تصميم تجربة نمو قابلة للقياس: فرضية، مقياس، قرار

الإجابة المختصرة

لمن تصلح

ما تحتاجه قبل البدء

• عنق الزجاجة الحالي (Bottleneck) مع دليل من الأرقام: أين يتسرب أكبر عدد من العملاء في الفانل؟
• حجم الزيارات أو المستخدمين الشهري على الصفحة أو الخطوة التي ستختبرها، ونسبة التحويل الحالية فيها.
• طريقة لتقسيم الزوار عشوائيًا بين نسختين (أداة اختبار A/B أو ميزة تقسيم في منصتك). إن لم توجد، الخطوة 5 تشرح البدائل وحدودها.
• قائمة بالتجارب التي أُجريت سابقًا ونتائجها، حتى لا تعيد ما جُرّب.
• من سينفذ التجربة ومن سيقرأ النتيجة، والميزانية المتاحة.

خطوات التطبيق

1. ابدأ من عنق الزجاجة، لا من الفكرة

   اختر مرحلة واحدة من الفانل تحد النمو الآن: جذب الزوار (Acquisition)، أو تفعيلهم (Activation)، أو الاحتفاظ بهم (Retention)، أو تحقيق الإيراد منهم (Monetization). ثم عرّف مقياسها بالبسط والمقام. مثلًا: نسبة الطلب = عدد الطلبات ÷ عدد زوار صفحة المنتج.

   كل فكرة لا تمس هذه المرحلة تذهب إلى قائمة انتظار، مهما كانت مثيرة. فكرة «نفتح قناة تيك توك» لا تحل مشكلة أن الزوار الحاليين لا يطلبون.

2. اكتب الفرضية بصيغة يمكن أن تسقط

   الصيغة: «نعتقد أن [تغيير محدد] سيرفع [المقياس] من [القيمة الحالية] إلى [القيمة المتوقعة] على الأقل، لأن [دليل]».

   الجزء الأهم هو «لأن». الدليل قد يكون أسئلة العملاء على واتساب، أو تعليقات التقييمات، أو تسجيلات الجلسات، أو تجربة سابقة. إن لم يوجد «لأن» صادق، فالفكرة ليست تجربة بعد: ضعها في قائمة «تحتاج بحثًا أولًا».

   الفرضية الجيدة تحدد أيضًا أصغر أثر يستحق (Minimum detectable effect)، أي أصغر تحسن يغيّر قرارك لو تحقق. هذا الرقم سيحدد حجم العينة في الخطوة 5.

3. مقياس أساسي واحد، ومقاييس حامية

   • المقياس الأساسي (Primary metric): واحد فقط، وهو الذي تحكم به. تحدده قبل البدء حتى لا «تتسوق» بعد النتائج بين المقاييس بحثًا عما يؤكد رأيك. توثيق GrowthBook ينصح بذلك صراحةً.
   • المقاييس الحامية (Guardrail metrics): مقاييس لا تحاول تحسينها، لكن لا يجوز أن تسوء. في متجر الدفع عند الاستلام، نسبة التسليم مقياس حامٍ طبيعي: تغيير يرفع الطلبات ويرفع الرفض عند الباب قد يخفض الربح. اكتب لكل مقياس حامٍ الحد الذي يوقف القرار.
   • مقاييس ثانوية (Secondary metrics): للتعلم فقط، ولا تقرر بها.

   اختر مقياسًا قريبًا من التغيير نفسه. لو غيّرت سطرًا تحت زر الطلب، فنسبة الطلب أقرب من «الإيراد الشهري».

4. رتّب الأفكار، واعرف أن الترتيب رأي منظم

   أشهر طريقتين للترتيب:

   • ICE: الأثر (Impact)، والثقة (Confidence)، والسهولة (Ease). ارتبطت باسم شون إليس، وتُعطى كل فكرة درجة من 1 إلى 10 في كل معيار.
   • PIE: الإمكانية (Potential: كم يمكن أن تتحسن الصفحة؟)، والأهمية (Importance: كم قيمة الزيارات عليها؟)، والسهولة (Ease). وضعها كريس جوارد لترتيب صفحات الاختبار.

   الفرق يجمعون الدرجات بطرق مختلفة (متوسط أو ضرب)، وهذا لا يهم كثيرًا. المهم أن تعرف أن الدرجات تقدير شخصي وليست قياسًا. ثلاث قواعد تجعلها أصدق:

   1. الأثر يُقاس على عنق الزجاجة وحده، لا على أي مقياس.
   2. الثقة تعني «كم دليلًا عندنا؟» لا «كم نحب الفكرة؟». بيانات عملائك أقوى من تجربة منافس، وهذه أقوى من رأي.
   3. اكتب سببًا بجانب كل درجة. الدرجة بلا سبب رأي في جدول.

5. احسب حجم العينة قبل أن تبدأ

   حجم العينة يعتمد على ثلاثة أشياء: نسبتك الحالية، وأصغر أثر يستحق، ومستوى الخطأ الذي تقبله. قاعدة تقريبية ذكرها إيفان ميلر لمقياس نسبة (نعم/لا):

   عدد الزوار لكل نسخة ≈ 16 × p × (1 − p) ÷ δ²

   حيث p النسبة الحالية، وδ الفرق المطلق الذي تريد رؤيته. افتراضاتها: مستوى دلالة 5% (احتمال إعلان فرق غير موجود)، وقوة 80% (احتمال رؤية الأثر لو كان موجودًا فعلًا)، ونسختان، وعينة محددة مسبقًا لا تتغير. مثال: p = 2.5% وتريد رؤية 3.0% (δ = 0.5 نقطة): 16 × 0.025 × 0.975 ÷ 0.000025 = 15,600 زائر لكل نسخة. المعادلة القياسية الكاملة لمقارنة نسبتين تعطي رقمًا أعلى قليلًا (قرابة 16,800).

   النسبة الحالية	أصغر أثر يستحق (نسبي)	زوار لكل نسخة (تقريبًا)
   2.5%	+10% (إلى 2.75%)	64,000
   2.5%	+20% (إلى 3.0%)	16,800
   2.5%	+30% (إلى 3.25%)	7,800
   2.5%	+50% (إلى 3.75%)	3,000
   60%	+10% (إلى 66%)	1,000

   الأرقام محسوبة بالمعادلة القياسية لمقارنة نسبتين بالافتراضات السابقة. استخدمها لتعرف المقاس، لا كرقم دقيق. ثم: المدة = إجمالي العينة ÷ الزوار اليوميين، مقربة لأسابيع كاملة. GrowthBook يوصي بأسبوع إلى أسبوعين على الأقل لالتقاط اختلاف أيام الأسبوع.

   إن احتاجت التجربة أكثر من 4 أسابيع: اختبر تغييرًا أكبر يستحق أثرًا أكبر، أو اختبر مقياسًا بنسبة أعلى (مثل تأكيد الطلبات بدل الشراء)، أو أجّل التجربة. مقارنة «قبل وبعد» بلا تقسيم عشوائي ممكنة، لكنها دليل أضعف: الموسم وتغيير الإعلانات يختلطان بأثر التغيير، فراقب المقاييس الحامية واعتبر النتيجة إشارة لا حكمًا.

6. اكتب قاعدة القرار، ولا تتلصص على النتيجة

   قبل الإطلاق، اكتب ماذا ستفعل في كل حالة:

   • فوز: المقياس الأساسي أعلى بفرق ذي دلالة إحصائية، والمقاييس الحامية داخل حدودها ← اعتمد.
   • خسارة: أقل بفرق ذي دلالة، أو مقياس حامٍ تجاوز حده ← أوقف وارجع للأصل.
   • غير حاسمة: لا هذا ولا ذاك ← ارجع للأصل، إلا إذا كتبت قبل البدء سببًا آخر.
   • موعد القراءة: تاريخ محدد بعد اكتمال العينة، لا قبله.

   لماذا لا تنظر وتوقف مبكرًا؟ حسابات الدلالة الكلاسيكية تفترض أن حجم العينة حُدد مسبقًا. في أحد أمثلة إيفان ميلر، إيقاف الاختبار عند أول نتيجة «ذات دلالة» رفع احتمال الفوز الكاذب إلى 26.1% بدل 5%. التمديد لأن النتيجة «قريبة» يكسر الافتراض نفسه. إن كنت تحتاج أن تنظر أثناء الاختبار، استخدم أداة تدعم الاختبار المتتابع (Sequential testing)، وهي طريقة إحصائية مصممة للنظر المتكرر دون رفع نسبة الأخطاء.

7. اقرأ النتيجة، واكتبها في السجل مهما كانت

   عند موعد القراءة، اكتب ثلاثة أرقام: الفرق في المقياس الأساسي، ومدى الثقة (Confidence interval) حوله، وحالة المقاييس الحامية. ثم نفّذ القاعدة المكتوبة كما هي.

   النتيجة غير الحاسمة ليست «فشلًا» ولا «الفكرة لا تعمل». معناها: لم نرَ أثرًا بالحجم الذي صممنا التجربة لرؤيته. اكتبها هكذا في السجل. توثيق GrowthBook يقترح سياسة مكتوبة لهذه الحالة: العودة للنسخة الأصلية، إلا إذا كانت النسخة الجديدة تفتح شيئًا آخر تحتاجه.

   كل تجربة، فائزة أو خاسرة أو غير حاسمة، تأخذ سطرًا في السجل بالصيغة نفسها المستخدمة في مراجعة الحملات. هذا السجل هو ما تعطيه لجلسة الترتيب القادمة تحت بند «ما جُرّب سابقًا».

مثال

القالب والأداة

أنت قائد تجارب نمو. حوّل قائمة أفكاري إلى قائمة تجارب مرتبة. الفكرة التي لا يمكن أن تنتهي بقرار ليست تجربة.

قواعد العمل:
- لا تخترع أرقامًا أو أدلة. إن نقصتك بيانات (حجم الزيارات، النسبة الحالية، الدليل)، اذكرها واطلبها قبل الترتيب.
- افصل بين الدليل الموجود فعلًا (من بياناتي أو عملائي) والافتراض أو الرأي.
- حسابات حجم العينة تقريبية؛ اذكر افتراضاتها.

السياق:
- المنتج ونموذج النمو في فقرة: [ ]
- عنق الزجاجة الآن (جذب / تفعيل / احتفاظ / إيراد) والدليل: [ ]
- المقياس الذي يعبّر عنه بالبسط والمقام، وقيمته الحالية: [ ]
- الزيارات أو المستخدمون شهريًا على الخطوة التي سنختبرها: [ ]
- القدرة على التقسيم العشوائي (أداة A/B أو لا): [ ]
- الموارد (من ينفذ، الميزانية): [ ]
- تجارب سابقة ونتائجها: [ألصق أسطر السجل، أو «لا يوجد سجل»]

قائمة الأفكار:
[ألصقها بأي شكل]

لكل فكرة:
1. الفرضية: «نعتقد أن [تغيير محدد] سيرفع [المقياس] من [الحالي] إلى [المتوقع] على الأقل، لأن [دليل]». إن لم يوجد «لأن» صادق، ضعها في قائمة «تحتاج بحثًا أولًا» ولا ترتبها.
2. أصغر اختبار يعطي جوابًا: أصغر نسخة وأرخصها (زر وهمي لقياس الاهتمام، تنفيذ يدوي لعدد قليل من العملاء، تقسيم بالمدن، إطلاق على جزء من الزوار). صغّر النطاق، لا الدقة.
3. المقياس الأساسي الواحد، والمقاييس الحامية مع حد كل منها.
4. العينة والمدة: بافتراض دلالة 5% وقوة 80%، هل تصل إلى نتيجة مقروءة خلال 4 أسابيع بحجم زياراتي؟ إن لا: اقترح تغييرًا أكبر، أو مقياسًا بنسبة أعلى، أو أجّلها.
5. قاعدة القرار مكتوبة الآن: متى نعتمد، ومتى نوقف، وماذا نفعل لو كانت غير حاسمة، وموعد القراءة.
6. درجات ICE (الأثر على عنق الزجاجة وحده، الثقة حسب قوة الدليل: بيانات العملاء أقوى من تجربة منافس، وهذه أقوى من رأي، السهولة) مع سبب مكتوب لكل درجة.

ثم أخرج:
- جدول التجارب مرتبًا، وأول 3 تجارب مقترحة لهذه الدورة.
- التعارضات: أي تجارب تمس الصفحة نفسها أو المقياس نفسه ولا يصح تشغيلها معًا.
- التجربة الغائبة: أعلى تجربة أثرًا على عنق الزجاجة ليست في قائمتي، ولماذا قد أكون أتجنبها.
- قائمة البيانات الناقصة التي ستجعل الترتيب أدق.

اسم التجربة: [ ]
المسؤول: [ ]   تاريخ الإطلاق: [ ]   تاريخ القراءة: [ ]

عنق الزجاجة والدليل: [ ]

الفرضية:
نعتقد أن [تغيير محدد] سيرفع [المقياس] من [الحالي] إلى [المتوقع] على الأقل، لأن [دليل].

المقياس الأساسي (البسط ÷ المقام): [ ]
القيمة الحالية: [ ]
أصغر أثر يستحق: [نسبي ومطلق]

المقاييس الحامية وحد كل منها:
- [المقياس]: لا ينخفض أكثر من [ ]
- [المقياس]: لا ينخفض أكثر من [ ]

المقاييس الثانوية (للتعلم فقط): [ ]

التصميم:
- النسخ: الأصلية مقابل [ ]
- وحدة التقسيم (زائر، مستخدم، مدينة): [ ]
- نسبة التقسيم: [50/50]
- حجم العينة لكل نسخة: [ ]   (دلالة 5%، قوة 80%)
- المدة: [ ] أسابيع كاملة
- تجارب أخرى تعمل على الصفحة نفسها أو المقياس نفسه: [لا يوجد / اذكرها]

قاعدة القرار (تُكتب قبل الإطلاق ولا تُعدّل):
- فوز: [ ] ← [ ]
- خسارة أو تجاوز حد حامٍ: [ ] ← [ ]
- غير حاسمة: [ ] ← [ ]

النتيجة (تُملأ يوم القراءة فقط):
الفرق: [ ]   مدى الثقة: [ ]   المقاييس الحامية: [ ]
القرار المنفذ: [ ]

التاريخ | الاسم | الفرضية | التصميم | النتيجة | القرار | القاعدة ونطاقها
2026-09-20 | سطر المعاينة قبل الدفع | السطر يرفع نسبة الطلب من 2.5% إلى 3.0%+ لأن ثلث أسئلة واتساب عن المعاينة | A/B على صفحات المنتج، 16,800 زائر لكل نسخة، 21 يومًا، حامٍ: نسبة التسليم -3 نقاط | 2.50% مقابل 2.80%، مدى الثقة من -2% إلى +26% نسبيًا، التسليم -1 نقطة: غير حاسمة | عودة للأصل، وإعادة الاختبار بفيديو يشرح المعاينة | لا قاعدة

كيف تعرف أنها نجحت

أخطاء شائعة وحدود الاستنتاج

• النظر إلى النتيجة يوميًا وإيقاف الاختبار عند أول فرق «مهم». هذا يرفع احتمال الفوز الكاذب كثيرًا، وكذلك التمديد لأن النتيجة «قريبة».
• تغيير المقياس الأساسي بعد رؤية النتائج. لو تابعت عشرة مقاييس، ستجد مقياسًا تحرك بالصدفة.
• معاملة درجات ICE أو PIE كأنها قياس. هي تقدير شخصي منظم؛ الدليل المكتوب بجانبها أهم من الرقم.
• اختبار تغييرات صغيرة على زيارات قليلة. متجر بـ 1,600 زائر يوميًا لا يستطيع أن يرى أثر +10% على نسبة 2.5% في أقل من 80 يومًا تقريبًا (64,000 زائر لكل نسخة).
• اعتبار «غير حاسمة» دليلًا على أن الفكرة لا تعمل. معناها أن الأثر، إن وُجد، أصغر مما صممت التجربة لرؤيته.
• تشغيل تجربتين تغيّران الصفحة نفسها أو تقيسان المقياس نفسه في الوقت نفسه دون فصلهما.
• حسابات العينة هنا تقريبية لمقياس نسبة (نعم/لا) بنسختين. مقاييس مثل الإيراد لكل زائر لها تباين مختلف وتحتاج حاسبة أو أداة مناسبة.

المصادر

1. Growth Experiment Designer Prompt — محمود عمر، Growth Marketing OS — الأمر الأصلي بالإنجليزية. النسخة العربية أضافت المقاييس الحامية، وشرح حجم العينة بافتراضاته مع جدول محسوب، والتحذير من النظر المبكر، وما يُفعل بالنتيجة غير الحاسمة، وبطاقة تصميم وصيغة سجل، ومثالًا افتراضيًا لمتجر مصري.
2. Evan Miller — How Not To Run an A/B Test — حسابات الدلالة تفترض حجم عينة محددًا مسبقًا. في أحد أمثلته (نسبة أساس 50%) إيقاف الاختبار عند أول نتيجة ذات دلالة أعطى 26.1% نتائج إيجابية كاذبة. القاعدة التقريبية n = 16σ²/δ² تفترض دلالة 5% وقوة 80%، وσ² = p(1−p) للنسب.
3. Evan Miller — Sample Size Calculator — حاسبة حجم العينة لكل نسخة من نسبة الأساس وأصغر أثر (مطلق أو نسبي) والقوة ومستوى الدلالة. أرقام الجدول في الصفحة محسوبة بالمعادلة القياسية لمقارنة نسبتين وقد تختلف قليلًا عن ناتجها.
4. GrowthBook Docs — Experimenting in GrowthBook — المقياس الأساسي يُختار قبل الاختبار، والمقاييس الحامية هي ما لا تريد أن تضره، والتشغيل أسبوعًا أو أسبوعين على الأقل، وسياسة مقترحة للنتيجة غير الحاسمة: العودة للنسخة الأصلية ما لم تفتح النسخة الجديدة شيئًا آخر.
5. GrowthBook Docs — Sequential Testing — النظر إلى النتائج أثناء الاختبار يرفع نسبة النتائج الإيجابية الكاذبة، والاختبار المتتابع يسمح بالنظر المتكرر مع إبقائها عند المستوى المقصود.
6. Optimizely Support — Use minimum detectable effect when you design an experiment — أصغر أثر يمكن كشفه (MDE) هو أصغر تحسن تريد رؤيته، وكلما صغر احتاج عينة أكبر. يُستخدم دليلًا لا توقعًا دقيقًا، ويُختار حسب الأثر التجاري.
7. Lenny's Podcast — The original growth hacker reveals his secrets (Sean Ellis) — شون إليس يشرح ICE: الأثر والثقة والسهولة، بدرجة من 1 إلى 10 لكل فكرة.
8. Conversion — PIE Prioritization Framework — PIE من وضع كريس جوارد لترتيب صفحات الاختبار: الإمكانية، والأهمية (قيمة الزيارات)، والسهولة.
9. Ward van Gasteren — ICE Framework: How (NOT) to Score/Prioritize Growth Experiments — نقد لذاتية درجات ICE، واقتراح أن تُسأل الثقة بصيغة «كم دليلًا عندنا؟» لا «كم نحن واثقون؟».