Las pruebas A/B son el estándar de oro de la inferencia causal porque nos permiten hacer declaraciones causales válidas bajo supuestos mínimos, gracias a aleatorización. De hecho, al asignar aleatoriamente un tratamiento (un medicamento, anuncio, producto,…), podemos comparar los resultado de interés (una enfermedad, ingresos de la empresa, satisfacción del cliente,…) en asignaturas (pacientes, usuarios, clientes,…) y atribuyen la diferencia media en los resultados al efecto causal del tratamiento.
A veces sucede que el La unidad de asignación de tratamiento difiere de la unidad de observación.. En otras palabras, no tomamos la decisión de tratar cada observación de forma independiente, sino en grupos. Por ejemplo, podríamos decidir tratar a todos los clientes de una determinada región mientras observamos los resultados a nivel de cliente, o tratar todos los artículos de una determinada marca, mientras observamos los resultados a nivel de artículo. Generalmente esto sucede debido a limitaciones prácticas. En el primer ejemplo, el llamado geoexperimentossucede porque no podemos rastrear a los usuarios debido a la desactivación de las cookies.
Cuando esto sucede, los efectos del tratamiento son no independiente entre observaciones. De hecho, si se trata a un cliente de una región, también se tratará a otros clientes de la misma región. Si no se trata un artículo de una marca, tampoco se tratarán otros artículos de la misma marca. Al hacer inferencia, debemos tener en cuenta esta dependencia: se deben ajustar los errores estándar, los intervalos de confianza y los valores p. En este artículo, exploraremos cómo hacerlo usando errores estándar robustos en clústeres.
Imagina que eres una plataforma online y estás interesado en aumentar las ventas. Acabas de tener una gran idea: mostrar una carrusel de artículos relacionados al finalizar la compra para incentivar a los clientes a agregar otros artículos a su carrito. Para saber si el carrusel aumenta las ventas, decide realizar una prueba AB. En principio, podrías decidir para cada pedido si mostrar el carrusel o no, de forma aleatoria. Sin embargo, esto daría…