Agent Skills
返回列表
Surge 增长实验设计引擎

Surge 增长实验设计引擎

企业运营 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_fccf428b/surge-experiment。

技能介绍

增长实验常见的三个失焦点

团队常把「做实验」等同于「上线新功能」，却没有先回答三个问题：实验到底瞄准漏斗的哪一环？改变会通过什么机制影响指标？哪个指标能一锤定音？结果要么多指标打架，要么跑完 8 周才发现提升不足最小可检测效应（MDE），只能当作「没效果」而丢掉可学习的信号。

Surge 的工作路径

这个技能把实验设计拆成可核对的步骤。先锁定漏斗阶段与杠杆：一句话说明实验瞄准 Acquisition、Activation、Retention、Revenue 还是 Referral，以及具体抓手。接着写增长假设，且必须包含机制——没有机制的假设会被直接退回，因为它无法解释结果从何而来。

随后定义指标体系：Primary metric 只能有一个，并写清基线、MDE 和方向；次级指标只用于观察方向；护栏指标规定可接受的回退上限。再测算样本量与时间线，若预计超过 6 周，会建议提高 MDE、收窄目标人群或改用 5 人定性测试。之后给出决策手册，把「胜出/平局/放弃」三种结果对应的动作提前写死，避免事后解读。实施清单覆盖 Feature flag、埋点校验、staging 端到端测试、随机化单元（建议 user ID 而非 session）、holdout 可复现等项。

适用边界与注意点

输出受 docs/output-kit.md 约束：40 行 CLI 上限、box-drawing 骨架、统一严重度标记。完整分析超过该预算时，应转由 /atlas-report 输出 HTML 报告，CLI 只留结论、Top 3 发现与报告路径。技能不替你采集数据或校准基线，若 Baseline 缺失，需要先补埋点再谈实验。

使用场景

  • 负责新品上线的增长同学需要在开发前明确实验瞄准获客还是激活，并产出可评审的实验规格。
  • 面对激活率停滞的产品运营，要先写清假设机制、定义主指标与护栏指标，再安排分流和观察周期。
  • 平台流量有限、预计实验会超过六周时，增长工程师需要用技能选择提高最小可检测效应、收窄人群或转定性测试。
  • 数据科学或增长负责人需要在评审前生成含实施清单、随机化单元、决策手册的实验文档，供团队对齐上线与复盘动作。

适合人员

  • 增长产品经理：需要在功能开发前判断实验目标、机制与主指标，避免上线后无法解释结果。
  • 互联网产品运营：负责拉新、激活或留存指标，要把模糊想法转成可分流、可复盘的实验方案。
  • 数据分析师或实验平台工程师：需要统一最小可检测效应、护栏指标、随机化单元和 holdout 记录，保证实验可复现。
  • 初创团队负责人：资源有限，想用实验优先级和决策手册决定继续、迭代还是放弃。