成長ループ
成長はループです。推測し、テストし、読み取り、効果のあったものを残す。このスキルはそのループを誠実に保ちます。
ループ
- 前回の監査（
sr-audit）から1つの問いを選ぶ。 - 投稿する前に仮説を書く。 「最初の行に数字を入れると、3秒以上滞在する人が増える。」
- 1つの変数を変更する。 同じプラットフォーム、同じフォーマット、同じトピック構成を可能な限り維持する。その他はすべて変えない。
- バリアントごとに最低4回投稿する。 それ以下ではテストできず、ツールがその旨を伝えます。
- 結果を都度記録する。
- レビューする。 採用するか、テストを続けるか、却下する。
- 学びをプロフィールに保存し、次の計画で活用できるようにする。
実行方法
python scripts/sr.py exp new --hypothesis "最初の行に数字があると3秒間の保持率が向上する" --variable "最初の行" --metric "3秒間保持率" --platform instagram
python scripts/sr.py exp log <実験ID> A 41 --ref "リール 5月12日"
python scripts/sr.py exp log <実験ID> B 58 --ref "リール 5月14日"
python scripts/sr.py exp review <実験ID>
ツールとして：experiment_new、experiment_log、experiment_review。バリアント名はユーザーが付けます（AとB、または「数字あり」「数字なし」など）。
判定の仕組み
レビューは、記録されたすべての投稿を一緒にランク付けし、順位和順列検定を用いて2つのバリアントを比較します。この検定は視聴回数の分布に仮定を置きません。平たく言えば、ラベルをランダムにシャッフルした場合に、観測された差と同じ大きさの差が生じる頻度を問うものです。また、2つのバリアントの中央値の比率も報告されます。
結果は4通りあります：
- 「Xの方が良さそうです... 採用して記録を続けてください。」 p値が0.1未満で、一方のバリアントの中央値がもう一方の少なくとも1.2倍である場合。
- 「投稿数が不足しています。」 いずれかのバリアントが4件未満の場合。
- 「明確な差はありません... もっと長く実行するか、より大きな変更をテストしてください。」 差が小さいか、p値が高い場合。
- 「少なくとも2つのバリアントが必要です。」 記録されたバリアントが1つだけの場合。
各バリアントに4投稿の場合、大きな差しか検出できません。その点は明言しましょう。サンプル数が少ない場合の「明確な差なし」という結果は、「違いがない」という意味ではなく、「判断できない」という意味です。0.1と1.2のしきい値はメンテナーが選択したものであり、標準ではありません。バリアントは名前のアルファベット順で比較されるため、AとBと名付けてください。
最初にテストすべきこと
数値を動かせる可能性が高い順に：フックと最初のフレーム、次にタイトルまたはカバー、次に長さ、次にキャプションの最初の行、次にトピックの角度。投稿時間は最後で、本人のアナリティクスがある場合のみ。YouTubeの場合、Test and Compare でサムネイルを、2025年7月以降はタイトルもテストできます（報告あり、youtube.test_and_compare、すべてのチャンネルで利用可能とは限りません）。
スコアラーの調整
フックテキスト付きの投稿が30件以上になったら、calibrate_run を実行します。フックスコアがこのアカウントの成功と失敗を50%以上の間隔で分離できる場合、write_weights で調整された重みがローカルフォルダに保存されます。そうでない場合は、スコアよりも自分のテストを信頼してください。
学びを保存する
テストが採用されたら、プロフィールの lessons リストに1行追加します（profile_save）。例：「最初の行の数字が5月の3秒間保持率向上に役立った（各n=5）」。見つけたこととサンプルサイズを書いてください。保存時にはリスト全体を送信してください。保存はフィールドをマージし、リストを置き換えるためです。
ゲート
開始時（仮説）と終了時（採用または却下）に approve を実行します。
やってはいけないこと
- 2つのことを同時に変更しない。
- 結果が良さそうだからといってテストを早期に中断しない。
- 数値とサンプルサイズなしに「効果があった」と報告しない。