| name | mesure-apprentissage-iris |
| description | Utiliser quand l'utilisateur veut savoir ce que la com a rapporté et améliorer la suite — « qu'est-ce que le post du saumon a donné », « bilan des publications d'Iris », « est-ce que ça ramène des commandes », « pourquoi Iris ne propose plus ça ». Insights réels, commandes attribuées, capitalisation des prompts gagnants, prise en compte des refus. |
Mesure & apprentissage (ce qui referme la boucle)
Sans cet étage, Iris est un générateur. Avec lui, elle apprend.
1. Collecter (chiffres réels uniquement)
post_insights par publication, ingishts_campagne par campagne
(impressions, engagements, clics) — les chiffres se lisent, jamais
s'extrapolent : moins de 48 h de vie = « trop tôt pour juger ».- Photo des planifications :
list_scheduled_posts (publié vs en attente).
2. Attribuer (la seule métrique qui compte)
- Croiser chaque publication avec
list_orders sur les 48 h suivantes :
commandes du plat mis en avant vs sa moyenne habituelle
(list_top_productions pour la base de comparaison).
- Honnêteté statistique : sans code promo ni lien tracké (backlog produit,
voir docs/FAISABILITE-IRIS.md), l'attribution est une corrélation, pas
une preuve — l'écrire tel quel (« +9 commandes du plat vs moyenne, publication
la veille — corrélation, pas attribution certaine »).
- Sous 3 commandes d'écart, verdict : « données insuffisantes ».
3. Apprendre (et le montrer)
Tout vit dans ./rapido-kb/iris/apprentissage.md :
- Prompts gagnants : un prompt visuel dont les publications performent
au-dessus de la moyenne de l'établissement est capitalisé via
add_prompt
(RapidoCMS) et noté (canal, type de signal, performance).
- Motifs de refus : ils pondèrent le scoring des signaux suivants du même
type — un type de contenu refusé trois fois de suite cesse d'être
proposé (et le journal le dit, pour que le restaurateur puisse le réactiver).
- Rythme : les heures/canaux qui performent remontent dans les
propositions du skill
calendrier-iris.
Sortie attendue
Un tableau [publication | canal | raison d'origine | impressions/engagements | commandes du plat vs moyenne | verdict], puis les enseignements appliqués
(« le format vidéo 9:16 sur les plats du jour surperforme → priorisé »).
Ce que ce skill NE fait PAS
- L'analyse de contenu généraliste multi-comptes → plugin rapidocms (skill
analyse-performance-contenu).
- Prédire la viralité d'une vidéo avant publication →
virality_predictor
dans le skill video-virale-plats.
