Español:
Este proyecto corresponde al Sprint 10 del Bootcamp de Data Analysis en TripleTen.
El objetivo fue realizar un análisis de pruebas A/B para evaluar el impacto de un nuevo diseño de producto en métricas clave del negocio, aplicando técnicas de estadística inferencial e hipótesis.
English:
This project corresponds to Sprint 10 of the Data Analysis Bootcamp at TripleTen.
The goal was to conduct an A/B test analysis to evaluate the impact of a new product design on key business metrics, applying inferential statistics and hypothesis testing.
- Calcular y comparar métricas clave como tasa de conversión (CR) y valor promedio de pedido (AOV).
- Evaluar la significancia estadística de las diferencias observadas.
- Detectar anomalías y limpiar datos inconsistentes.
- Formular conclusiones para la toma de decisiones de negocio.
- Python (Pandas, NumPy, SciPy, Matplotlib, Seaborn)
- Jupyter Notebook
- Estadística inferencial (pruebas de hipótesis, p-value, z-test)
Español:
- El grupo B mostró una mayor tasa de conversión de forma estadísticamente significativa.
- No hubo diferencias relevantes en el valor promedio de pedido.
- Se recomendó adoptar el diseño del grupo B, ya que genera más ingresos sin afectar negativamente otras métricas.
English:
- Group B showed a higher conversion rate with statistical significance.
- No relevant differences were found in the average order value.
- The recommendation was to adopt Group B’s design, since it increases revenue without negatively affecting other metrics.
Español:
- ✅ Buen uso de pruebas estadísticas y visualizaciones.
⚠️ Se sugirió mejorar la claridad de las conclusiones.- ✔️ Se implementaron correcciones en el notebook final para fortalecer la interpretación de resultados.
English:
- ✅ Good use of statistical tests and visualizations.
⚠️ Suggested to improve clarity in conclusions.- ✔️ Corrections were implemented in the final notebook to strengthen result interpretation.
✍️ Autor / Author: Lai Yi Peña Ching