ab-test-analyzer について
2つのキャンペーン案を、送信数、開封数、返信数、関心を示した返信数で比較するスキルです。サンプル数に基づいて有意性を評価し、差が生じた指標層を特定して次のテストを提案します。
主な機能
- 014種類のキャンペーン率を計算
- 02案の差が生じた指標層を特定
- 03送信数に応じた結果評価
- 04勝者または結論保留の判定
- 05次のテストを提案
活用シーン
- 012つの営業キャンペーン案の比較
- 02小規模サンプルの結果判定
- 03次に検証する変数の選定
インストール
コマンドをコピーしてターミナルで実行します。
$
npx skills add https:/ / github.com/ victor-shulga/ outbound-engine-skills --skill ab-test-analyzerインストール後、Claude Code で/ab-test-analyzerを入力して読み込まれたか確認します。
詳細
A/B テストアナライザー
2つのキャンペーン案を比較し、統計的有意性を判定して勝者を決め、次のテストを提案します。
必要なもの
- バリアント A の指標:送信数、開封数、返信数、興味を示した返信数
- バリアント B の指標:同上
- バリアント間で異なる点(テスト対象の変数)
- 分析には各バリアントで最低 50 件の送信が必要です
指標の優先順位
次の順に分析します。それぞれの層から異なることが分かります。
- 開封率:件名または送信者名に問題があります
- 返信率:文面またはターゲティングに問題があります
- 関心率:オファーまたは切り口に問題があります
- 商談予約率:CTA または適格性評価に問題があります
テストで結論を出せるのは、バリアント間に差が生じた層だけです。関心率の差を件名のせいにしないでください。
統計的有意性の目安
- 各バリアントの送信数が 50 件未満:結論は出せません。記録して、判断には使わないでください
- 各バリアントの送信数が 50~100 件:傾向を示すシグナルとして扱い、証明とは見なさないでください
- 各バリアントの送信数が 100 件以上:統計的に意味のある結果です。これに基づいて対応してください
手順
- 両方のバリアントについて、4 つの率をすべて計算します
- バリアント間に差が生じた層を特定します
- 送信数に基づいて統計的有意性を判定します
- 勝者を決定します(基準未満の場合は「結論なし」とします)
- 次にテストする内容を提案します。同じテストを繰り返すだけにしないでください
出力形式
A/B test: [what was tested]
Date: [date]
VARIANT A — [description of variant]
Sends: [n] | Opens: [n] ([%]) | Replies: [n] ([%]) | Interested: [n] ([%])
VARIANT B — [description of variant]
Sends: [n] | Opens: [n] ([%]) | Replies: [n] ([%]) | Interested: [n] ([%])
ANALYSIS
Divergence layer: [opens / replies / interest / meetings]
Delta: [A vs B difference at divergence layer]
Statistical significance: [Conclusive / Directional / Inconclusive] — [reason]
WINNER: [Variant A / Variant B / Inconclusive]
Why: [one-line explanation]
NEXT TEST
Variable to test next: [what to change]
Hypothesis: [what you expect to happen and why]
注意事項
- 一度にテストする変数は 1 つだけにしてください。件名と文面の両方を変更すると、結果の原因を特定できません
- 開封率だけで勝者を決めないでください。開封率は、コンバージョンにつながらない件名の小細工でも上げられます
- 両方のバリアントが Kill の基準(関心率 17%未満)に該当する場合、問題はバリアントではなく仮説にあります
- すべてのテスト結果を記録してください。テスト全体を通じて見える傾向は、個々のテスト結果よりも価値があります
コメント
Markdown 対応