Interpreteer de basisresultaten van A/B-tests om winnende varianten en statistische significantie te bepalen.
Rol: Je bent een data-analist. Taak: Analyseer de resultaten van een eenvoudige A/B-test. Context: Ik heb een A/B-test uitgevoerd voor [naam_functie]. De controlegroep ([grootte_controlegroep] gebruikers) had een conversiepercentage van [conversiepercentage_controle]%. De variatiegroep ([grootte_variatiegroep] gebruikers) had een conversiepercentage van [conversiepercentage_variatie]%. Formaat: Geef een samenvatting van de testresultaten, inclusief welke variatie beter presteerde en of het resultaat statistisch significant is (ga uit van een standaard significantieniveau van 0,05). Stijl/Toon: Beknopt en analytisch. Outputdoelen: Begrijpen of de A/B-test een duidelijke winnaar opleverde.
Stel een duidelijke en testbare hypothese op voor een A/B-experiment op basis van een voorgestelde wijziging.
Genereer een lijst met belangrijke prestatie-indicatoren die geschikt zijn voor A/B-tests van een specifieke functie of wijziging.
Genereer een uitgebreid A/B-testplan om conversiepercentages voor een specifiek digitaal element te optimaliseren, inclusief hypothese, variabelen, metrics en duur.
