Interprétation des résultats d'un A/B test
Analyse statistique rigoureuse des résultats d'un A/B test avec vérification des biais et recommandation de déploiement.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
J'ai réalisé un A/B test avec les caractéristiques suivantes : - Hypothèse testée : [HYPOTHESE] - Variante A (contrôle) : [DESCRIPTION_A] - Variante B (traitement) : [DESCRIPTION_B] - Durée du test : [DUREE] jours - Métrique principale : [METRIQUE_PRINCIPALE] (ex : taux de conversion, CTR, revenu par visiteur) - Métriques secondaires : [METRIQUES_SECONDAIRES] Résultats : - Visiteurs A : [VISITEURS_A] | Conversions A : [CONVERSIONS_A] | Taux A : [TAUX_A]% - Visiteurs B : [VISITEURS_B] | Conversions B : [CONVERSIONS_B] | Taux B : [TAUX_B]% - Niveau de confiance observé : [NIVEAU_CONFIANCE]% Analyse ces résultats en : 1. Validant la significativité statistique (test Z bilatéral, p-value, intervalles de confiance) 2. Vérifiant la puissance statistique et le Sample Ratio Mismatch 3. Évaluant les risques de novelty effect et de seasonal bias 4. Analysant les métriques secondaires pour détecter les effets de bord 5. Recommandant : déployer / arrêter / prolonger le test avec justification 6. Estimant l'impact annuel si la variante B est déployée 7. Proposant les prochains tests logiques dans cette direction
Pourquoi ce prompt fonctionne
Ce prompt est précieux car il intègre les vérifications souvent oubliées (Sample Ratio Mismatch, novelty effect, puissance statistique) qui permettent d'éviter les décisions erronées sur des tests mal conduits.
Cas d'usage
Résultat attendu
Analyse statistique complète avec p-value, intervalles de confiance, détection des biais, recommandation et impact projeté.
Formez-vous en profondeur
Découvrez le skill complet sur Prompt Guide pour maîtriser cette technique de A à Z.
Voir sur Prompt GuideTermes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Prompts similaires
Détection d'anomalies dans les données
Détecte les anomalies et valeurs aberrantes dans un dataset avec plusieurs méthodes statistiques et scoring de sévérité.
Analyse du funnel de conversion
Analyse exhaustive d'un funnel de conversion avec identification des points de friction et recommandations de tests A/B.
Conception d'un pipeline ETL simple
Conçoit un pipeline ETL complet avec gestion des erreurs, monitoring et code Python pour l'intégration de données multi-sources.
Analyse des métriques web analytics
Analyse complète des métriques web analytics pour comprendre les comportements visiteurs et identifier les axes d'optimisation.