ab-testing

Wenn der Benutzer einen A/B-Test oder ein Experiment planen, entwerfen oder implementieren oder ein Wachstumsexperiment-Programm aufbauen möchte. Auch zu verwenden, wenn der Benutzer "A/B-Test", "Split-Test", "Experiment", "diese Änderung testen", "Variantentext", "multivariater Test", "Hypothese", "sollte ich das testen", "welche Version ist besser", "zwei Versionen testen", "statistische Signifikanz", "wie lange sollte ich diesen Test laufen lassen", "Wachstumsexperimente", "Experimentgeschwindigkeit", "Experiment-Backlog", "ICE-Score", "Experimentier..." erwähnt.

npx skills add https://github.com/coreyhaines31/marketingskills --skill ab-testing

A/B Test Setup

You are an expert in experimentation and A/B testing. Your goal is to help design tests that produce statistically valid, actionable results.

Initial Assessment

Check for product marketing context first: If .agents/product-marketing.md exists (or .claude/product-marketing.md, or the legacy product-marketing-context.md filename, in older setups), read it before asking questions. Use that context and only ask for information not already covered or specific to this task.

Before designing a test, understand:

  1. Test Context - What are you trying to improve? What change are you considering?
  2. Current State - Baseline conversion rate? Current traffic volume?
  3. Constraints - Technical complexity? Timeline? Tools available?

Core Principles

1. Start with a Hypothesis

  • Not just "let's see what happens"
  • Specific prediction of outcome
  • Based on reasoning or data

2. Test One Thing

  • Single variable per test
  • Otherwise you don't know what worked

3. Statistical Rigor

  • Pre-determine sample size
  • Don't peek and stop early
  • Commit to the methodology

4. Measure What Matters

  • Primary metric tied to business value
  • Secondary metrics for context
  • Guardrail metrics to prevent harm

Hypothesis Framework

Structure

Because [observation/data],
we believe [change]
will cause [expected outcome]
for [audience].
We'll know this is true when [metrics].

Example

Weak: "Changing the button color might increase clicks."

Strong: "Because users report difficulty finding the CTA (per heatmaps and feedback), we believe making the button larger and using contrasting color will increase CTA clicks by 15%+ for new visitors. We'll measure click-through rate from page view to signup start."


Test Types

TypeDescriptionTraffic Needed
A/BTwo versions, single changeModerate
A/B/nMultiple variantsHigher
MVTMultiple changes in combinationsVery high
Split URLDifferent URLs for variantsModerate

Sample Size

Quick Reference

Baseline10% Lift20% Lift50% Lift
1%150k/variant39k/variant6k/variant
3%47k/variant12k/variant2k/variant
5%27k/variant7k/variant1.2k/variant
10%12k/variant3k/variant550/variant

Calculators:

For detailed sample size tables and duration calculations: See references/sample-size-guide.md


Metrics Selection

Primary Metric

  • Single metric that matters most
  • Directly tied to hypothesis
  • What you'll use to call the test

Secondary Metrics

  • Support primary metric interpretation
  • Explain why/how the change worked

Guardrail Metrics

  • Things that shouldn't get worse
  • Stop test if significantly negative

Example: Pricing Page Test

  • Primary: Plan selection rate
  • Secondary: Time on page, plan distribution
  • Guardrail: Support tickets, refund rate

Designing Variants

What to Vary

CategoryExamples
Headlines/CopyMessage angle, value prop, specificity, tone
Visual DesignLayout, color, images, hierarchy
CTAButton copy, size, placement, number
ContentInformation included, order, amount, social proof

Best Practices

  • Single, meaningful change
  • Bold enough to make a difference
  • True to the hypothesis

Traffic Allocation

ApproachSplitWhen to Use
Standard50/50Default for A/B
Conservative90/10, 80/20Limit risk of bad variant
RampingStart small, increaseTechnical risk mitigation

Considerations:

  • Consistency: Users see same variant on return
  • Balanced exposure across time of day/week

Implementation

Client-Side

  • JavaScript modifies page after load
  • Quick to implement, can cause flicker
  • Tools: PostHog, Optimizely, VWO

Server-Side

  • Variant determined before render
  • No flicker, requires dev work
  • Tools: PostHog, LaunchDarkly, Split

Running the Test

Pre-Launch Checklist

  • Hypothesis documented
  • Primary metric defined
  • Sample size calculated
  • Variants implemented correctly
  • Tracking verified
  • QA completed on all variants

During the Test

DO:

  • Monitor for technical issues
  • Check segment quality
  • Document external factors

Avoid:

  • Peek at results and stop early
  • Make changes to variants
  • Add traffic from new sources

The Peeking Problem

Looking at results before reaching sample size and stopping early leads to false positives and wrong decisions. Pre-commit to sample size and trust the process.


Analyzing Results

Statistical Significance

  • 95% confidence = p-value < 0.05
  • Means <5% chance result is random
  • Not a guarantee—just a threshold

Analysis Checklist

  1. Reach sample size? If not, result is preliminary
  2. Statistically significant? Check confidence intervals
  3. Effect size meaningful? Compare to MDE, project impact
  4. Secondary metrics consistent? Support the primary?
  5. Guardrail concerns? Anything get worse?
  6. Segment differences? Mobile vs. desktop? New vs. returning?

Interpreting Results

ResultConclusion
Significant winnerImplement variant
Significant loserKeep control, learn why
No significant differenceNeed more traffic or bolder test
Mixed signalsDig deeper, maybe segment

Documentation

Document every test with:

  • Hypothesis
  • Variants (with screenshots)
  • Results (sample, metrics, significance)
  • Decision and learnings

For templates: See references/test-templates.md


Growth Experimentation Program

Individual tests are valuable. A continuous experimentation program is a compounding asset. This section covers how to run experiments as an ongoing growth engine, not just one-off tests.

The Experiment Loop

1. Generate hypotheses (from data, research, competitors, customer feedback)
2. Prioritize with ICE scoring
3. Design and run the test
4. Analyze results with statistical rigor
5. Promote winners to a playbook
6. Generate new hypotheses from learnings
→ Repeat

Hypothesis Generation

Feed your experiment backlog from multiple sources:

SourceWhat to Look For
AnalyticsDrop-off points, low-converting pages, underperforming segments
Customer researchPain points, confusion, unmet expectations
Competitor analysisFeatures, messaging, or UX patterns they use that you don't
Support ticketsRecurring questions or complaints about conversion flows
Heatmaps/recordingsWhere users hesitate, rage-click, or abandon
Past experiments"Significant loser" tests often reveal new angles to try

ICE Prioritization

Score each hypothesis 1-10 on three dimensions:

DimensionQuestion
ImpactIf this works, how much will it move the primary metric?
ConfidenceHow sure are we this will work? (Based on data, not gut.)
EaseHow fast and cheap can we ship and measure this?

ICE Score = (Impact + Confidence + Ease) / 3

Run highest-scoring experiments first. Re-score monthly as context changes.

Experiment Velocity

Track your experimentation rate as a leading indicator of growth:

MetricTarget
Experiments launched per month4-8 for most teams
Win rate20-30% is common for mature programs (sustained higher rates may indicate conservative hypotheses)
Average test duration2-4 weeks
Backlog depth20+ hypotheses queued
Cumulative liftCompound gains from all winners

The Experiment Playbook

When a test wins, don't just implement it — document the pattern:

## [Experiment Name]
**Date**: [date]
**Hypothesis**: [the hypothesis]
**Sample size**: [n per variant]
**Result**: [winner/loser/inconclusive] — [primary metric] changed by [X%] (95% CI: [range], p=[value])
**Guardrails**: [any guardrail metrics and their outcomes]
**Segment deltas**: [notable differences by device, segment, or cohort]
**Why it worked/failed**: [analysis]
**Pattern**: [the reusable insight — e.g., "social proof near pricing CTAs increases plan selection"]
**Apply to**: [other pages/flows where this pattern might work]
**Status**: [implemented / parked / needs follow-up test]

Over time, your playbook becomes a library of proven growth patterns specific to your product and audience.

Experiment Cadence

Weekly (30 min): Review running experiments for technical issues and guardrail metrics. Don't call winners early — but do stop tests where guardrails are significantly negative.

Bi-weekly: Conclude completed experiments. Analyze results, update playbook, launch next experiment from backlog.

Monthly (1 hour): Review experiment velocity, win rate, cumulative lift. Replenish hypothesis backlog. Re-prioritize with ICE.

Quarterly: Audit the playbook. Which patterns have been applied broadly? Which winning patterns haven't been scaled yet? What areas of the funnel are under-tested?


Common Mistakes

Test Design

  • Testing too small a change (undetectable)
  • Testing too many things (can't isolate)
  • No clear hypothesis

Execution

  • Stopping early
  • Changing things mid-test
  • Not checking implementation

Analysis

  • Ignoring confidence intervals
  • Cherry-picking segments
  • Over-interpreting inconclusive results

Task-Specific Questions

  1. What's your current conversion rate?
  2. How much traffic does this page get?
  3. What change are you considering and why?
  4. What's the smallest improvement worth detecting?
  5. What tools do you have for testing?
  6. Have you tested this area before?

Related Skills

  • cro: For generating test ideas based on CRO principles
  • analytics: For setting up test measurement
  • copywriting: For creating variant copy

Mehr Skills von coreyhaines31

copywriting
coreyhaines31
Wenn der Nutzer Werbetexte für beliebige Seiten schreiben, umschreiben oder verbessern möchte – einschließlich Startseiten, Landingpages, Preisseiten, Funktionsseiten, Über-uns-Seiten oder Produktseiten. Auch verwenden, wenn der Nutzer sagt: „Schreib einen Text für“, „Verbessere diesen Text“, „Schreib diese Seite um“, „Werbetext“, „Hilfe bei Überschriften“, „CTA-Text“, „Wertversprechen“, „Slogan“, „Unterüberschrift“, „Hero-Bereich-Text“, „Above the Fold“, „dieser Text ist schwach“, „mach das überzeugender“ oder „hilf mir, mein Produkt zu beschreiben“. Verwenden Sie dies...
marketingcreativecommunication
seo-audit
coreyhaines31
Wenn der Benutzer SEO-Probleme auf seiner Website prüfen, überprüfen oder diagnostizieren möchte. Auch verwenden, wenn der Benutzer "SEO-Audit", "technisches SEO", "warum werde ich nicht gefunden", "SEO-Probleme", "On-Page-SEO", "Meta-Tags-Überprüfung", "SEO-Health-Check", "mein Traffic ist eingebrochen", "verlorene Rankings", "werde nicht in Google angezeigt", "Website rankt nicht", "Google-Update hat mich getroffen", "Seitengeschwindigkeit", "Core Web Vitals", "Crawl-Fehler" oder "Indexierungsprobleme" erwähnt. Auch verwenden, wenn der Benutzer nur vage sagt wie "mein SEO ist schlecht" oder "Hilfe...
marketingresearchdata-analysis
marketing-psychology
coreyhaines31
Wenn der Benutzer psychologische Prinzipien, mentale Modelle oder Verhaltenswissenschaften im Marketing anwenden möchte. Auch verwenden, wenn der Benutzer 'Psychologie', 'mentale Modelle', 'kognitive Verzerrung', 'Überzeugung', 'Verhaltenswissenschaft', 'warum Menschen kaufen', 'Entscheidungsfindung', 'Konsumentenverhalten', 'Ankereffekt', 'sozialer Beweis', 'Knappheit', 'Verlustaversion', 'Framing' oder 'Nudge' erwähnt. Verwenden Sie dies immer dann, wenn jemand verstehen oder nutzen möchte, wie Menschen in einem Marketingkontext denken und Entscheidungen treffen. Für die Anwendung...
marketingresearch
content-strategy
coreyhaines31
Wenn der Nutzer eine Content-Strategie planen, entscheiden möchte, welche Inhalte erstellt werden sollen, oder herausfinden will, welche Themen behandelt werden sollen. Auch verwenden, wenn der Nutzer "Content-Strategie", "worüber soll ich schreiben", "Content-Ideen", "Blog-Strategie", "Themencluster", "Content-Planung", "Redaktionskalender", "Content-Marketing", "Content-Roadmap", "welche Inhalte soll ich erstellen", "Blog-Themen", "Content-Säulen" oder "ich weiß nicht, worüber ich schreiben soll" erwähnt. Verwenden Sie dies immer dann, wenn jemand Hilfe bei der Entscheidung benötigt, welche Inhalte erstellt werden sollen...
marketingresearchcreative
ai-seo
coreyhaines31
Wenn der Benutzer Inhalte für KI-Suchmaschinen optimieren, von LLMs zitiert werden oder in KI-generierten Antworten erscheinen möchte. Auch verwenden, wenn der Benutzer 'AI SEO', 'AEO', 'GEO', 'LLMO', 'Answer Engine Optimization', 'Generative Engine Optimization', 'LLM Optimization', 'AI Overviews', 'Optimize for ChatGPT', 'Optimize for Perplexity', 'AI Citations', 'AI Visibility', 'Zero-Click Search', 'How do I show up in AI answers', 'LLM Mentions' oder 'Optimize for Claude/Gemini' erwähnt. Verwenden, wann immer jemand...
marketingresearch
programmatic-seo
coreyhaines31
Wenn der Benutzer SEO-gesteuerte Seiten in großem Umfang mit Vorlagen und Daten erstellen möchte. Auch verwenden, wenn der Benutzer "programmatisches SEO", "Vorlagenseiten", "Seiten in großem Umfang", "Verzeichnisseiten", "Standortseiten", "[Keyword] + [Stadt]-Seiten", "Vergleichsseiten", "Integrationsseiten", "viele Seiten für SEO erstellen", "pSEO", "100 Seiten generieren", "datengesteuerte Seiten" oder "vorlagenbasierte Landingpages" erwähnt. Verwenden Sie dies immer dann, wenn jemand viele ähnliche Seiten erstellen möchte, die auf verschiedene Keywords oder Standorte abzielen. Für...
marketingdata-analysisweb-scraping
marketing-ideas
coreyhaines31
Wenn der Nutzer Marketingideen, Inspiration oder Strategien für sein SaaS- oder Softwareprodukt benötigt. Auch verwenden, wenn der Nutzer nach 'Marketingideen', 'Wachstumsideen', 'Wie vermarkte ich', 'Marketingstrategien', 'Marketingtaktiken', 'Möglichkeiten zur Promotion', 'Ideen zum Wachstum', 'Was kann ich noch versuchen', 'Ich weiß nicht, wie ich das vermarkten soll', 'Brainstorming für Marketing' oder 'Welches Marketing soll ich machen' fragt. Dies als Ausgangspunkt verwenden, wenn jemand feststeckt oder nach Inspiration sucht, wie er wachsen kann. Für spezifische...
marketing
copy-editing
coreyhaines31
Wenn der Benutzer vorhandene Marketingtexte bearbeiten, überprüfen oder verbessern oder veraltete Inhalte aktualisieren möchte. Auch zu verwenden, wenn der Benutzer 'diesen Text bearbeiten', 'meinen Text überprüfen', 'Textfeedback', 'Korrektur lesen', 'das hier polieren', 'das hier verbessern', 'Textdurchlauf', 'das hier straffen', 'das liest sich holprig', 'diesen Text bereinigen', 'zu wortreich', 'die Botschaft schärfen', 'diesen Inhalt auffrischen', 'diese Seite aktualisieren', 'dieser Inhalt ist veraltet' oder 'Inhaltsaudit' erwähnt. Verwenden Sie dies, wenn der Benutzer bereits einen Text hat und ihn...
documentcommunicationmarketing