메뉴
A/B 테스트·실험 결과 CSV/표를 받아 PM 보고용 결과 절 + ship/iterate/kill 권고를 출력한다. 가드레일 위반·표본 편향·novelty 효과를 항상 점검한다.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
인터뷰·기능 요청을 "사람들이 해결하려는 job(과업)" 으로 재구성한다. 기능·솔루션 언어를 상황(when)·동기(want)·기대 결과(so I can) 의 job statement 로 환원하고, 근거 없는 job 은 가설로만 표기한다. 출처는 Clayton Christensen / Anthony Ulwick.
하나의 outcome 에서 출발해 opportunity → solution → experiment 로 내려가는 트리를 만든다. opportunity 는 발견된 사용자 니즈/페인(솔루션 아님)으로만 적고, solution 은 opportunity 에 매달리며, 각 solution 은 검증 실험으로 닫는다. 출처는 Teresa Torres (Continuous Discovery Habits).
제품을 출시 시점의 보도자료(PR)와 FAQ 로 먼저 써서, 만들기 전에 고객 가치와 위험을 검증한다. PR 은 과장 없는 고객 언어로, FAQ 는 가장 불편한 질문부터 정직하게 답한다. 출처는 Amazon 의 Working Backwards / PR-FAQ.
경쟁사 3–5곳을 동일 축으로 비교한 표 + 배틀카드를 생성한다. 정량/공개 자료만 근거로 사용하고, 추측이나 미확인 정보는 한계 절에 분리한다.
인터뷰 트랜스크립트·설문·사용 로그를 받아 PM 이 의사결정할 수 있는 인사이트 표로 합성한다. 빈도가 낮은 신호는 "약한 신호" 로만 표기하고 인사이트로 승격하지 않는다.
KPI 1개에 대한 정의 카드(이름·계산식·source·반응 임계치·소유자·반反사례) 를 생성한다. 한 카드 = 한 KPI 룰을 강제하고 KPI 가 측정 불가하면 정의를 거부한다.
SOC 직업 분류 기준
| name | experiment-analyzer |
| description | A/B 테스트·실험 결과 CSV/표를 받아 PM 보고용 결과 절 + ship/iterate/kill 권고를 출력한다. 가드레일 위반·표본 편향·novelty 효과를 항상 점검한다. |
| trigger | "A/B 결과 분석", "실험 결과 봐줘", "ship 해야 하나", "통계적으로 유의해?" 요청 시. |
| model | claude-opus-4-8 |
실험 결과 데이터(CSV / 표)를 받아 PM 보고 포맷 으로 분석 결과 + ship/iterate/kill 권고를 출력한다.
samples/ab-test-results.csv 또는 사용자 첨부.~/.claude/guides/evals.md 의 PM 보고 포맷 따름).## 결론 (한 줄)
주 메트릭 +X.X% (p=0.0XX, n=NNN per arm) — ship / iterate / kill / extend
## 무엇을 했나
- 변경: <한 줄>
- 기간: YYYY-MM-DD ~ YYYY-MM-DD
- 표본: control n=NNN / treatment n=NNN
- 가설: <한 줄>
## 결과 표
| 메트릭 | Control | Treatment | Δ | p-value |
|---|---|---|---|---|
## 가드레일
- 메트릭 X: 변화 없음 / 악화 -X.X%
- 메트릭 Y: ...
## 의심 신호 (있다면)
- 표본 균형 / novelty / segment 편향 / Simpson's paradox 검토 결과.
## 권고
ship / iterate / kill / extend
- 사유: <한 줄>
- 다음 step: <한 줄>
samples/ab-test-results.csv~/.claude/guides/evals.md7.1-growth-experiment-analysis.mdgood-examples/checkout-cta-test.mdbad-examples/p-only-recommend.md