Menu
分析 A/B 测试结果，涵盖统计显著性检验、样本量验证、置信区间计算及上线/延长/停止的决策建议。适用于评估实验结果、判断测试是否达到显著性、解读分流测试数据，或决定是否上线某个实验组。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | ab-test-analysis |
| description | 分析 A/B 测试结果，涵盖统计显著性检验、样本量验证、置信区间计算及上线/延长/停止的决策建议。适用于评估实验结果、判断测试是否达到显著性、解读分流测试数据，或决定是否上线某个实验组。 |
以严格的统计方法评估 A/B 测试结果，并将发现转化为清晰的产品决策。
你正在分析 $ARGUMENTS 的 A/B 测试结果。
如果用户提供了数据文件（CSV、Excel 或数据分析平台导出文件），直接读取并分析。如有需要，生成 Python 脚本执行统计计算。
理解实验背景：
验证测试设置：
计算统计显著性：
如果用户提供了原始数据，生成并运行 Python 脚本来计算上述结果。
检查护栏指标：
解读结果：
| 结果 | 建议 |
|---|---|
| 显著正向提升，无护栏问题 | 上线 — 全量推送 |
| 显著正向提升，存在护栏顾虑 | 进一步调查 — 理解权衡后再上线 |
| 不显著，但有正向趋势 | 延长测试 — 需要更多数据或更大效应 |
| 不显著，基本持平 | 停止测试 — 未检测到有意义的差异 |
| 显著负向提升 | 不上线 — 回退到对照组，分析原因 |
提供分析摘要：
## A/B 测试结果：[测试名称]
**假设**：[我们的预期]
**时长**：[X 天] | **样本量**：[N 对照组 / M 实验组]
| 指标 | 对照组 | 实验组 | 提升 | p 值 | 是否显著？ |
|---|---|---|---|---|---|
| [主要指标] | X% | Y% | +Z% | 0.0X | 是/否 |
| [护栏指标] | ... | ... | ... | ... | ... |
**建议**：[上线 / 延长 / 停止 / 进一步调查]
**理由**：[原因]
**后续行动**：[下一步]
逐步思考。保存为 Markdown 格式。如果提供了原始数据，生成 Python 脚本执行计算。
对用户参与度数据执行同期群分析——留存曲线、功能采用趋势及分层洞察。适用于按同期群分析用户留存、研究功能随时间的采用情况、调查流失规律，或识别参与度趋势。
将自然语言描述转化为 SQL 查询语句。支持 BigQuery、PostgreSQL、MySQL 及其他方言。可从上传的结构图或文档中读取数据库结构。适用于编写 SQL、构建数据报表、探查数据库，或将业务问题转化为查询语句。
集思广益制定团队级 OKR（目标与关键成果），对齐公司目标——定性目标与可量化关键成果。适用于制定季度 OKR、将团队目标与公司战略对齐、起草目标，或学习如何编写有效的 OKR。
使用涵盖问题、目标、市场细分、价值主张、解决方案和发布规划的 8 节综合模板创建产品需求文档（PRD）。适用于编写 PRD、记录产品需求、准备功能规格，或评审现有 PRD。
生成用于测试的逼真虚拟数据集，支持自定义列、约束条件及输出格式（CSV、JSON、SQL、Python 脚本）。适用于创建测试数据、构建模拟数据集，或为开发和演示生成示例数据。
使用「当 [情境] 时，我想要 [动机]，以便 [结果]」格式创建工作故事，附带详细的验收标准。适用于编写工作故事、创建 JTBD（用户待办任务）风格的待办事项，或表达用户情境和动机。