ab-testing

Khi người dùng muốn lập kế hoạch, thiết kế hoặc triển khai một bài kiểm tra A/B hoặc thử nghiệm, hoặc xây dựng một chương trình thử nghiệm tăng trưởng. Cũng sử dụng khi người dùng đề cập đến "kiểm tra A/B," "kiểm tra phân chia," "thử nghiệm," "kiểm tra thay đổi này," "bản sao biến thể," "kiểm tra đa biến," "giả thuyết," "tôi có nên kiểm tra điều này không," "phiên bản nào tốt hơn," "kiểm tra hai phiên bản," "ý nghĩa thống kê," "tôi nên chạy kiểm tra này trong bao lâu," "thử nghiệm tăng trưởng," "tốc độ thử nghiệm," "tồn đọng thử

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

Thêm skills từ coreyhaines31

copywriting
coreyhaines31
Khi người dùng muốn viết, viết lại hoặc cải thiện nội dung tiếp thị cho bất kỳ trang nào — bao gồm trang chủ, trang đích, trang giá, trang tính năng, trang giới thiệu hoặc trang sản phẩm. Cũng sử dụng khi người dùng nói "viết nội dung cho," "cải thiện nội dung này," "viết lại trang này," "nội dung tiếp thị," "trợ giúp tiêu đề," "nội dung CTA," "đề xuất giá trị," "khẩu hiệu," "tiêu đề phụ," "nội dung phần hero," "phần trên gấp," "nội dung này yếu," "làm cho nó hấp dẫn hơn," hoặc "giúp tôi mô tả sản phẩm của mình." Sử dụng điều này...
marketingcreativecommunication
seo-audit
coreyhaines31
Khi người dùng muốn kiểm tra, đánh giá hoặc chẩn đoán các vấn đề SEO trên trang web của họ. Cũng sử dụng khi người dùng đề cập đến "kiểm tra SEO," "SEO kỹ thuật," "tại sao tôi không lên top," "vấn đề SEO," "SEO on-page," "đánh giá thẻ meta," "kiểm tra sức khỏe SEO," "lưu lượng truy cập của tôi giảm," "mất thứ hạng," "không xuất hiện trên Google," "trang web không lên top," "bản cập nhật Google ảnh hưởng đến tôi," "tốc độ trang," "core web vitals," "lỗi thu thập dữ liệu," hoặc "vấn đề lập chỉ mục." Sử dụng ngay cả khi người dùng
marketingresearchdata-analysis
marketing-psychology
coreyhaines31
Khi người dùng muốn áp dụng các nguyên lý tâm lý học, mô hình tư duy hoặc khoa học hành vi vào tiếp thị. Cũng sử dụng khi người dùng đề cập đến 'tâm lý học,' 'mô hình tư duy,' 'thiên kiến nhận thức,' 'thuyết phục,' 'khoa học hành vi,' 'tại sao mọi người mua hàng,' 'ra quyết định,' 'hành vi người tiêu dùng,' 'neo đậu,' 'bằng chứng xã hội,' 'khan hiếm,' 'chán ghét mất mát,' 'đóng khung,' hoặc 'thúc đẩy nhẹ.' Sử dụng điều này bất cứ khi nào ai đó muốn hiểu hoặc tận dụng cách mọi người suy nghĩ và đưa ra quyết
marketingresearch
content-strategy
coreyhaines31
Khi người dùng muốn lập kế hoạch chiến lược nội dung, quyết định nội dung cần tạo, hoặc xác định chủ đề cần đề cập. Cũng sử dụng khi người dùng đề cập đến "chiến lược nội dung," "tôi nên viết về điều gì," "ý tưởng nội dung," "chiến lược blog," "cụm chủ đề," "lập kế hoạch nội dung," "lịch biên tập," "tiếp thị nội dung," "lộ trình nội dung," "tôi nên tạo nội dung gì," "chủ đề blog," "trụ cột nội dung," hoặc "tôi không biết viết gì." Sử dụng điều này bất cứ khi nào ai đó cần trợ giúp quyết định nội dung cần
marketingresearchcreative
ai-seo
coreyhaines31
Khi người dùng muốn tối ưu hóa nội dung cho công cụ tìm kiếm AI, được các LLM trích dẫn, hoặc xuất hiện trong các câu trả lời do AI tạo ra. Cũng sử dụng khi người dùng đề cập đến 'AI SEO,' 'AEO,' 'GEO,' 'LLMO,' 'tối ưu hóa công cụ trả lời,' 'tối ưu hóa công cụ tạo sinh,' 'tối ưu hóa LLM,' 'AI Overviews,' 'tối ưu hóa cho ChatGPT,' 'tối ưu hóa cho Perplexity,' 'trích dẫn AI,' 'khả năng hiển thị AI,' 'tìm kiếm không nhấp chuột,' 'làm thế nào để tôi xuất hiện trong câu trả lời AI,' 'đề cập LLM
marketingresearch
programmatic-seo
coreyhaines31
Khi người dùng muốn tạo các trang SEO-driven trên quy mô lớn bằng cách sử dụng mẫu và dữ liệu. Cũng sử dụng khi người dùng đề cập đến "programmatic SEO," "trang mẫu," "trang trên quy mô lớn," "trang thư mục," "trang địa điểm," "trang [từ khóa] + [thành phố]," "trang so sánh," "trang tích hợp," "xây dựng nhiều trang cho SEO," "pSEO," "tạo 100 trang," "trang dựa trên dữ liệu," hoặc "trang đích dùng mẫu." Sử dụng điều này bất cứ khi nào ai đó muốn tạo nhiều trang tương tự nhắm đến các từ khóa hoặc địa điểm khác nhau. Đối với...
marketingdata-analysisweb-scraping
marketing-ideas
coreyhaines31
Khi người dùng cần ý tưởng tiếp thị, cảm hứng hoặc chiến lược cho sản phẩm SaaS hoặc phần mềm của họ. Cũng sử dụng khi người dùng yêu cầu 'ý tưởng tiếp thị,' 'ý tưởng tăng trưởng,' 'cách tiếp thị,' 'chiến lược tiếp thị,' 'chiến thuật tiếp thị,' 'cách quảng bá,' 'ý tưởng để phát triển,' 'tôi còn có thể thử gì nữa,' 'tôi không biết cách tiếp thị cái này,' 'động não về tiếp thị,' hoặc 'tôi nên làm tiếp thị gì.' Sử dụng điều này như một điểm khởi đầu bất cứ khi nào ai đó bế tắc hoặc đang tìm kiếm cảm hứng về
marketing
copy-editing
coreyhaines31
Khi người dùng muốn chỉnh sửa, xem xét hoặc cải thiện nội dung tiếp thị hiện có, hoặc làm mới nội dung đã lỗi thời. Cũng sử dụng khi người dùng đề cập đến 'chỉnh sửa nội dung này,' 'xem xét nội dung của tôi,' 'phản hồi về nội dung,' 'đọc soát,' 'trau chuốt nội dung này,' 'làm cho nội dung này tốt hơn,' 'quét nội dung,' 'thu gọn nội dung này,' 'nội dung này đọc khó hiểu,' 'làm sạch văn bản này,' 'quá dài dòng,' 'làm sắc nét thông điệp,' 'làm mới nội dung này,' 'cập nhật trang này,' 'nội dung này đã lỗ
documentcommunicationmarketing