Lo que más me gusta de GrowthBook es que ofrece a los equipos una forma práctica de gestionar las banderas de características y los experimentos sin hacer que el flujo de trabajo sea excesivamente pesado. La interfaz es generalmente clara, y es útil tener la experimentación, el control de implementación y el análisis conectados en el mismo entorno. Eso facilita pasar de la idea a la prueba y a la decisión con más estructura y menos idas y venidas entre equipos. También aprecio la flexibilidad en el lado de la integración, porque puede adaptarse a una pila de datos existente en lugar de forzar una configuración completamente cerrada. Desde una perspectiva de ROI, eso importa mucho, ya que permite a los equipos obtener valor de la experimentación y la entrega progresiva sin necesariamente comprometerse con una plataforma mucho más grande de lo que necesitan. Reseña recopilada por y alojada en G2.com.
Lo que no me gusta es que algunas partes del producto todavía requieren un cierto nivel de comodidad técnica, especialmente al configurar experimentos correctamente, validar entradas de datos o asegurarse de que la configuración esté alineada con el entorno analítico más amplio. La interfaz de usuario es limpia en general, pero algunos conceptos no son instantáneamente obvios para los usuarios menos experimentados, por lo que la incorporación puede llevar un poco de tiempo. El rendimiento es generalmente bueno, aunque la experiencia depende mucho de qué tan bien esté implementada la configuración subyacente. El soporte y la documentación son útiles, pero todavía hay una curva de aprendizaje si los equipos son nuevos en los marcos de experimentación. En el lado de la IA, esta no es realmente la razón principal para usar la plataforma, por lo que su valor está mucho más en el control y la medición que en la automatización dirigida por inteligencia. Reseña recopilada por y alojada en G2.com.
