{"id":5310,"date":"2024-08-08T08:08:44","date_gmt":"2024-08-08T08:08:44","guid":{"rendered":"https:\/\/vwo.com\/glossary\/cuped\/"},"modified":"2025-08-06T07:10:50","modified_gmt":"2025-08-06T07:10:50","slug":"cuped","status":"publish","type":"post","link":"https:\/\/vwo.com\/glossary\/es\/cuped\/","title":{"rendered":"CUPED"},"content":{"rendered":"\n

El\u00a0Controlled experiment using pre-experiment data<\/em> (CUPED)\u00a0es una t\u00e9cnica de\u00a0reducci\u00f3n de la varianza\u00a0utilizada en\u00a0A\/B testing<\/a>.<\/p>\n\n\n\n

Desarrollada por el\u00a0equipo de ciencia de datos de Microsoft\u00a0a principios de la d\u00e9cada de 2010, CUPED naci\u00f3 para dar respuesta a la necesidad de realizar\u00a0tests<\/em> A\/B m\u00e1s eficientes\u00a0en plataformas como\u00a0Bing\u00a0y\u00a0Microsoft Office. Desde su creaci\u00f3n, esta t\u00e9cnica se ha convertido en un est\u00e1ndar en las comunidades de A\/B testing y optimizaci\u00f3n debido a su capacidad para\u00a0reducir la varianza<\/a>\u00a0en los experimentos.<\/p>\n\n\n\n

\u00bfC\u00f3mo funciona CUPED?<\/strong><\/h2>\n\n\n\n

Veamos c\u00f3mo funciona CUPED a trav\u00e9s de un ejemplo. Sup\u00f3n que gestionas una tienda online y deseas probar un nuevo proceso de checkout<\/em>. Configuras un A\/B test en el que la mitad de los visitantes ve el nuevo checkout<\/em> (Grupo B) y la otra mitad ve el actual (Grupo A). El objetivo es determinar si el nuevo proceso de checkout<\/em> genera m\u00e1s compras finalizadas.<\/p>\n\n\n\n

Antes de comenzar el test, ya dispones de datos sobre el comportamiento de los visitantes, por ejemplo: cu\u00e1ntas compras realiz\u00f3 cada usuario el mes anterior al test. Aqu\u00ed es donde CUPED entra en juego. Para cada visitante de los Grupos A y B, CUPED recopila datos de su comportamiento de compra del mes anterior. Durante el test, se registran las compras realizadas por cada grupo. En lugar de comparar \u00fanicamente los n\u00fameros brutos, CUPED ajusta las cifras considerando el incremento o decremento respecto a los datos previos en el grupo de control y en el grupo de variaci\u00f3n.<\/p>\n\n\n\n

Por ejemplo, sin CUPED podr\u00edas observar que el\u00a0Grupo A\u00a0obtiene un promedio de 10 compras y el\u00a0Grupo B\u00a0un promedio de 12 compras, y concluir que el nuevo checkout<\/em> es ligeramente mejor. Pero con CUPED, esos n\u00fameros se ajustan seg\u00fan los datos previos. Quiz\u00e1 el Grupo A ten\u00eda un promedio previo de 4 compras y el Grupo B de 2. Al ajustar con estos datos, CUPED podr\u00eda mostrar que la mejora en el Grupo B es\u00a0a\u00fan m\u00e1s significativa.<\/p>\n\n\n\n

As\u00ed, CUPED permite que tus\u00a0tests<\/em> A\/B\u00a0sean m\u00e1s\u00a0precisos y fiables, teniendo en cuenta la informaci\u00f3n que ya conoces sobre tus visitantes.<\/p>\n\n\n\n

Beneficios de CUPED<\/strong><\/h2>\n\n\n\n

Estos son los principales beneficios de utilizar CUPED para que tus tests<\/em> A\/B sean m\u00e1s precisos y fiables:<\/p>\n\n\n\n