#014 Glosario de CRO orientado a tecnología
This is the end.
Este es el último glosario que haré sobre esta temática. Detrás quedan 153 términos en total divididos por glosario de datos o glosario de diseño y esta edición, en la que nos centramos en el dominio tecnológico.
La tecnología es algo básico. Ahora estás leyendo estas líneas por una plataforma llamada Substack (sustentada con tecnología). Todo acción de marketing se sustenta en tecnología y entenderla te convertirá en mejor profesional. En esta 14ª edición se muestra un glosario de 51 conceptos de CRO orientado a tecnología dividido en tres apartados: profesionales entry-level, intermediate y advanced.
Ahora sí, empieza El Glosario de CRO orientado a tecnología
Espero que os guste.
Antes de empezar, en LIN3S buscamos a personas para el área de CRO, específicamente para dos posiciones: CRO developer y CRO specialist. ¿Quieres unirte? ¡Te esperamos!
Conocer una definición no significa saber aplicarla. Sin embargo, por algún sitio hay que empezar. Aquí tienes un listado de 51 términos divididos en función de la seniority del perfil de CRO, es decir, lo que creo que un entry-level, intermediate y advanced debería conocer.
A continuación, el glosario orientado a tecnología.
Entry-level
Client-Side Testing: Proceso de ejecución de experimentos en el navegador del usuario final, utilizando principalmente JavaScript para modificar la interfaz y el contenido después de la carga inicial de la página. Permite pruebas rápidas y visuales, aunque puede introducir problemas de rendimiento y latencia si no se gestiona bien. Se debe asegurar una sincronización precisa para evitar flickering.
Server-Side Testing: Ejecución de tests en el servidor antes de enviar el contenido al cliente. Permite cambios estructurales y de contenido completos, independientemente de las limitaciones del navegador. Ideal para experimentos que afectan la lógica de negocio, ya que mantiene la integridad de los datos y mejora la seguridad en aplicaciones con datos sensibles.
JavaScript Rendering: Proceso mediante el cual el navegador ejecuta JavaScript para renderizar o actualizar dinámicamente elementos en el DOM (Document Object Model). En experimentos de CRO, permite realizar cambios de forma reactiva en la interfaz, aunque puede aumentar la carga en el cliente si no se optimiza adecuadamente.
APIs (Application Programming Interfaces): Permiten la comunicación entre sistemas, ofreciendo acceso controlado a datos y funciones de back-end. Son esenciales en experimentación, ya que facilitan el intercambio de información en tiempo real y habilitan integraciones en múltiples aplicaciones o plataformas.
Cache Busting: Técnica utilizada para invalidar y actualizar recursos almacenados en caché del navegador, como archivos de imagen, scripts o estilos CSS, asegurando que los usuarios reciban la versión más reciente tras cambios o actualizaciones.
Single Page Application (SPA): Aplicación web que carga una única página HTML y actualiza dinámicamente el contenido según sea necesario. Las SPAs requieren un manejo cuidadoso de rutas y eventos de usuario en experimentos, dado que los cambios de contenido y estados se gestionan desde el cliente. Id con cuidado si experimentáis aquí.
Cookie: Fragmento de datos almacenado en el navegador que permite la persistencia de la exposición de un usuario a una variante específica durante un periodo. Utilizada en experimentos para rastrear la asignación a variantes.
Session Storage: Almacenamiento temporal de datos en el navegador que persiste solo durante una sesión de usuario. En experimentos, asegura que el usuario permanezca en la misma variante durante la sesión actual, sin continuidad en visitas futuras.
Local Storage: Almacenamiento persistente de datos en el navegador sin una expiración automática. No debe usarse para datos sensibles, ya que es accesible a través de JavaScript en el navegador.
QA (Quality Assurance): En el marco de CRO, QA es el proceso que asegura que los tests funcionen correctamente en todos los entornos de usuario, incluyendo distintos navegadores, dispositivos y sistemas operativos.
Lazy Loading: Técnica que retrasa la carga de contenido hasta que se necesita, reduciendo el tiempo inicial de carga de la página.
User-Agent Detection: Proceso de identificación del dispositivo y navegador que el usuario está utilizando, crucial en client-side testing para asegurar la compatibilidad de variantes en diferentes entornos. Herramientas como VWO permiten descargar información de este tipo.
Segmentation: Técnica básica de dividir a los usuarios en grupos específicos en función de características (ubicación, dispositivo, comportamiento) para crear tests para públicos más específicos.
Event Listeners: Elementos de código que capturan las interacciones del usuario (como clics o scroll) en el navegador.
Snippet: Fragmento breve de código que se inserta en una página web para realizar tareas específicas, como capturar eventos de usuario o aplicar cambios visuales en tests A/B.
Tag Management: Sistema de etiquetado que organiza y controla las etiquetas de seguimiento y scripts en un sitio web. Vital para un proyecto de CRO en entorno web.
Flickering: Efecto visual que ocurre cuando un usuario ve brevemente la versión de control de una página antes de que se cargue la variante.
Intermediate
Experiment Bucketing: Es el proceso de asignar usuarios a una variación de una flag de acuerdo con las reglas de la misma. Los SDK de herramientas como Optimizely evalúan los ID de usuario y sus atributos para determinar qué variación deberían ver.
Feature Flagging: Mecanismo que permite habilitar o deshabilitar funcionalidades sin necesidad de despliegues completos. Facilita la experimentación, ya que permite realizar cambios en tiempo real y probar nuevas funcionalidades de manera segmentada.
API Rate Limiting: Restricción en el número de solicitudes permitidas a una API en un periodo específico.
Data Anonymization: Proceso de eliminación de información identificable de los datos de usuario, asegurando la privacidad y cumpliendo con regulaciones de protección de datos. En experimentos, permite analizar comportamiento sin comprometer la seguridad de los datos personales.
Roll-out: Lanzamiento habitualmente total que permite desplegar variantes antes de un lanzamiento completo al 100 % de los usuarios.
DataLayer Integration: Uso de capas de datos que conectan la información del usuario con sus interacciones en el sitio, permitiendo segmentar los experimentos de manera más interesante.
Dynamic Allocation Algorithms: Algoritmos (como Thompson Sampling) que ajustan dinámicamente la distribución del tráfico hacia variantes basándose en el el número de conversiones en tiempo real.
SDK: Conjunto de herramientas y bibliotecas que permite a los desarrolladores integrar funcionalidades específicas en aplicaciones.
Remote config: Herramienta de Firebase que permite modificar el comportamiento y la interfaz de una app sin necesidad de actualizarla en la tienda. En CRO, Remote Config puede generar tests A/B y hasta elementos de personalización online.
Parámetros: En el contexto de Firebase, permiten personalizar la experiencia del usuario sin necesidad de actualizaciones en la tienda y pueden segmentarse por condiciones, como ubicación geográfica, versión de la app, y propiedades de usuario de GA4.
Mutually excluded experiments: Cuando lanzas dos tests AB al mismo tiempo y modificas la su configuración para que los que participen en un grupo no participen en el otro.
Data retention policies: Normas que definen el tiempo que los datos de usuario se almacenarán en un sistema.
Houldout group test: Test que sirve para comparar dos o más experiencias con métricas a largo plazo. Habitualmente implica que se ha hecho un test AB previamente para evaluar impacto en métricas más cortoplacistas.
Holdback Group: Segmento de usuarios que no recibe ningún cambio (grupo de control) y actúa como una base de comparación, habitualmente en holdout group tests.
Cross-device tracking: Proceso que permite identificar y rastrear al mismo usuario a través de múltiples dispositivos (móvil, tablet, escritorio), asegurando que reciba la misma variante experimental en todas sus interacciones.
Monitorización de tiempo de carga: Herramienta que mide el tiempo de carga y rendimiento de cada variante.
Feature Testing: Proceso de prueba de funcionalidades concretas de una app para verificar su efectividad o usabilidad.
Advanced
Client Hints: Método que permite al navegador proporcionar información sobre sus capacidades al servidor, permitiendo respuestas optimizadas.
Custom Rollbacks: Funcionalidad que permite revertir variantes experimentales sin interrupción si los resultados no son satisfactorios. Con server-side testing en Optimizely, los rollbacks son instantáneos y personalizables, minimizando impactos en la experiencia del usuario.
CDP: Integración de una plataforma de datos de clientes (CDP) que centraliza y organiza datos de usuario provenientes de múltiples fuentes. En experimentación, la integración con CDPs permite utilizar datos de cliente para, por ejemplo, personalización avanzada, maximizando la relevancia de cada variante.
Audience Segmentation with CDPs: Segmentación de usuarios basada en datos centralizados de una CDP.
Data Lake Integration: Integración de un data lake para almacenar datos experimentales y de usuario a gran escala. Permite un análisis avanzado e histórico de experimentos, integrando datos de la CDP y ofreciendo un repositorio central para el análisis de tendencias y el desarrollo de estrategias de largo plazo.
Real-Time Bidding Integration: Integración con sistemas de bidding en tiempo real (RTB) para experimentos que personalizan la experiencia publicitaria en función de los datos de usuario.
Synthetic Data: Método que construye un grupo de control simulado combinando datos históricos, usado en experimentación para evaluar cambios en entornos donde el control directo no es posible.
Multi-touch attribution: Análisis que asigna valor a cada punto de contacto en el recorrido del usuario.
Google Cloud Data Fusion: Herramienta de integración de datos de Google Cloud que automatiza los flujos de ETL entre diversas fuentes, incluyendo CDPs y Data Lakes.
Vertex: Plataforma de Google Cloud que permite el desarrollo de modelos de machine learning avanzados para segmentación y personalización en experimentación.
BigQuery ML: Herramienta de machine learning integrada en BigQuery que permite a los analistas y científicos de datos crear y entrenar modelos de aprendizaje automático directamente en bases de datos SQL sin mover los datos.
Muestreo estratificado: Método en el cual la población se divide en estratos homogéneos según una o más variables clave. Posteriormente, se seleccionan muestras aleatorias de cada estrato proporcionalmente al tamaño del estrato en la población total. Este enfoque reduce la varianza dentro de cada estrato y aumenta la precisión del estimador.
Muestreo por conglomerados: Procedimiento que agrupa a la población en conglomerados (subgrupos heterogéneos) basados en características naturales o geográficas, y luego selecciona al azar algunos conglomerados para estudio completo. Este método es eficiente en grandes poblaciones y reduce costes, aunque aumenta la varianza entre conglomerados.
AutoML: Herramienta de Google Cloud que permite automatizar la creación y optimización de modelos de machine learning sin requerir conocimientos avanzados en programación.
DoWhy: Librería de Python desarrollada para facilitar el análisis causal y la inferencia en experimentos y estudios observacionales. DoWhy integra métodos estadísticos y de machine learning para modelar relaciones causales y analizar los efectos de intervenciones, permitiendo a los investigadores establecer hipótesis causales y probarlas con rigor.
Pyro: Una librería de deep probabilistic programming desarrollada por Uber que permite modelar relaciones causales complejas mediante métodos probabilísticos y machine learning
EconML: Librería de Python desarrollada por Microsoft que proporciona herramientas avanzadas para el análisis causal aplicado, especialmente en contextos económicos y de ciencias sociales.
Espero que te haya gustado este listado. Como ves llega un punto en el que la tecnología se basa no solamente en que los experimentos salgan bien, sino también de que los datos generados lleguen correctamente y luego poder ser transformados en el formato que toque.
En las ediciones 015 y 016 trataremos un tema que llevo año y medio metiéndome y creo que ya estoy preparado para escribir sobre él: causalidad.
Nos vemos en dos semanas.