Diseño efectivo de experimentos A/B web con modelo PIE
Crea un programa sólido de A/B Testing web: priorización PIE, plan de pruebas, análisis estadístico y plantillas.
¿Qué hace este prompt?
• Genera una lista priorizada de ideas de test A/B usando el modelo PIE. • Documenta hipótesis, métricas y setups experimentales claros y accionables. • Proporciona plantillas de análisis estadístico y repositorio de aprendizajes reutilizables. • Facilita la estandarización y escalabilidad del programa de experimentación web.
Diseña experimentos A/B web con PIE y análisis
ROL
Consultor senior de A/B Testing web con 10 años de experiencia, especializado en experimentación basada en datos y en el uso del modelo PIE (Potential, Importance, Ease) para priorización.
OBJETIVO
Disponer de un programa completo de experimentación A/B para web, con priorización PIE, documentación robusta de pruebas y un marco de análisis estadístico reproducible.
INFORMACIÓN DEL USUARIO
[OBJETIVO_DEL_PROGRAMA] (ej: aumentar conversiones, reducir rebote)
[PERFIL_DE_USUARIO_OBJETIVO] (ej: nuevos visitantes, usuarios recurrentes)
[LISTA_FUNCIONES_SITIO_WEB] (ej: registro, pago, búsqueda, navegación)
[RECURSOS_TECNICOS_DISPONIBLES] (ej: herramientas de testing, analítica, dev)
[LIMITACIONES_DE_TIEMPO] (ej: deadline lanzamiento, duración máxima de test)
PROCESO
1. Extrae y enumera al menos 6 áreas o features susceptibles de test A/B en base a [LISTA_FUNCIONES_SITIO_WEB] y [OBJETIVO_DEL_PROGRAMA].
2. Genera al menos 2 ideas de test por área usando las prácticas de ideación de experimentos (ejemplo: copy, diseño, flujo, funcionalidad).
3. Estructura una tabla de priorización PIE para todas las ideas, asignando 1-10 en Potential, Importance, Ease y calculando el score PIE (sumatoria de los 3 criterios), prioriza de mayor a menor (solo valores numéricos, sin justificación narrativa).
4. Para las 3 ideas con mayor score PIE:
a. Especifica la hipótesis (H1 y H0), las métricas primarias/secundarias, y el segmento objetivo según [PERFIL_DE_USUARIO_OBJETIVO].
b. Estima el tamaño de muestra necesario y duración mínima del test usando fórmulas estándar de estadística (aporta resultado y variables clave; no hace cálculos reales, solo la plantilla con campos a completar).
c. Estructura el documento de ejecución del experimento: setups, grupos, exclusiones, checkpoints clave.
5. Genera una plantilla para documentar resultados de cada test:
- Métricas base (control) vs test
- Cálculo de significancia estadística (p-valor y confianza)
- Análisis segmentado básico (user type, dispositivo)
- Repositorio de aprendizajes (implicaciones clave, next steps)
FORMATO DE ENTREGA
El resultado debe estar en formato Markdown e incluir:
- Tabla de priorización PIE (ideas + puntuaciones + total PIE)
- Fichas de diseño de los 3 tests top: estructura basada en secciones (Hipótesis, Métricas, Tamaño Muestra, Segmento, Duración, Setup)
- Plantilla lista para usar de reporte y análisis de test (como tabla y checklist)
Ejemplo de estructura esperada:
---
### Tabla de priorización PIE
| Área | Idea de Test | Potential | Importance | Ease | PIE Total |
|---------------|-----------------------|-----------|------------|------|-----------|
| Registro | Simplificar formulario | 8 | 9 | 6 | 23 |
| Checkout | Cambiar CTA principal | 7 | 8 | 7 | 22 |
### Ficha diseño test TOP 1
#### Hipótesis
- H1: ...
- H0: ...
#### Métricas
- Principal: ...
- Secundaria: ...
#### Tamaño Muestra y Duración
- Fórmulas: ...
#### Segmento
- ...
#### Setup
- ...
### Plantilla análisis resultados
| Métrica | Control | Variante | Cambio % | p-valor | Conf. |
|---------------|---------|----------|-----------|-----------|-------|
| ... | ... | ... | ... | ... | ... |
Checklist: Análisis segmentado / Aprendizajes / Próximos pasos
Cómo usar este prompt
1. Rellena las variables entre corchetes en la sección INFORMACIÓN DEL USUARIO según tu contexto web específico. 2. Copia y pega el prompt completo en ChatGPT. 3. Lee la tabla de priorización PIE que recibirás; selecciona los tests top. 4. Usa las fichas del diseño y las plantillas de análisis para ejecutar y analizar tu A/B Testing. Ejemplo de datos ficticios: [OBJETIVO_DEL_PROGRAMA]: aumentar conversiones de pago [PERFIL_DE_USUARIO_OBJETIVO]: usuarios mobile primera visita [LISTA_FUNCIONES_SITIO_WEB]: registro, onboarding, pago, búsqueda [RECURSOS_TECNICOS_DISPONIBLES]: Google Optimize, Google Analytics, equipo dev [LIMITACIONES_DE_TIEMPO]: 2 semanas por test
Tips y recomendaciones
• Prioriza siempre aquellas ideas con alto potencial e importancia, incluso si la facilidad es media. • Cumple las fórmulas de muestra para no obtener resultados estadísticamente inválidos ni sesgados. • Utiliza el repositorio de aprendizajes para acelerar futuras iteraciones y compartir conocimiento transversal. • Evita tests solapados (interferencia de audiencias) y documenta siempre hipótesis y setups. • Controla los segmentos y dispositivos para descubrir oportunidades ocultas.