Nakama Creative Lab

A/B Testing Analysis

Bukan kalkulator pemenang — ini alat untuk menegakkan disiplin tes. Kamu cuma bisa bilang sebuah variabel itu penyebab kalau ia satu-satunya yang berbeda antara A dan B. Tool ini memaksa kamu deklarasikan apa yang dikontrol vs diuji, dan jujur soal kekuatan buktinya.

1Pilih metrik hasil

Yang diukur (akibat). Pilih minimal 1.

2Deklarasikan variabel

Yang dites (sebab). Tandai tiap faktor Sama (dikontrol) atau Beda (diuji).

✓ 1 variabel Beda — tes bersih.

3Input konten tiap sisi

Isi metrik per konten. Tambah baris sesuai jumlah konten — makin banyak, makin kuat sinyalnya.

Sisi A (3 konten)

#ViewsLikesSharesSavesReach (ops)
1
2
3

Sisi B (3 konten)

#ViewsLikesSharesSavesReach (ops)
1
2
3

Tes bersih: hanya Format yang berbeda. Kalau ada selisih performa, bisa diatribusikan ke variabel ini.

Dikontrol (sama)

  • Talent: Sama
  • Hook

Diuji (beda)

  • Format: Talking head vs Voiceover

Hasil per metrik

Confidence: SedangA: 3 · B: 3 konten
MetrikA (mean)B (mean)SelisihPemenang
Views8.00014.00075%Sisi B
Likes41071775%Sisi B
Shares316299%Sisi B
Saves52112116%Sisi B

Sisi B unggul konsisten

Sisi B menang di views, likes, shares, saves (selisih sampai 116%). Karena tes ini bersih — hanya Format yang berbeda (Voiceover vs Talking head) — ada indikasi bahwa Format = Voiceover mendorong performa lebih baik.

Catatan kekuatan bukti: Indikasinya ada, tapi belum solid. Tambah konten per sisi untuk memperkuat sebelum dijadikan standar.

Saran: Pertahankan Format = Voiceover dan replikasi di konten berikutnya. Lalu tes variabel lain — jangan berhenti di satu temuan.

Ini pembacaan terstruktur, bukan uji signifikansi statistik formal (p-value). Threshold magnitude (10% / 30%) adalah rule-of-thumb. Untuk konten organik, "jumlah percobaan" kabur sehingga significance test klasik kurang pas — fokusnya di disiplin desain tes, bukan angka statistik.

Unduh hasil

Simpan input & hasil di atas untuk diolah lagi — pilih formatnya.