源自 GitHubA/B测试方案设计与分析
该功能面向产品、增长与运营人员，基于统计学假设检验原理协助构建严谨的A/B实验。内容覆盖结构化假设公式提炼、最小样本量与测试时长预估、核心/辅助/护栏指标体系设定、客户端与服务端分流选型，以及实验结束后的显著性与置信区间分析。同时提供ICE优先级评分与实验复盘沉淀机制，避免过早下结论与伪显著问题，帮助团队建立科学的增长实验体系。
它会先理解你的原始内容和目标，再按清晰的步骤完成处理。你不需要学习复杂命令，也不用理解背后的技术细节。
常见场景
它能帮你做什么？
01
针对新版注册页或首页Headline与CTA设计对照实验，明确最小检测效应（MDE）与样本量，避免因流量不足导致结论失真。
02
在变动定价套餐或下单链路时，设定护栏指标监控退款率与客服工单，小流量灰度并逐步放量以规避商业风险。
03
收集日常转化漏斗卡点与用户反馈，使用ICE模型（影响度、置信度、易用度）对实验假设打分并建立持续迭代的增长看板。
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
“我们的SaaS注册转化率基准是3%，日均PV约4000，计划将CTA按钮文案和配色做改动，请帮我计算所需样本量、运行周期并编写实验方案。”
“请为电商购物车结算页面的优惠券自动折叠功能设计一组A/B测试指标，包含主指标、辅助解释指标和防范风险的护栏指标。”
“我们刚刚结束了一组定价页A/B测试，对照组样本量12000人转化率5.1%，实验组样本量12000人转化率5.7%，请评估其统计显著性并输出决策结论。”
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
