Communitygithub.com

email-marketing-skills/saka-cursor

Mesurez les résultats des campagnes e-mail et concevez des tests utiles avec des cohortes explicites, des dénominateurs, des limites d'attribution, des contraintes de taille d'échantillon et des règles de décision.

Qu'est-ce que saka-cursor ?

Cette compétence vous aide à analyser rigoureusement les campagnes e-mail, à concevoir des tests A/B, à évaluer des groupes de retenue et à répondre à des questions de ROI. Elle vous guide pour définir des cohortes claires, des dénominateurs appropriés, des limites d'attribution et des règles de décision avant de tirer des conclusions. La compétence s'applique à tous les outils d'agent IA (Claude Code, Cursor, Codex) et met l'accent sur la distinction entre conversions attribuées et incrémentales, ainsi que sur l'importance des groupes de retenue pour estimer l'effet réel. Le processus inclut la réconciliation des données, le choix d'une méthode d'apprentissage adaptée à l'audience et la livraison itérative de rapports basés sur des preuves, en évitant les promesses de performance universelles.

Compatible avec~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/email-marketing-skills/saka-cursor/tree/HEAD/skills/email-experiments

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Mesurez le résultat client

Lisez l'objectif de la campagne, les règles d'inscription, la fenêtre d'observation et les résultats agrégés. Ne conservez pas les identifiants des destinataires dans les rapports validés. Si des données manquent, produisez un modèle à remplir et demandez les comptes ; ne substituez pas de repères inventés.

Réconciliez les données

Définissez les contacts uniques inscrits et éligibles, les envois tentés, les envois acceptés, les contacts délivrés, les rebonds, les réclamations, les désabonnements, les activations, les réponses qualifiées et les conversions payantes pertinentes. Ne mélangez pas les comptes de messages avec les comptes de contacts. Expliquez les exclusions et la déduplication. Manquant n'est pas zéro. Dénominateur zéro signifie indisponible, pas 0%.

Une campagne d'inscription peut utiliser les utilisateurs éligibles activés divisés par les utilisateurs inscrits éligibles dans une fenêtre définie. Une campagne sortante peut utiliser les réponses positives qualifiées uniques divisées par les contacts délivrés uniques. Définissez qualifié avant de lire les résultats. Rapportez les comptes à côté des pourcentages. Les ouvertures sont au plus diagnostiques ; elles ne sont pas une preuve fiable d'attention humaine.

Choisissez la méthode d'apprentissage

Pour les petits publics, utilisez les thèmes de réponse et les frictions observées du produit. Pour un test contrôlé, spécifiez l'hypothèse, l'unité de randomisation, l'éligibilité, un seul changement, la métrique principale, la preuve de base, l'effet minimum significatif, la méthode de taille d'échantillon, la fenêtre d'observation et la règle d'arrêt avant le lancement. Si les hypothèses ou la taille de l'échantillon sont insuffisantes, qualifiez le test d'exploratoire. N'inférez pas de significativité à partir de deux pourcentages.

Distinguez les conversions attribuées des conversions incrémentales. Un groupe de retenue peut aider à estimer la hausse lorsque l'affectation, l'échantillon et les fuites sont gérés ; les changements avant/après seuls ne peuvent pas isoler l'effet de l'e-mail. Lisez l'analyse travaillée.

Livrez et itérez

Enregistrez marketing/review.md : qualité des données, faits, incertitude, retour des lecteurs, une prochaine expérience et une règle de décision. S'il existe un échec de livraison ou de suppression, enquêtez avant d'augmenter le volume. Préparez les modifications localement ; n'activez pas de campagne et ne contactez pas les destinataires sans autorisation de portée existante.

Rapportez ce que les preuves soutiennent et ce qu'elles ne peuvent pas établir. Évitez les promesses de performance universelles, les « vainqueurs » statistiquement non étayés et les affirmations de revenus qui ignorent les remboursements, l'attribution ou les coûts.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Skills associés