimizar durante un periodo de muestra.

Por ejemplo, si está optimizando las vistas de página por visitante, exportaría una muestra del número total de vistas de página por visitante durante un lapso de tiempo especificado, tal vez un par de días (solo necesita unos cuantos miles de puntos de datos). A continuación, elevaría al cuadrado cada valor y sumaría los totales (en este caso, el orden de las operaciones es esencial). Este valor “suma de los cuadrados” se utiliza en la calculadora de confianza completa. Para estos valores, utilice la sección “ingresos” de dicha hoja de cálculo.

Para utilizar a este respecto la función de exportación de datos de Analytics:

  1. Iniciar sesión en Adobe Analytics.

  2. Haga clic en Herramientas > Data Warehouse.

  3. En la pestaña Solicitud de Data Warehouse, rellene los campos.

    Para obtener más información acerca de cada campo, consulte "Descripciones de Data Warehouse" en Data Warehouse.

    Campo Instrucciones
    Nombre de la solicitud Especifica un nombre para su solicitud.
    Fecha de informes Especifica un periodo de tiempo y una granularidad.
    Como práctica recomendada, elija no más de una hora o un día de datos para la primera solicitud. Los archivos del Data Warehouse tardan más en procesarse cuanto mayor es el periodo solicitado, por lo que siempre se recomienda solicitar primero un periodo corto para garantizar que el archivo devuelva el resultado esperado. A continuación, vaya a Solicitar administrador, duplique la solicitud y solicite más datos esta vez. Además, si cambia la granularidad a cualquier valor distinto de "Ninguno", el tamaño del archivo aumentará de forma drástica.
    Data Warehouse
    Segmentos disponibles Aplique un segmento, según sus necesidades.
    Desgloses Seleccione las dimensiones que desee: Estándar es el valor predeterminado, mientras que Personalizado incluye eVars y props. Se recomienda usar "ID de visitante" si se necesita información en el nivel de ID de visitante, en lugar de "ID de visitante de Experience Cloud".
    • El ID de visitante es el ID último utilizado por Analytics. Será AID (en el caso de un cliente heredado) o MID (si el cliente es nuevo o si borró las cookies desde el inicio del servicio ID de visitante de MC).
    • El ID de visitante de Experience Cloud solo se establecerá para clientes nuevos o que hayan borrado las cookies desde el inicio del servicio ID de visitante de MC.
    Métricas Seleccione las métricas que desee. Estándar es el valor predeterminado, mientras que Personalizado incluye eventos personalizados.
    Vista previa del informe Revise la configuración antes de programar el informe.
    Data Warehouse 2
    Programar envío Introduzca una dirección de correo electrónico a la que enviar el archivo, asigne un nombre a este y, a continuación, seleccione Enviar inmediatamente.
    Nota: El archivo se puede enviar mediante FTP desde Opciones de envío avanzadas
    Programar envío.
  4. Haga clic en Solicitar este informe.

    El envío de archivos puede tardar hasta 72 horas, dependiendo de la cantidad de datos solicitados. Puede comprobar el progreso de la solicitud en cualquier momento haciendo clic en Herramientas > Data Warehouse > Solicitar administrador.

    Si desea volver a solicitar los datos que ha solicitado anteriormente, puede duplicar una solicitud antigua desde la Administrador de solicitudes según sea necesario.

Para obtener más información sobre el Data Warehouse, vea los siguientes vínculos en la documentación de ayuda de Analytics:

Metodología de contabilización

Los informes se pueden visualizar a través de distintas metodologías de contabilización con objeto de conocer el modo en que las actividades afectan a los usuarios durante sus visitas o en una sola sesión.

Los siguientes tipos de actividad admiten la metodología de contabilización:

  • Prueba A/B

    Como excepción, las actividades A/B de segmentación automática solo admiten la metodología de contabilización predeterminada “Visitas”.

  • Segmentación de experiencias (XT)

  • Prueba multivariable (MVT)

    En el caso del informe de contribución de elementos de la MVT, Target no admite las impresiones de actividad para tipos de métrica de ingresos.

  • Recommendations

Actualmente, las actividades de Personalización automatizada (AP) solo soportan la metodología de contabilización predeterminada (Visitas).

Puede visualizar informes siguiendo las siguientes metodologías de contabilización:

  • Visitante: participante individual en la actividad a lo largo de la actividad.

    Una persona se contabiliza como nuevo visitante si realiza la visita al sitio desde un equipo o un navegador nuevo, elimina la cookie o genera una conversión y regresa a la actividad con la misma cookie. Un visitante se identifica mediante el identificador PCID en la cookie de mbox del visitante. Si PCID cambia, la persona se considerará un nuevo visitante.

  • Visita: participante individual en una experiencia durante una sola sesión de navegador de 30 minutos.

    Si se logra una conversión o un visitante vuelve al sitio después de haber estado ausente 30 minutos como mínimo, un visitante de retorno se considera una nueva visita. Una visita se identifica mediante el identificador sessionID en la cookie de mbox del visitante. Si sessionID cambia, la visita se considerará como nueva.

  • Impresión/Vista de página: se contabiliza cada vez que un visitante carga una página de la actividad.

    Una sola visita puede abarcar varias impresiones de, por ejemplo, su página principal.

NOTA

Los recuentos se suelen determinar a partir de las cookies y la actividad de la sesión. Sin embargo, si se alcanza el punto de conversión final de una actividad y se vuelve a entrar en ella, se le considerará un visitante nuevo y una nueva visita a la actividad. Esto ocurre incluso cuando los valores de PCID y sessionID no han variado.

Why Target ¿recomienda utilizar las pruebas T de Welch?

Las pruebas A/B son experimentos para comparar el valor medio de alguna métrica comercial en una variante de control (también conocida como experiencia) con el valor medio de esa misma métrica en una o más experiencias alternativas.

Target recomienda usar Prueba T de Welch, ya que requieren menos supuestos que alternativas como las pruebas z, y son la prueba estadística adecuada para hacer comparaciones por pares de métricas empresariales (cuantitativas) entre experiencias de control y experiencias alternativas.

Más información

Al ejecutar pruebas A/B en línea, cada usuario/visitante se asigna aleatoriamente a una sola variante. Posteriormente, realizamos mediciones de las métricas de interés del negocio (por ejemplo: conversiones, pedidos, ingresos, etc.) para los visitantes de cada variante. La prueba estadística que utilizamos luego prueba la hipótesis de que la métrica comercial media (por ejemplo, tasa de conversión, pedidos por usuario, ingresos por usuario, etc.) es igual para el control y una variante alternativa determinada.

Aunque la propia métrica comercial puede distribuirse de acuerdo con alguna distribución arbitraria, la distribución de la media de esta métrica (dentro de cada variante) debe converger a una distribución normal a través de la variable Teorema de límite central. Tenga en cuenta que, aunque no hay garantía de la rapidez con la que esta distribución de muestreo de la media converja a la normalidad, esta condición se suele lograr dada la escala de visitantes en las pruebas en línea.

Dada esta normalidad de la media, se puede mostrar que la estadística de prueba que se va a utilizar sigue una distribución t, ya que es la proporción de un valor distribuido normalmente (la diferencia en los medios de la métrica empresarial) con un término de escala basado en una estimación de los datos (el error estándar de la diferencia en los medios). La variable t-test es entonces la prueba de hipótesis adecuada, dado que la estadística de prueba sigue una distribución t.

Por qué no se utilizan otras pruebas

A z-test no es técnicamente apropiado porque en el escenario típico de prueba A/B, el denominador de la estadística de prueba no se deriva de una varianza conocida, sino que debe estimarse a partir de los datos. Sin embargo, para muestras suficientemente grandes, la prueba z y la prueba t son idénticas.

Pruebas Chi cuadradas no se utilizan porque son adecuados para determinar si existe una relación cualitativa entre dos variantes (es decir, una hipótesis nula de que no hay diferencia entre variantes). Las pruebas T son más adecuadas para el escenario de cuantitativamente comparación de métricas.

La variable Prueba U de Mann-Whitney es una prueba no paramétrica, que es adecuada cuando la distribución por muestreo de la métrica media de negocio (para cada variante) no se distribuye normalmente. Sin embargo, como se ha comentado anteriormente, dada la magnitud del tráfico involucrado en las pruebas en línea, el teorema de límite central suele aplicarse, y por lo tanto la prueba t puede aplicarse de forma segura.

Métodos más complejos como ANOVA (que generalizan pruebas t a más de dos variantes) se pueden aplicar cuando una prueba tiene más de dos experiencias ("pruebas A/Bn"). Sin embargo, ANOVA responde a la pregunta de "si todas las variantes tienen la misma media", mientras que en la prueba A/Bn típica estamos más interesados en que variante específica es mejor. En Target, por lo tanto, aplicamos pruebas t normales comparando cada variante con un control, con una corrección de Bonferroni para tener en cuenta múltiples comparaciones.

En esta página