De moment, els articles d’ajuda estan en castellà; la versió en català està en camí. Els noms del producte (AI Rank, BGPi, MCP) són els mateixos.

Explicació

¿Por qué VisibAI no afirma causalidad? ¿Qué significa «observado tras»?

Por qué los experimentos muestran qué pasó después de un cambio, no qué lo causó.

Porque en el mismo periodo pasan muchas cosas a la vez: los modelos se actualizan, tus competidores publican, cambian las fuentes… Sin un grupo de comparación, nadie puede atribuir un cambio a una sola causa.

«Observado tras»#

VisibAI dice que algo se observó tras tu cambio, nunca que lo causó. En los informes verás la advertencia «Correlación, no causalidad».

Grupo de comparación#

Cuando la acción afecta a preguntas concretas, VisibAI las compara con las preguntas que no tocaste. Si todas se mueven igual, el cambio puede venir del motor o del mercado, no de tu acción.

Para visitas y pedidos no hay grupo de comparación.

Niveles de evidencia#

  • Evidencia insuficiente: faltan mediciones o el cambio es muy pequeño.
  • Cambio observado: la métrica se movió, pero en contra de lo esperado.
  • Asociación temporal: se movió a favor después de la acción, pero con una señal débil o a la vez que otros cambios.
  • Evidencia compatible con una mejora: se movió a favor con una señal clara y sin otras acciones a la vez.
  • Evidencia causal razonablemente sustentada: lo anterior y, además, las preguntas de la acción mejoraron claramente más que las demás.

Incluso el nivel más alto es la lectura más sólida que permiten los datos, no una garantía: los motores de IA cambian sin avisar.

El Inicio («Resultados — ¿Qué resultados se han observado?») enseña este mismo nivel para tus tres últimas acciones, con una frase que dice por qué (por ejemplo, «las demás preguntas se movieron igual o más»). Es la misma lectura que en ¿Funcionó?.

Factores externos conocidos#

Cada experimento dice qué más pasó en su ventana y VisibAI lo ha visto:

  • Otras acciones registradas en esos mismos días (también las que se deshicieron).
  • Cambios en una IA: un asistente que cambió de versión durante la ventana.
  • Motores medidos distintos antes y después (por ejemplo, tras un cambio de plan).

Lo que VisibAI no ve (un rival que publica, la temporada, la prensa) también puede influir, y el experimento lo recuerda.

Entonces, ¿para qué sirve?#

  • Para ver si algo se movió después de actuar, y en qué dirección.
  • Para que el predictor aprenda de tus resultados.
  • Para decidir: mantener, revertir o repetir.

Actualitzat el

Articles relacionats

No has trobat la resposta?

Escriu-nos i et respondrem. Si tens compte, fes servir «Contacta’ns» al panell: ens arriba amb el context del teu compte.