ab-testing
辅助规划、设计和实施A/B测试与增长实验项目
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：ab-testing。 它的用途是：辅助规划、设计和实施A/B测试与增长实验项目 详细介绍见：https://321skill.com/skills/ab-testing/ 请根据该页面的说明完成安装。
使用示例
‘我想测试我们登录页面上两个不同标题的转化效果，帮我设计这个A/B测试。’ 它会引导你明确实验假设、确定核心指标、计算所需的样本量，并规划测试运行流程。或者，你可以说：‘我们积累了很多实验想法，如何系统化地管理并排定优先级？’ 它会介绍如何使用实验待办列表和ICE评分框架来建立你的增长实验体系。
介绍
当用户需要规划、设计或实施A/B测试，或者希望建立系统化的增长实验项目时，这个Skill可以提供专业支持。它覆盖了从提出假设、设计实验、确定样本量、运行测试到解读结果的完整流程。
用户可以通过提及相关关键词（如“A/B测试”、“统计显著性”、“ICE评分”、“实验待办列表”等）来激活此Skill。它能帮助用户制定实验假设、设计测试变体、计算所需的样本量和测试时长，并指导如何解读实验结果以做出数据驱动的决策。
该Skill非常适合产品经理、营销专员、数据分析师以及任何希望通过系统化实验来优化产品功能、用户体验或营销策略的团队成员。无论是测试两个不同版本的文案，还是比较两种页面布局的效果，它都能提供方法论上的指导。
使用建议：在启动测试前，明确实验目标和核心指标。注意，该Skill侧重于实验的方法论和流程设计，具体的指标追踪和数据分析实现，可能需要结合“analytics”或“cro”等相关Skill来完成。
核心特点
本Skill专注于A/B测试与增长实验的完整方法论与实践流程，不仅处理单次测试，还支持构建系统化的实验项目，涵盖从实验待办列表管理、ICE评分优先级排序到实验手册制定的全周期。
注意事项
不直接处理底层的数据追踪代码实现或页面级别的具体转化率优化元素改动。
常见问题
如何确定A/B测试需要运行多长时间？
需要基于预期的效果提升幅度、基线转化率、统计显著性水平和流量大小来计算，本Skill可协助你完成这些计算。
什么是ICE评分？
ICE是Impact（影响）、Confidence（信心）、Ease（简易度）的缩写，用于对实验想法进行优先级排序的框架。