Skip to main content

growth-experiments

Utiliser quand l'utilisateur veut des expériences de croissance, un A/B test, un backlog growth, ou faire du CRO. Priorise les hypothèses par score ICE, définit un protocole d'expérience rigoureux, délègue l'exécution, lit les résultats par script et rend un verdict PASS/FAIL/INCONCLUSIF.

Quellinformationen

Repository
PrendsTaPart/Plugin-Claude-MCP-BraindCode-
Letzte Quellaktivität
15. Juli 2026 um 10:01
Erkannte Sprache von SKILL.md
Französisch
Sterne
8
Forks
0

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.

Datei-Explorer
3 Dateien

SKILL.md wird angezeigt

SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau
name
growth-experiments
description
Utiliser quand l'utilisateur veut des expériences de croissance, un A/B test, un backlog growth, ou faire du CRO. Priorise les hypothèses par score ICE, définit un protocole d'expérience rigoureux, délègue l'exécution, lit les résultats par script et rend un verdict PASS/FAIL/INCONCLUSIF.
# Growth experiments — backlog ICE, protocole, verdict chiffré ## Étape 0 — Charger (obligatoire) - `${CLAUDE_PLUGIN_ROOT}/reference/priorite-mcp.md` et `garde-fous-marketing.md`. - **Lire `./rapido-kb/marketing/apprentissages.md` et `benchmarks.md` AVANT de proposer un backlog** — une hypothèse déjà testée (leçon passée) ne se re-teste pas à l'aveugle ; les leçons priment sur les défauts. Fichiers absents → créés depuis `${CLAUDE_PLUGIN_ROOT}/reference/kb-templates/` (voir `reference/memoire.md`). ## Méthode ### 1. Backlog scoré ICE Rassembler les hypothèses (impact, confidence, ease notés 1-10) → `python3 "${CLAUDE_PLUGIN_ROOT}/skills/growth-experiments/scripts/ice_score.py"` avec `{"hypotheses": [{nom, impact, confidence, ease}]}` → backlog **trié** (jamais priorisé de tête). ### 2. Protocole par expérience (avant de lancer) Pour chaque test : **hypothèse** (« si… alors… parce que… »), **métrique** unique, **taille d'échantillon minimale**, **durée**, **critère d'arrêt**. Un test sans protocole écrit ne se lance pas. ### 3. Exécution (déléguée au bon skill) - **Pub** → skill `tests-ab-meta` (rapido-meta-ads). - **Landing** → variantes via `create_editor_template` (rapidocrm) ou skill `usine-a-landing` (Lovable). - **Objet / email** → variantes via skill `email-sequence`. - Toute activation/envoi **confirmé** (hook `garde-envois`). ### 4. Lecture des résultats (jamais de tête) `python3 "${CLAUDE_PLUGIN_ROOT}/skills/growth-experiments/scripts/ab_result.py"` avec `{"controle": {n, conversions}, "variante": {n, conversions}, "seuil_min_echantillon": …}` → taux, uplift, z, **verdict PASS / FAIL / INCONCLUSIF** (test z à deux proportions). Un échantillon insuffisant = **INCONCLUSIF**, jamais « ça marche ». ### 5. Capitaliser (automatique) Ajouter 1 à 3 **leçons datées et SOURCÉES** (verdict du script) dans `./rapido-kb/marketing/apprentissages.md` (`date | contexte | leçon | preuve | skill source`) et **mettre à jour `benchmarks.md`** si un taux change — via `mise-a-jour-kb`. Pas de leçon sans preuve chiffrée. ## Livrable type Backlog priorisé ICE + protocole de l'expérience en cours + verdict chiffré du dernier test + prochaine hypothèse à tester. ## Cas d'usage croisés - Outillage A/B (méthode statistique, MDE) → skill `scale-ab-testing`. - Cartes de chaleur / enregistrements de session (CRO) → skill `scale-heatmaps`. - Mesurer le goulot d'un tunnel avant de tester → skill `tunnel-de-vente-360`. ## Garde-fous Priorisation et verdict **par script** ; protocole écrit avant tout test ; INCONCLUSIF assumé si échantillon insuffisant ; envois/activations confirmés ; leçons datées.
Auf GitHub ansehen