AI Skill 大全

想法验证实验

把模糊的增长想法改写成可度量假设,设计带对照组的 A/B 实验,定好样本量和成功标准,并用 ICEEE 框架给实验排优先级。

功能与用途

团队常说「试一下这个」,但改了什么、看哪个指标、什么时候算结束都没说清,最后谁也说不清到底有没有用。这个技能会逼你把想法写成「通过做 X,我们认为会发生 Y,如果对了预期看到 Z」这种可度量的形式,配上对照组、样本量和置信度要求,再算出需要多少流量才能检测出你想要的提升幅度。它还会用 ICEEE 打分把一批实验排出先后顺序。若假设太模糊或成功标准无法度量,它会主动让你先停下来想清楚。

适用场景

  • 落地页加了两个必填字段后转化率掉了 15%,想用一次实验验证:落地页加了两个必填字段后转化率掉了 15%,想用一次实验验证减少字段能否把转化拉回来
  • 手上攒了十几个增长想法,资源只够跑三个,需要一套打分方法决定:手上攒了十几个增长想法,资源只够跑三个,需要一套打分方法决定先做哪个
  • 实验跑了两周看到测试组数据更好,但不确定这点差异是不是随机波:实验跑了两周看到测试组数据更好,但不确定这点差异是不是随机波动,想知道能不能下结论

适用人群

  • 增长负责人
  • CRO 转化优化专员
  • B2B SaaS 产品经理

使用步骤

  1. 先说明你观察到的现象和这次想达到的目标。
  2. 让 AI 把想法写成「做 X → 预期 Y → 看到 Z」的可度量假设。
  3. 确认实验设计:对照组保持什么、测试组改什么、跑多久,以及需要的样本量。
  4. 定好成功标准和置信度,明确主要指标和次级漏斗指标。
  5. 把多个实验放进 ICEEE 打分表排序,跑完后再回来记录结果和经验。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
商业运营
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
专业
版本
main
最近更新
2026-09-12
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

使用前准备

  • 需要提供当前的基线数据和可用的流量规模
  • 使用者需理解置信度、样本量等统计概念。

依赖与权限

  • 读取用户主动提供的内容

同类 Skill