Este artículo trata la teoría detrás de los grupos mutuamente excluyentes. Para configurar uno, consulte Crear un grupo mutuamente excluyente para experimentos web, Crear un grupo mutuamente excluyente para feature experiments, o Crear un grupo mutuamente excluyente entre experimentos del lado del cliente y del lado del servidor.
¿Qué es un grupo mutuamente excluyente?
Un grupo mutuamente excluyente le permite crear grupos de campañas o experimentos en los que cada visitante es segmentado por un único miembro de ese grupo. Agrupar campañas o experimentos de esta manera resulta útil siempre que varias pruebas puedan entrar en conflicto entre sí, por ejemplo cuando varios equipos ejecutan experimentos en la misma página. Los MEG funcionan igual para experimentos web y feature experiments: la tecnología que activa cada experimento difiere, pero la lógica de agrupación y asignación detrás de un MEG no.Cuándo Kameleoon asigna un visitante a un grupo
Kameleoon asigna a un visitante a un grupo mutuamente excluyente antes de cualquier otra decisión de targeting o de asignación de tráfico de un experimento. Esta asignación ocurre al inicio de la visita, de modo que la pertenencia del visitante al grupo ya está fijada en el momento en que Kameleoon evalúa las condiciones de targeting o reparte el tráfico entre las campañas o experimentos individuales de ese grupo. Para mantener una experiencia coherente, si un visitante ya había sido asignado previamente a una campaña o experimento dentro de un grupo, permanece asignado a ella durante el resto de la visita. De lo contrario, Kameleoon elige aleatoriamente la campaña o el experimento que se mostrará dentro del grupo, garantizando una distribución uniforme entre los miembros del grupo.Ventajas
Un grupo mutuamente excluyente evita que las campañas o experimentos superpuestos interfieran entre sí:- Resultados más claros: evita datos contradictorios garantizando que los visitantes vean solo una campaña o experimento dentro de cada grupo.
- Mejor experiencia del visitante: reduce la fatiga del visitante por estar expuesto a varios cambios a la vez, creando una experiencia más fluida.
- Configuración más sencilla para feature experiments: aplicar la exclusividad mutua mediante un MEG no requiere condiciones de targeting adicionales, por lo que resulta más fácil implementarla en flags que contienen reglas de experimento.
Desventajas
Un grupo mutuamente excluyente conlleva una desventaja importante: no puede medir el rendimiento combinado de los visitantes expuestos a los experimentos que lo componen. Por ejemplo, si ejecuta tres experimentos en un grupo mutuamente excluyente, identifica una variación ganadora para cada uno y, más adelante, implementa las tres variaciones ganadoras al mismo tiempo, los experimentos originales no le indican cómo se comportan esas variaciones ganadoras en conjunto. Los efectos de interacción entre ellas, positivos o negativos, nunca se miden. Por este motivo, ejecutar experimentos de forma simultánea sin medir su efecto combinado conlleva el riesgo de implementar cambios que interactúan mal entre sí, aunque cada cambio individualmente pareciera una mejora. Para saber más sobre este riesgo, consulte el análisis de Ronny Kohavi sobre la ejecución de pruebas A/B simultáneas. Valore esta contrapartida antes de agrupar campañas o experimentos que más adelante podría querer implementar juntos y evaluar como conjunto.Ejemplo de un grupo mutuamente excluyente
Imagine que tiene dos grupos de campañas dirigidas a la página de inicio de su sitio web:- Grupo A: Campaña 1 (nuevo diseño de la página de inicio) y Campaña 2 (botón «Comprar ahora» destacado)
- Grupo B: Campaña 3 (navegación simplificada) y Campaña 4 (descripciones de producto actualizadas)
- Un visitante ve la Campaña 1 o la Campaña 2 del Grupo A, pero no ambas.
- El mismo visitante puede ver la Campaña 3 o la Campaña 4 del Grupo B, pero no ambas.
Exposición entre grupos
Un grupo mutuamente excluyente solo evita el solapamiento dentro del mismo grupo. Kameleoon puede exponer a los visitantes a una campaña del Grupo A y a una campaña del Grupo B de forma simultánea. Por ejemplo, un visitante podría experimentar cualquiera de estas combinaciones:- Campaña 1 (del Grupo A) y Campaña 3 (del Grupo B)
- Campaña 1 (del Grupo A) y Campaña 4 (del Grupo B)
- Campaña 2 (del Grupo A) y Campaña 3 (del Grupo B)
- Campaña 2 (del Grupo A) y Campaña 4 (del Grupo B)
Cómo interactúan los porcentajes de exposición con un MEG
Los porcentajes de exposición definidos en campañas o experimentos individuales no se aplican de forma independiente al tráfico completo de cada uno cuando pertenecen al mismo grupo mutuamente excluyente. El MEG decide primero a qué única campaña o experimento es elegible un visitante dentro del grupo, y el porcentaje de exposición propio de esa campaña o experimento se aplica después sobre esa asignación. Cada campaña o experimento de un MEG recibe aproximadamente una parte igual de la población elegible del grupo, por ejemplo un tercio si el grupo contiene tres miembros, independientemente de los ajustes de exposición individuales.Ejemplo
Imagine tres campañas en el mismo MEG, cada una ejecutándose en una página distinta que recibe 200.000 solicitudes:
El resultado no es 20k, 60k y 120k. Ese resultado supondría que cada campaña recibe todo el tráfico de su página antes de aplicar el porcentaje de exposición, que no es como funciona un MEG.
Como un MEG reparte el tráfico elegible entre los miembros del grupo antes de aplicar la exposición, los MEG son más adecuados para campañas o experimentos que pueden solaparse y que necesitan hacerse mutuamente excluyentes, normalmente campañas que se ejecutan en la misma página o superficie.
Los grupos mutuamente excluyentes están deshabilitados en el modo de simulación.