SDKs de cliente
4 plataformas
- alimenta
- Kafkavalidar
Todos los casos de estudio
Analítica de productoExperimentaciónPersonalización6 meses
Masters
Cuatro herramientas de analítica discrepaban sobre las mismas cifras. Ahora hay un único conjunto en el que todos confían.
CTR de ofertas
6.4%
Ofertas ordenadas con controles de experimentación
Antes
4.5%
Reglas estáticas, la misma oferta para todos
En términos claros
Qué es esto.
Sin jerga en esta sección. La descripción técnica está más abajo.
Qué estaba fallando
La empresa funcionaba sobre cuatro plataformas distintas que contaban los usuarios cada una a su manera, así que dos dashboards podían discrepar en una quinta parte y nadie sabía cuál tenía razón. Las decisiones de producto se discutían en lugar de medirse.
Qué construimos
Acordamos con producto, growth y finanzas una única definición para cada cifra importante, reconstruimos el reporting sobre esas definiciones y añadimos los controles necesarios para probar cambios correctamente.
Qué cambió
Un único conjunto de cifras compartido, nueve tests en paralelo en lugar de dos y las discusiones sobre atribución fuera del orden del día. La proporción de personas que hacen clic en una oferta pasó del 4,5% al 6,4%.
Arquitectura
Cómo encaja todo.
Recorra las etapas. Todo lo marcado como añadido es un componente que no existía antes de este proyecto.
Kafka
contratos
- recibe de
- SDKs de clientevalidar
- alimenta
- ClickHouse
ClickHouse
raw + marts
- recibe de
- Kafka
- alimenta
- métricas dbt
métricas dbt
gobernado
- recibe de
- ClickHouse
- alimenta
- LightGBMfeatures
LightGBM
ranking de ofertas
- recibe de
- métricas dbtfeatures
- alimenta
- Experimentosservir
Experimentos
lift + sesgo
- recibe de
- LightGBMservir
SDKs de cliente
4 plataformas
- alimenta
- Kafkavalidar
Kafka
contratos
- recibe de
- SDKs de clientevalidar
- alimenta
- ClickHouse
ClickHouse
raw + marts
- recibe de
- Kafka
- alimenta
- métricas dbt
métricas dbt
gobernado
Esto lo añadimos nosotros- recibe de
- ClickHouse
- alimenta
- LightGBMfeatures
LightGBM
ranking de ofertas
Esto lo añadimos nosotros- recibe de
- métricas dbtfeatures
- alimenta
- Experimentosservir
Experimentos
lift + sesgo
Esto lo añadimos nosotros- recibe de
- LightGBMservir
La descripción
Cómo se construiría.
Dataset, enfoque, métricas objetivo y stack. Escrito para quien tenga que revisarlo.
Analítica de productoExperimentaciónPersonalización6 meses
Masters
Analítica unificada y personalización para que los equipos ejecuten experimentos fiables y avancen más rápido.
Problema
Cuatro plataformas emitían esquemas de eventos incompatibles, así que nadie se ponía de acuerdo sobre qué era un usuario retenido. Las decisiones de producto se tomaban con dashboards que discrepaban entre sí hasta en un 20%.
Dataset
- filas
- 412M eventos
- features
- 86
- fuentes
- iOS, Android, Web, CRM
- ventana
- 24 meses
Enfoque
- 01Definimos una taxonomía de eventos única con contratos de tracking validados en CI
- 02Llevamos todas las fuentes en streaming a un único warehouse con unificación de identidades
- 03Construimos vistas de cohortes y retención sobre una capa de métricas gobernada
- 04Desplegamos un modelo de ranking de ofertas detrás de un framework de experimentación
Métricas
- 0.87
- AUC de ranking +0.11
- 6.4%
- CTR de ofertas +1.9pp
- <1%
- desviación de métricas entre equipos
- 340ms
- p95 de consultas -2.1s
Evidencia
- fuente
- Diseño de referencia
- cifras
- Ilustrativo: valores típicos para este diseño
- medición
- No medido. Valores típicos para un diseño de referencia de este tipo, no observados en el sistema de un cliente.
- referencia
- No disponible para este proyecto
- última revisión
- 2026-08-25
Impacto en el negocio
- Una definición de KPI compartida por producto, growth y finanzas
- Ritmo de experimentación de 2 a 9 tests simultáneos
- Las disputas sobre atribución dejaron de ser un tema recurrente en las reuniones
Stack tecnológico
- Python
- ClickHouse
- Apache Kafka
- dbt
- Airflow
- FastAPI
- LightGBM
- Metabase
Siguiente paso
¿Necesita un sistema como este?
Responda seis preguntas y le diremos si este planteamiento encaja con su problema, también cuando no encaja.