En el mundo digital tan cambiante, es dificil evaluar el impacto que tendrán nuevas ideas. Las empresas líderes digitales llevan más de 20 años adoptando una estrategia con un enfoque de «experimentar con todo» basada en las pruebas A/B para tomar decisiones que pueden generar un valor significativo en dichas empresas. Es decir, antes de crear un nuevo contenido o desarrollar cualquier funcionalidad, producto o servicio, se realizan pruebas A/B para evaluar su acogida e impacto.
Uno de los primeros casos de prueba A/B que se popularizó a lo largo de los años fue el experimento de Google de probar 41 tonos de azul, (conocido en inglés como «41 Shades of Blue Test» y que con el tiempo se convirtieron en «50 sombras»). A lo largo de los años se ha seguido discutiendo sobre los beneficios aportados de dicho test.

En 2019, representantes de 13 grandes organizaciones (12 empresas y la Universidad de Stanford), que cada una de ellas actualmente realiza más de 100 000 pruebas al año, celebraron la primera cumbre para discutir los principales retos de las pruebas A/B.
Aprovechando esta lista de organizaciones, a continuación, ordenado alfabéticamente por empresa, encontrarás 5 ejemplos de pruebas A/B realizadas por cada una de ellas. Estos ejemplos muestran cómo las pruebas A/B son el punto de partida para valorar la gran mayoría de cambios que se implementan en los productos y servicios que ofrecen. Al final de la entrada encontrarás las fuentes de información de los ejemplos mostrados.
Ejemplos de pruebas A/B
Airbnb
Airbnb, el portal online para alquileres de vacaciones y experiencias de viaje, utiliza ampliamente las pruebas A/B para aprender y tomar decisiones en cada paso del desarrollo de su producto, desde el diseño hasta los algoritmos. Son igualmente importantes para dar forma a la experiencia del usuario.
Ranking de búsqueda
Airbnb utiliza pruebas A/B para optimizar el algoritmo de posicionamiento en las búsquedas de sus anuncios de alquiler vacacional. Por ejemplo, en 2017, Airbnb probó un nuevo algoritmo de ranking de búsqueda que tuvo en cuenta factores como la calidad y la integridad de una lista, la tasa de respuesta del anfitrión y la ubicación del alquiler.
Precios
Airbnb utiliza pruebas A/B para optimizar los precios de sus alquileres vacacionales. Por ejemplo, en 2018, la empresa probó una nueva función de precios que ofrecía a los anfitriones sugerencias de precios personalizadas en función de factores como la demanda y la competencia.

Mensajes a huéspedes
Airbnb utiliza pruebas A/B para optimizar su función de mensajería para huéspedes, que permite a los anfitriones comunicarse con los huéspedes antes y durante su estancia. Por ejemplo, en 2020, la empresa probó una nueva función de mensajería que permitía a los anfitriones enviar mensajes automáticos a los invitados.

Nelio A/B Testing
Me sorprendió mucho la calidad del plugin, lo fácil que fue configurarlo y el increíble soporte que me dio Nelio. Recomiendo encarecidamente usar Nelio A/B Testing.

Josette Millar
Interfaz de usuario
Airbnb utiliza pruebas A/B para optimizar la interfaz de usuario de su aplicación móvil y su sitio web. Por ejemplo, en 2019, la empresa probó un nuevo diseño de interfaz que facilitó a los usuarios navegar y reservar alquileres de vacaciones.
Reseñas
Airbnb utiliza pruebas A/B para optimizar su sistema de reseñas, lo que permite a los huéspedes dejar comentarios sobre sus estancias. Por ejemplo, en 2018, la empresa probó un nuevo sistema de reseñas que permitía a los huéspedes calificar sus estadías en una escala del 1 al 10, en lugar del anterior sistema de calificación de 5 estrellas.
Amazon
Amazon es conocido por su amplio uso de pruebas A/B para optimizar sus productos y servicios. Veamos algunos ejemplos de cómo Amazon usa las pruebas A/B.
Amazon.com
Amazon utiliza continuamente pruebas A/B para optimizar la experiencia del usuario en su plataforma. Por ejemplo, en 2020, Amazon probó un nuevo diseño para sus páginas de detalles de productos que tenía como objetivo mejorar la visibilidad de las reseñas de los clientes.
Amazon Prime Video
Amazon utiliza pruebas A/B para mejorar la experiencia del usuario de su servicio de transmisión de video. Por ejemplo, en 2020, Amazon probó una nueva función que permitía a los usuarios personalizar el orden de su lista de observación.
Amazon Web Services
Amazon utiliza pruebas A/B para optimizar el rendimiento y la confiabilidad de su plataforma de computación en la nube. Por ejemplo, en 2020, Amazon lanzó Amazon Personalize, que facilita la integración de recomendaciones personalizadas en sitios web, aplicaciones, sistemas de marketing por correo electrónico existentes y más, incluyendo la opción de crear pruebas A/B.
Amazon Alexa
Amazon utiliza pruebas A/B para mejorar la experiencia de usuario de su asistente de voz. Por ejemplo, recientemente crearon un test A/B para Vocala (empresa especializada en anuncios de voz) y así determinar la longitud ideal de invitación a los usuarios para suscribirse a la versión de pago de sus clientes.
Amazon Advertising
Amazon utiliza pruebas A/B para ayudar a los anunciantes a optimizar sus campañas en su plataforma publicitaria. Los anunciantes pueden usar las pruebas A/B para probar diferentes creatividades publicitarias, opciones de orientación y estrategias de oferta para ver qué funciona mejor para su negocio.
Ejemplo de la misma página de producto vista desde dos ordenadores distintos:


Booking
Booking.com, la agencia de viajes online que permite a los usuarios reservar alojamiento, vuelos y coches de alquiler, utiliza ampliamente las pruebas A/B para optimizar su plataforma y mejorar su experiencia de usuario. Todo pasa por un previo test A/B antes de lanzarse al mercado para todo el público.
Página de resultados
Booking.com utiliza pruebas A/B para optimizar la página de resultados de búsqueda para sus listados de alojamientos. Por ejemplo, en 2020 la empresa probó una nueva página de resultados de búsqueda que presentaba imágenes más grandes e información más detallada sobre los listados. Además, los propietarios de alojamientos disponen de gran variedad de productos para poder experimentar.
Interfaz de usuario
Booking.com utiliza pruebas A/B para optimizar la interfaz de usuario de su aplicación móvil y su sitio web. Por ejemplo, en 2019, la empresa probó un nuevo diseño para su aplicación móvil que facilitó a los usuarios encontrar y reservar alojamientos.
Precios
Booking.com utiliza pruebas A/B para optimizar los precios de sus listados de alojamientos. Por ejemplo, en 2018, la empresa probó una nueva función de precios que ofrecía descuentos personalizados a los clientes que habían abandonado previamente sus reservas.
Reseñas
Booking.com utiliza pruebas A/B para optimizar su sistema de reseñas, lo que permite a los clientes dejar comentarios sobre sus estancias. Por ejemplo, en 2018 la empresa probó un nuevo sistema de revisión que incluía información más detallada sobre las propiedades, como el tamaño de las habitaciones y sus comodidades.
Diseño del sitio web
Booking.com utiliza pruebas A/B para optimizar el diseño de su sitio web. Por ejemplo, en 2017 la empresa probó un nuevo diseño para su página de inicio que presentaba imágenes más grandes y barras de búsqueda más prominentes.
Meta
Meta es conocida por usar pruebas A/B para optimizar sus productos y servicios.
Feeds de noticias
Facebook utiliza pruebas A/B para probar y refinar su algoritmo News Feed, que determina qué contenido aparece en los feeds de los usuarios. Por ejemplo, en 2018 Facebook probó un nuevo algoritmo que priorizaba las publicaciones de familiares y amigos sobre el contenido de los editores.
Segmentación de anuncios
Facebook utiliza pruebas A/B para ayudar a los anunciantes a optimizar sus campañas en su plataforma publicitaria. Los anunciantes pueden usar las pruebas A/B para probar diferentes creatividades publicitarias, opciones de orientación y estrategias de oferta para ver qué funciona mejor para su negocio.
Instagram Messaging
Meta realizó pruebas A/B para optimizar su aplicación de mensajería en sus distintas plataformas. Por ejemplo, en 2020, antes de lanzar Instagram Messaging, realizó una prueba A/B para comparar su uso en escritorio o en aplicaciones nativas, monitorizando el número de usuarios que envían mensajes y el total de mensajes enviados en cada dispositivo..
Páginas de perfil
Facebook utiliza pruebas A/B para probar y refinar sus páginas de perfil. Por ejemplo, en 2018 Facebook probó un nuevo diseño para las páginas de perfil que incluía pestañas separadas para publicaciones y fotos.
Instagram Stories
Instagram prueba cada nueva función y cambio en su aplicación mediante pruebas A/B en pequeñas muestras aleatorias de su base de usuarios antes de lanzarla para todo el mundo. Por ejemplo, en agosto del 2020 realizaron pruebas A/B sobre un un conjunto de estilos de texto dinámicos y divertidos seguidos de animaciones para dar a la gente más opciones para expresarse en Stories y Reels.
Google es bien conocida por su amplio uso de las pruebas A/B en todos los ámbitos, tal y como ya he comentado al principio de esta entrada. De hecho tienen una web dedicada a los experimentos que crean en su equipo de desarrolladores.
Búsqueda de Google
Google utiliza periódicamente pruebas A/B para mejorar la experiencia de búsqueda de los usuarios. Por ejemplo, en 2020 Google probó un nuevo diseño para los resultados de búsqueda que mostraban la marca del sitio web de manera más prominente. La prueba tenía como objetivo ayudar a los usuarios a comprender mejor la fuente de la información que encuentran en Google.
Google Ads
Google utiliza pruebas A/B para ayudar a los anunciantes a optimizar sus campañas publicitarias. Los anunciantes pueden usar las pruebas A/B para probar diferentes textos de anuncios, formatos de anuncios y opciones de orientación para ver qué funciona mejor para su negocio.
Google Maps
Google utiliza pruebas A/B para mejorar la experiencia del usuario de Google Maps. Por ejemplo, en 2019 Google probó una nueva función que permitía a los usuarios seguir negocios y recibir actualizaciones sobre ellos. La función se probó en un pequeño grupo de usuarios para ver cómo interactuaban con ella y si mejoraba la interacción con las empresas locales.
Google Chrome
Google utiliza pruebas A/B para mejorar la experiencia del usuario de Chrome. Por ejemplo, en 2019 Google probó una nueva función que bloqueaba automáticamente los anuncios de uso intensivo de recursos en los sitios web. La prueba tenía como objetivo mejorar el rendimiento de Chrome y reducir el uso de datos.
Google Play Store
Google utiliza pruebas A/B para mejorar el descubrimiento y la instalación de aplicaciones en Play Store. Por ejemplo, en 2020 Google probó un nuevo diseño para los iconos de aplicaciones en Play Store que tenía como objetivo facilitar a los usuarios la búsqueda e instalación de aplicaciones que les interesan.
LinkedIn es una empresa que durante años ha estado usando las pruebas A/B para mejorar su plataforma, contenido y experiencia de usuario.
Imágenes de perfil
LinkedIn utiliza pruebas A/B para ayudar a los usuarios a elegir la mejor imagen de perfil. En 2017 la empresa probó una función que permitía a los usuarios realizar pruebas A/B de sus imágenes de perfil y recibir comentarios sobre cuál era más eficaz.
Mensajería
LinkedIn utiliza pruebas A/B para optimizar su función de mensajería. Por ejemplo, en 2018 la empresa probó una nueva función que permitía a los usuarios compartir documentos y presentaciones dentro de sus mensajes.
Anuncios de empleo
LinkedIn utiliza pruebas A/B para ayudar a los empleadores a optimizar sus publicaciones de empleo. Los empleadores pueden usar las pruebas A/B para probar diferentes títulos de trabajo, descripciones y requisitos para ver qué atrae a los mejores candidatos.
Campañas de publicidad
LinkedIn utiliza pruebas A/B para ayudar a los anunciantes a optimizar sus campañas en su plataforma publicitaria. Los anunciantes pueden usar las pruebas A/B para probar diferentes creatividades publicitarias, opciones de orientación y estrategias de oferta para ver qué funciona mejor para su negocio.
Contenido
LinkedIn utiliza pruebas A/B para optimizar su algoritmo de recomendaciones de contenido. En 2018 la empresa probó una nueva función que permitía a los usuarios seguir hashtags y ver contenido relacionado en sus feeds.
Lyft
Lyft, la popular empresa de transporte por carretera, utiliza regularmente las pruebas A/B para optimizar su plataforma y mejorar la experiencia del usuario
Proceso de solicitud de viajes
Lyft utiliza pruebas A/B para optimizar su proceso de solicitud de viaje, que determina cómo los usuarios solicitan viajes en su plataforma. Por ejemplo, en 2018 la empresa probó un nuevo proceso de solicitud de viaje que permitía a los usuarios ver un precio estimado por adelantado antes de reservar un viaje.
Incentivos para conductores
Lyft utiliza pruebas A/B para optimizar sus programas de incentivos para conductores, que están diseñados para animar a los conductores a completar más viajes en su plataforma. Por ejemplo, en 2018 la empresa probó un nuevo programa de incentivos que ofrecía bonificaciones a los conductores que completaban una cierta cantidad de viajes en una semana. Y en 2022 probó un algoritmo de ganancias que permitía a los conductores ver el destino y los detalles de pago antes de aceptar una solicitud.
Promociones
Lyft utiliza pruebas A/B para optimizar sus ofertas promocionales, que están diseñadas para atraer nuevos usuarios a su plataforma. Por ejemplo, en 2019, la empresa probó una nueva oferta promocional que otorgaba a los usuarios un descuento en sus primeros cinco viajes.
Diseño de la aplicación
Lyft utiliza pruebas A/B para optimizar el diseño de su aplicación móvil, que utilizan tanto los conductores como los pasajeros. Por ejemplo, en 2018 la empresa probó un nuevo diseño de aplicación que facilitó a los usuarios navegar entre diferentes pantallas.
Valoración de los conductores
Lyft utiliza pruebas A/B para optimizar su sistema de calificación de conductores, que permite a los pasajeros calificar a sus conductores después de cada viaje. Por ejemplo, en 2020 la empresa probó un nuevo sistema de calificación de conductores que permitía a los pasajeros calificar a los conductores en una escala del 1 al 5, en lugar de solo del 1 al 3.
Microsoft
Microsoft también utiliza ampliamente las pruebas A/B para optimizar sus productos y servicios.
Microsoft Office
Microsoft utiliza pruebas A/B para mejorar la experiencia del usuario de su conjunto de productos de Office, como Word, Excel y PowerPoint. Por ejemplo, en 2020 Microsoft probó una nueva función en Word que sugería sinónimos para palabras de uso común para ayudar a los usuarios a mejorar su escritura.
Microsoft Bing
Microsoft utiliza pruebas A/B para mejorar la experiencia de búsqueda en Bing. Por ejemplo, en 2020 Microsoft probó un nuevo diseño para la página de resultados de búsqueda de Bing cuyo objetivo era facilitar a los usuarios la búsqueda de la información que buscaban.
Microsoft Teams
Microsoft utiliza pruebas A/B para mejorar la experiencia de colaboración en Teams. Por ejemplo, en 2020 Microsoft probó una nueva característica que permitía a los usuarios grabar y transcribir reuniones para facilitar su revisión posterior.
Microsoft Edge
Microsoft utiliza pruebas A/B para mejorar la experiencia del usuario de su navegador Edge. Por ejemplo, en 2020 Microsoft probó una nueva función que agrupaba automáticamente las pestañas según su contenido para ayudar a los usuarios a mantenerse organizados.
Microsoft Azure
Microsoft utiliza pruebas A/B para mejorar el rendimiento y la confiabilidad de su plataforma de computación en la nube Azure. Por ejemplo, en 2020 Microsoft probó una nueva función que permitía a los usuarios configurar una conmutación por error automatizada para sus aplicaciones en caso de una interrupción del servicio.
Netflix
Netflix es una empresa que ha estado utilizando pruebas A/B para mejorar su plataforma, contenido y experiencia de usuario. Aquí hay algunos ejemplos y referencias de cómo Netflix usa las pruebas A/B.
Interfaz de usuario
Netflix utiliza pruebas A/B para probar y refinar su interfaz de usuario. Por ejemplo, en 2019 la empresa probó una nueva función que permitía a los usuarios mezclar episodios de un programa de televisión o verlos en orden. En 2021 probó diversos textos de botones para suscribirse.

Recomendaciones de contenido
Netflix utiliza pruebas A/B para mejorar su algoritmo de recomendaciones de contenido. Por ejemplo, en 2018 la empresa probó una nueva función que permitía a los usuarios ocultar títulos que no querían ver en sus recomendaciones.
Reproducción de vídeo
Netflix utiliza pruebas A/B para optimizar la reproducción de video. Por ejemplo, en 2018 la empresa probó una nueva función que permitía a los usuarios ajustar la velocidad de reproducción de los videos.
Experiencia móvil
Netflix utiliza pruebas A/B para mejorar su experiencia móvil. Por ejemplo, en 2018 la empresa probó una nueva función que permitía a los usuarios ver avances de programas de televisión y películas directamente desde la pantalla de inicio de la aplicación.
Marketing y publicidad
Netflix utiliza pruebas A/B para probar diferentes estrategias de marketing y publicidad. Por ejemplo, en 2018 la empresa probó diferentes avances e imágenes promocionales de su exitosa serie «Stranger Things» para ver cuáles funcionaban mejor.
Stanford University
La Universidad de Stanford, una de las instituciones de investigación líderes en el mundo, utiliza pruebas A/B para optimizar sus sitios web y plataformas de aprendizaje en línea.
Plataforma de cursos online
La plataforma de aprendizaje online de Stanford, Stanford Online, utiliza pruebas A/B para optimizar la experiencia del usuario y mejorar la participación de los estudiantes. Por ejemplo, en 2019 la plataforma probó un nuevo diseño para la página de inicio de su curso que destacaba las características clave de cada curso y facilitaba la inscripción de los estudiantes.
Web de admisiones
Stanford utiliza pruebas A/B para optimizar su sitio web de admisiones, que utilizan los futuros estudiantes para obtener más información sobre la universidad y sus programas. Por ejemplo, en 2018 la universidad probó un nuevo diseño para su sitio web de admisiones que enfatizaba la experiencia del estudiante y presentaba contenido más personalizado.
Campañas de correo electrónico
Stanford utiliza pruebas A/B para optimizar sus campañas de correo electrónico, que se utilizan para comunicarse con los estudiantes y ex-alumnos actuales. Por ejemplo, en 2017 la universidad probó diferentes líneas de asunto y botones de llamada a la acción en su boletín de ex-alumnos para mejorar las tasas de apertura y las tasas de clics.
Navegación del sitio web
Stanford utiliza pruebas A/B para optimizar la navegación de su sitio web principal, que sirve como centro de información sobre la universidad y sus programas. Por ejemplo, en 2016 la universidad probó un nuevo menú de navegación que facilitó a los usuarios encontrar la información que buscaban. Y actualmente siguen animando a participar a los estudiantes en tests de navegación para rediseños de sus webs.
Campañas de donación
Stanford utiliza pruebas A/B para optimizar sus campañas de donación, que se utilizan para recaudar fondos para las diversas iniciativas y programas de la universidad. Por ejemplo, en 2020 la universidad probó diferentes variaciones de su página de inicio de donaciones para mejorar la tasa de conversión de donaciones. Una prueba consistió en agregar un mensaje personalizado del decano de la escuela de negocios, lo que resultó en un aumento del 20% en las donaciones.
Twitter es conocido por usar pruebas A/B para mejorar su plataforma, funciones y experiencia de usuario.
Línea de tiempo
Twitter utiliza pruebas A/B para optimizar su algoritmo de línea de tiempo, que determina qué tweets aparecen en los feeds de los usuarios. Por ejemplo, en 2018 Twitter probó un nuevo algoritmo que mostraba los tweets de las cuentas «favoritas» de los usuarios en la parte superior de sus feeds.
Anuncios
Twitter utiliza pruebas A/B para ayudar a los anunciantes a optimizar sus campañas en su plataforma publicitaria. Los anunciantes pueden usar las pruebas A/B para probar diferentes formatos de anuncios, opciones de orientación y estrategias de oferta para ver qué funciona mejor para su negocio.
Notificaciones
Twitter utiliza pruebas A/B para optimizar su función de notificaciones. Por ejemplo, en 2018 la empresa probó una nueva función que permitía a los usuarios recibir notificaciones de cuentas que no siguen.
Buscador
Twitter utiliza pruebas A/B para optimizar su función Explorar, que permite a los usuarios descubrir nuevos contenidos en la plataforma. Por ejemplo, en 2019 Twitter probó un nuevo diseño para Explorar que facilitó a los usuarios encontrar contenido según sus intereses.
Tweets
Twitter utiliza pruebas A/B para ayudar a los usuarios a redactar mejores tweets. Por ejemplo, en 2018 la empresa probó una función que sugería hashtags e identificadores a los usuarios mientras escribían sus tweets.
Uber
Uber, la popular empresa de transporte compartido, utiliza ampliamente las pruebas A/B para optimizar su plataforma y mejorar su experiencia de usuario.
Aumento de precios
Uber utiliza pruebas A/B para optimizar su algoritmo de aumento de precios, que determina cuánto deben pagar los pasajeros adicionales durante los períodos de alta demanda. Por ejemplo, en 2018 la empresa probó un nuevo algoritmo de aumento de precios que tuvo en cuenta factores como el clima y la congestión del tráfico.
Incentivos para conductores
Uber utiliza pruebas A/B para optimizar sus programas de incentivos para conductores, que están diseñados para alentar a los conductores a completar más viajes en su plataforma. Por ejemplo, en 2020 la empresa probó un nuevo programa de incentivos que ofrecía bonificaciones a los conductores que mantuvieran altas calificaciones de los pasajeros.
Proceso de incorporación
Uber utiliza pruebas A/B para optimizar sus procesos de incorporación de conductores y pasajeros, que determinan cómo se introducen los nuevos usuarios en su plataforma. Por ejemplo, en 2019 la empresa probó un nuevo proceso de incorporación de pasajeros que ofrecía a los usuarios un descuento en su primer viaje.
Diseño de la aplicación
Uber utiliza pruebas A/B para optimizar el diseño de su aplicación móvil, que utilizan tanto los conductores como los pasajeros. Por ejemplo, en 2021 la compañía probó un nuevo diseño de aplicación que facilitó a los pasajeros seleccionar su tipo de viaje preferido.
Coincidencia de viajes
Uber utiliza pruebas A/B para optimizar su algoritmo de coincidencia de viajes, que empareja a los pasajeros con los conductores disponibles en su área. Por ejemplo, en 2018, la empresa probó un nuevo algoritmo de comparación de viajes que tuvo en cuenta factores como la congestión del tráfico y la disponibilidad de los conductores.
Yandex
Yandex también utiliza pruebas A/B para optimizar sus productos y servicios.
Buscador
Yandex utiliza regularmente pruebas A/B para mejorar la experiencia de búsqueda de los usuarios. Por ejemplo, en 2020 Yandex probó una nueva función que permitía a los usuarios filtrar los resultados de búsqueda por su dominio del idioma.
Campañas de publicidad
Yandex utiliza pruebas A/B para ayudar a los anunciantes a optimizar sus campañas publicitarias. Los anunciantes pueden usar las pruebas A/B para probar diferentes textos de anuncios, formatos de anuncios y opciones de orientación para ver qué funciona mejor para su negocio.
Navegador
Yandex utiliza pruebas A/B para mejorar la experiencia del usuario de su navegador web. Por ejemplo, en 2020 Yandex probó una nueva función que permitía a los usuarios controlar la velocidad de reproducción de video en el navegador.
Transporte compartido
Yandex utiliza pruebas A/B para mejorar la experiencia del usuario de su servicio de transporte compartido. Por ejemplo, en 2020, Yandex probó una nueva función que permitía a los usuarios reservar un taxi con anticipación.
Música
Yandex utiliza pruebas A/B para mejorar la experiencia del usuario de su servicio de transmisión de música. Por ejemplo, en 2020 Yandex probó una nueva función que permitía a los usuarios controlar la velocidad de reproducción de las canciones.
Conclusión
Al igual que todas estas empresas, invertir en pruebas A/B puede beneficiar considerablemente a tu organización y no necesitas ser una empresa grande para tener resultados fiables de pruebas A/B en tu web.
Las pruebas A/B, y en particular, aquellas creadas para mejorar tu web, te permiten mejorar la experiencia de usuario, aumentar las conversiones, reducir la tasa de rebote, ahorrar tiempo y dinero, y todo ello con la garantía de estar tomando decisiones informadas.
Referencias
Adicionalmente a la consulta a ChatGPT, estas son algunas de las fuentes de información para la confección de esta entrada (enlaces consultados el 27 Feb 2022):
- The Airbnb Tech Blog: Machine Learning-Powered Search Ranking of Airbnb Experiences
- Pricing Frictions and Platform Remedies: The Case of Airbnb
- TechCrunch: Airbnb is helping find renters an apartment so they can Airbnb it
- The evolution of trust in Airbnb: A case of home rental
- Amazon.com marketing strategy 2022: E-commerce retail giant business case study
- Amazon A/B Testing: : what it is and how it works
- Amazon Personalize
- This new Alexa A/B Testing service helps skill developers increase customer engagement and revenue
- How Booking.com increases the power of online experiments with CUPED
- Partial Blockout Experiments for a Two Sided Marketplace
- The role of experimentation at Booking.com
- Medium: Booking: A/B tests and copy — what, why, how
- Reseach Gate: Democratizing online controlled experiments at Booking.com
- Airlock – Facebook’s mobile A/B testing framework
- Launching Instagram Messsaging on desktop
- Building text animations for Instagram Stories
- Meta Businees Help Center: About A/B Testing
- Google Ads Help Centre
- How Google Maps Uses A/B Testing with Gilad from Moburst
- Google Play Experiments: A Technical Deep Dive into the New Updates
- LinkedIn Engineering: A/B Testing Articles
- A Guide to Proper A/B Testing Strategy on LinkedIn Ads
- Driving Experimentation: How Lyft Fuels Amazin Customer Experimence
- Lyft Engineering: Experimentation in a Rideshareshing Marketplace
- Lyft testing new pay algorithm to lure drivers
- Microsoft Experimentation Platform
- The Surprising Power of Online Experiments
- Microsoft Case Study
- The Benefits of Controlled Experimentation at Scale
- The Verge: Netflix is experimenting with different episode orders for its new anthology show
- Verge: Netflix is testing a ‘random episode’ feature for TV shows
- Netflix Technology Blog: A/B Testing and Beyond: Improving the Netflix Streaming Experience with Experimentation and Data Science
- Trusted Reviews: Netflix is testing trailers between episodes and the internet is kicking off
- A/B Testing at Netflix, the typography of Stranger Things, and more
- Standford offers a preview of the redesign of its main website
- Standford Report: Help redesign Bechtel International Center’s website
- Here’s How Twitter’s ML Algorithms Rank The ‘Best’ Tweets on Your Timeline
- Twitter’s latests test lets users susbscribe to a tweet’s replies
- Twitter is Reportedly Working on a New Notifications Design to Reduce Confusion!
- Twitter introduces personalized news alerts ahead of the World Cup
- A hashtag recommendation system for twitter data streams
- Uber Is Testing a New Feature Where You Can Wait for a Lower Fare
- Uber knows you: how data optimizes our rides
- Uber and Lyft: How Driver Incentives Drive Retention
- Yandex Direct: A/B Testing Reliability Calculator
- Yandex: A/B testing is now available in Mobile Mediation
- Yandex Direct introduced a new approach to A/B-testing
- Yandex Browser Testing
- Online Evaluation for Effective Web Service Development
Imagen destacada de freestocks en Unsplash.
Deja una respuesta