源自 GitHubA/B测试数据分析与推全评估
用于产品与增长团队在实验结束后科学评估分流效果。用户只需提供实验假设、分流周期、对照组与实验组的样本量及转化数据（或原始表格），技能会自动校验样本量充分性与比率偏差，计算相对提升率、p值及置信区间，并综合评估护栏指标受损情况，最终给出全量上线、延长观察、立即中止或深入排查的标准化决策报告。
常见场景
它能帮你做什么？
01
改版功能推全决策：评估新版本核心指标提升与护栏指标波动，明确判断是否全量发布或回滚。
02
营销落地页转化验证：对比落地页多版本的点击转化率，利用统计检验排除偶发波动与假阳性。
03
实验样本失衡排查：核验分流样本量是否达标，排查是否存在样本比率失衡（SRM）与新奇效应。
三步完成
怎么使用
1安装 Skill
把右侧安装请求发给你的 AI。
2说清楚目标
告诉 AI 你想完成什么，或直接贴入内容。
3检查结果
按需要继续调整语气、范围或格式。
复制就能用
你可以直接这样说
“结账页A/B测试跑了14天：对照组20000人转化620人，实验组20000人转化710人，请评估显著性并给出上线建议。”
“分析落地页改版实验，对照组UV 45000转化率4.2%，实验组UV 44800转化率4.6%，但页面跳出率略微上升，该推全吗？”
“请根据我上传的搜索推荐算法双周A/B测试CSV数据，计算统计显著性并检查是否有样本失衡问题。”
适用人群
适合谁？
上手门槛
使用难度
进阶
需要了解任务流程，页面已整理好使用步骤。
兼容范围
支持哪些 AI？
Codex可直接使用
Claude Code可直接使用
OpenClaw可直接使用
Hermes Agent可直接使用国内 Agent可直接使用
中文用户增强
Skill Px 做了什么？
中文说明简化使用方式补充中文案例整理安装流程降低理解难度
