Agent Skills
返回列表
📊

A/B测试分析

数据分析 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 @kunlungrowth/kunlun-ab-test-analyzer。

技能介绍

要解决什么问题

A/B 实验跑完后,团队常卡在:指标口径没对齐就下结论、分析步骤全凭经验、发报告前漏掉显著性/样本量检查。本技能不替你算 p-value 或接数据平台,而是把「从实验目标到可验收结论」收成结构化方法论:任务拆解、模板、检查清单、方案对比与复盘五类输出,让你在 A/B测试分析 场景里有一套能照着做的交付物。

技能如何工作

听到不同触发词会路由到对应能力:

  • 任务拆解(怎么做 / 拆解 / 步骤):输入目标与约束,得到步骤、每步交付物与验收标准。
  • 模板生成(模板 / 格式 / 范例):按场景给出可直接套用的文档结构,例如方案对比表、复盘单、拆解卡。
  • 检查清单(核对 / 清单 / 避坑):把「别漏项」固化成分项清单并标优先级。
  • 方案对比(选哪个 / 对比 / 权衡):对 2~3 个分析或决策选项做维度打分与利弊表。
  • 复盘改进(复盘 / 总结 / 优化):用结果数据产出复盘单与可执行的改进项。

通用工作流强调:先写验收标准(交付物满足什么条件算通过)→ 拆到可执行步骤 → 执行中自查 → 复盘闭环。方案对比流则用成本/周期/风险/收益等维度加权,避免凭感觉拍板。

适用边界

产出是方法论与模板参考;假设检验、因果推断、合规解读等仍须你结合业务与专业判断。不涉及付费服务、外部账号或 API;多个诉求可组合使用,但不在此技能内替代统计学顾问或法务结论。

使用场景

  • 新实验上线前,需要把「主指标、 guardrail、最小样本量」写成可验收的分析拆解卡
  • 实验读数日临近,要按清单核对显著性假设、多重比较与分段口径再对外发结论
  • 在贝叶斯解读与频率派报表两套方案间权衡,需要利弊表和加权维度打分
  • 季度实验复盘会上,要把各次测试的结果数据整理成复盘单与下次迭代的改进行动

适合人员

  • 负责增长实验、需要在读数前统一分析步骤与验收标准的增长产品经理
  • 做实验结论汇报的数据分析师,希望用固定模板避免漏检样本量或指标口径
  • 运营负责人要在两三种分析呈现方式中选其一并向业务解释取舍
  • 实验平台协作同学,每次实验结束需要结构化复盘并分配 owner 与 deadline