ads-test: paid media A/B experiment design - **name_fr:** ads-test : conception d'expériences publicitaires A/B - **tl_en:** Design and read paid-ad A/B tests with hypotheses, sample-size math, guardrails and decision rules - **tl_fr:** Concevoir et lire des tests A/B publicitaires : hypothèses, taille d'échantillon, garde-fous, règles de décision - **creator:** @agricidaniel - **type:** Agent skill - **url:** https://github.com/agricidaniel/claude-ads - **cat:** Marketing - **kws:** ads, ab test, experiment design, hypothesis, sample size, paid media, statistical significance, split test - **license:** MIT **Description EN:** Curated by Skill Harbor — a disciplined framework for designing and reading paid-ad experiments: causal hypothesis, treatment vs control, randomization unit, sample-size and duration assumptions, guardrails, platform experiment-tool constraints, and pre-registered decision rules, ending in a versioned JSON setup or readout with a plain-language decision. Its hard rules are the best part: never peek-and-stop on a favorable result, never call underpowered noise a winner, never generalize beyond the tested population. By @agricidaniel, listed here with credit to its creator. Honest caveats: methodology guidance only — it does not run experiments for you and sample-size math is explicitly approximate; platform-agnostic, no account connection needed. Discovered via skills.sh. Skill Harbor never reviews the code, review it yourself before use. **Description FR:** Sélectionné par Skill Harbor — un cadre rigoureux pour concevoir et lire des expériences publicitaires : hypothèse causale, traitement vs contrôle, unité de randomisation, calculs de taille d'échantillon et de durée, garde-fous, contraintes des outils d'expérimentation des plateformes et règles de décision pré-enregistrées, le tout aboutissant à un setup ou un compte-rendu en JSON versionné avec une décision en langage clair. Ses règles dures sont le meilleur : jamais d'arrêt anticipé sur un résultat favorable, jamais déclarer vainqueur un bruit sous-dimensionné, jamais généraliser au-delà de la population testée. Crédit : @agricidaniel. Bémols honnêtes : méthodologie seulement — il n'exécute pas les expériences à votre place et les calculs de taille d'échantillon sont explicitement approximatifs ; agnostique aux plateformes, aucune connexion de compte requise. Découvert via skills.sh. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. **Install prompt EN:** ``` Prerequisites: none — works with your agent alone; basic familiarity with paid-ad platforms (Meta, Google) helps Install "ads-test: paid media A/B experiment design" for me. Give my agent a disciplined framework for designing and reading paid-ad A/B experiments — hypotheses, randomization units, sample-size and duration assumptions, guardrails, platform constraints, analysis, and decision rules Repository: https://github.com/agricidaniel/claude-ads/blob/main/skills/ads-test/SKILL.md 1. Fetch the SKILL.md file for the agricidaniel-claude-ads-ads-test skill from the repository into a temporary folder and summarize what it does in one or two sentences. 2. Safety check: review the SKILL.md for anything suspicious (unexpected network calls, shell commands, credential harvesting). This repo should contain zero secrets in code, credentials only via the secure vault, allowed hosts declared in the SKILL.md. Verify that holds here; STOP on any red flag and tell me. 3. Install it as a skill: copy SKILL.md into the agent's skills directory, in a folder named "agricidaniel-claude-ads-ads-test". 4. Verify with no network calls: frontmatter valid, files in place. 5. Report what was installed, where, and what I still need to do myself (e.g. connect my ad platform accounts when I want to run a real experiment). GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Never require it unless it's in the prerequisites above. Rules: don't touch anything outside the temp folder and the install target. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : aucun — fonctionne avec votre agent seul ; une connaissance de base des plateformes publicitaires (Meta, Google) aide Installe-moi « ads-test : conception d'expériences publicitaires A/B ». Donne à mon agent un cadre rigoureux pour concevoir et lire des expériences A/B publicitaires — hypothèses, unités de randomisation, hypothèses de taille d'échantillon et de durée, garde-fous, contraintes des plateformes, analyse et règles de décision Dépôt : https://github.com/agricidaniel/claude-ads/blob/main/skills/ads-test/SKILL.md 1. Récupère le fichier SKILL.md du skill agricidaniel-claude-ads-ads-test depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md dans le répertoire des skills de l'agent, dans un dossier nommé « agricidaniel-claude-ads-ads-test ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. connecter mes comptes publicitaires quand je veux lancer une vraie expérience). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` ---

Design and read paid-ad A/B tests with hypotheses, sample-size math, guardrails and decision rules - **tl_fr:** Concevoir et lire des tests A/B publicitaires : hypothèses, taille d'échantillon, garde-fous, règles de décision - **creator:** @agricidaniel - **type:** Agent skill - **url:** https://github.com/agricidaniel/claude-ads - **cat:** Marketing - **kws:** ads, ab test, experiment design, hypothesis, sample size, paid media, statistical significance, split test - **license:** MIT **Description EN:** Curated by Skill Harbor — a disciplined framework for designing and reading paid-ad experiments: causal hypothesis, treatment vs control, randomization unit, sample-size and duration assumptions, guardrails, platform experiment-tool constraints, and pre-registered decision rules, ending in a versioned JSON setup or readout with a plain-language decision. Its hard rules are the best part: never peek-and-stop on a favorable result, never call underpowered noise a winner, never generalize beyond the tested population. By @agricidaniel, listed here with credit to its creator. Honest caveats: methodology guidance only — it does not run experiments for you and sample-size math is explicitly approximate; platform-agnostic, no account connection needed. Discovered via skills.sh. Skill Harbor never reviews the code, review it yourself before use. **Description FR:** Sélectionné par Skill Harbor — un cadre rigoureux pour concevoir et lire des expériences publicitaires : hypothèse causale, traitement vs contrôle, unité de randomisation, calculs de taille d'échantillon et de durée, garde-fous, contraintes des outils d'expérimentation des plateformes et règles de décision pré-enregistrées, le tout aboutissant à un setup ou un compte-rendu en JSON versionné avec une décision en langage clair. Ses règles dures sont le meilleur : jamais d'arrêt anticipé sur un résultat favorable, jamais déclarer vainqueur un bruit sous-dimensionné, jamais généraliser au-delà de la population testée. Crédit : @agricidaniel. Bémols honnêtes : méthodologie seulement — il n'exécute pas les expériences à votre place et les calculs de taille d'échantillon sont explicitement approximatifs ; agnostique aux plateformes, aucune connexion de compte requise. Découvert via skills.sh. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. **Install prompt EN:** ``` Prerequisites: none — works with your agent alone; basic familiarity with paid-ad platforms (Meta, Google) helps Install "ads-test: paid media A/B experiment design" for me. Give my agent a disciplined framework for designing and reading paid-ad A/B experiments — hypotheses, randomization units, sample-size and duration assumptions, guardrails, platform constraints, analysis, and decision rules Repository: https://github.com/agricidaniel/claude-ads/blob/main/skills/ads-test/SKILL.md 1. Fetch the SKILL.md file for the agricidaniel-claude-ads-ads-test skill from the repository into a temporary folder and summarize what it does in one or two sentences. 2. Safety check: review the SKILL.md for anything suspicious (unexpected network calls, shell commands, credential harvesting). This repo should contain zero secrets in code, credentials only via the secure vault, allowed hosts declared in the SKILL.md. Verify that holds here; STOP on any red flag and tell me. 3. Install it as a skill: copy SKILL.md into the agent's skills directory, in a folder named "agricidaniel-claude-ads-ads-test". 4. Verify with no network calls: frontmatter valid, files in place. 5. Report what was installed, where, and what I still need to do myself (e.g. connect my ad platform accounts when I want to run a real experiment). GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Never require it unless it's in the prerequisites above. Rules: don't touch anything outside the temp folder and the install target. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : aucun — fonctionne avec votre agent seul ; une connaissance de base des plateformes publicitaires (Meta, Google) aide Installe-moi « ads-test : conception d'expériences publicitaires A/B ». Donne à mon agent un cadre rigoureux pour concevoir et lire des expériences A/B publicitaires — hypothèses, unités de randomisation, hypothèses de taille d'échantillon et de durée, garde-fous, contraintes des plateformes, analyse et règles de décision Dépôt : https://github.com/agricidaniel/claude-ads/blob/main/skills/ads-test/SKILL.md 1. Récupère le fichier SKILL.md du skill agricidaniel-claude-ads-ads-test depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md dans le répertoire des skills de l'agent, dans un dossier nommé « agricidaniel-claude-ads-ads-test ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. connecter mes comptes publicitaires quand je veux lancer une vraie expérience). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` ---

Version: