aab

User behavior in A/A/B testing

Título: Análisis de Embudo de Ventas y Evaluación de Test A/A/B

Descripción:
En este proyecto, se investigó el comportamiento del usuario en una aplicación de una empresa emergente de productos alimenticios, abordando dos objetivos principales:

1. Análisis del Embudo de Ventas:

   • Se estudió cómo los usuarios avanzan en el embudo de ventas, identificando las etapas donde más usuarios se quedan atascados.
   • Se calcularon las tasas de conversión entre cada etapa y el porcentaje de usuarios que completan una compra.
   • Los hallazgos permitieron identificar puntos críticos en el proceso de compra y recomendar mejoras para optimizar la conversión.

2. Evaluación del Test A/A/B:

   • Se compararon dos grupos de control (A1 y A2, fuentes antiguas) con un grupo experimental (B, fuentes nuevas).
   • Se validó la similitud entre los grupos A para asegurar la calidad del experimento.
   • Los resultados del test determinaron qué conjunto de fuentes tuvo mejor rendimiento, evaluando métricas clave como tasa de retención y conversión.

El análisis permitió generar recomendaciones para mejorar la experiencia del usuario y preparar futuros experimentos con mayor precisión y confiabilidad.

Title: Sales Funnel Analysis and A/A/B Test Evaluation

Description:
This project investigated user behavior in a food product startup's app, focusing on two main objectives:

1. Sales Funnel Analysis:

   • Analyzed user progression through the sales funnel, identifying stages where most users dropped off.
   • Calculated conversion rates between stages and the percentage of users completing a purchase.
   • Findings helped pinpoint critical bottlenecks and provide recommendations to optimize conversions.

2. A/A/B Test Evaluation:

   • Compared two control groups (A1 and A2, old fonts) with one experimental group (B, new fonts).
   • Validated similarity between the A groups to ensure experiment quality.
   • Results determined which font set performed better, analyzing key metrics like retention and conversion rates.

The analysis provided actionable recommendations to improve user experience and set a foundation for more accurate and reliable future experiments.