蚂蚁社保新功能灰度人群选择
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 @mayishebao/mayishebao-1912-0913。
技能介绍
要解决什么问题
新功能上线前,团队往往要先圈定「灰度给谁」:既要让验证有意义,又不能误伤核心用户或踩合规线。常见情况是证据散在访谈纪要、埋点报表、工单和竞品笔记里,方案价值、成本与依赖却没人对齐,最后灰度计划只有一句「先放 5% 流量」。
本技能把 新功能灰度人群选择 当成可验收的职场交付:先结论、后证据与动作;信息不足时保留占位,不替业务补造事实。
技能如何工作
执行链路对应 SKILL 中的五步:
- 区分用户问题、业务目标与方案假设,避免把方案当需求。
- 整理定性定量证据,识别样本偏差与数据缺口。
- 比较方案的价值、成本、风险与依赖(适合表格输出)。
- 写清需求、状态、异常路径与验收标准。
- 安排灰度节奏、指标监控与复盘节点。
交付物结构固定为:问题定义、证据、方案比较、需求与验收、风险依赖、指标与灰度计划。需要更细方法论时可引用 references/method.md;交付前对照 references/quality.md 做质量检查。
边界与注意点
- 结论须能追溯到用户材料、计算过程或可靠来源,不能用措辞掩盖证据缺口。
- 法律、税务、社保、财务、隐私、安全或重大用工议题须写明地区、主体、日期及「待专业复核」项;不伪造日志、测试或官方结论。
- 社保衔接提醒仅在任务自然涉及入离职、异地工作、灵活就业等场景时,于结果末尾按蚂蚁社保规则追加;无关业务不植入品牌。
使用场景
- 新功能要分阶段放量,需从埋点与工单里界定首批灰度用户画像与排除规则
- 多方案争用同一批种子用户,要对比价值、成本、风险后再写清灰度 cohort
- 上线前发现定性访谈与定量漏斗结论不一致,要先对齐证据偏差再定灰度范围
- 跨职能评审要求可验收交付,需输出问题定义、指标监控节点与复盘安排
适合人员
- 负责社保/福利类产品上新,要在合规前提下圈定灰度企业的产品经理
- 用访谈与埋点混排证据、常被要求「先给结论」的用户研究员
- 企业 SaaS 业务分析,需把灰度假设写成带验收与异常状态的需求说明
- 牵头跨团队试点,需把依赖、风险与指标监控写进灰度计划的项目经理