phuryn/ab-test-analysis
一个用于A/B测试数据分析的智能体技能，帮助用户评估实验效果。
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：phuryn/ab-test-analysis。 它的用途是：一个用于A/B测试数据分析的智能体技能，帮助用户评估实验效果。 详细介绍见：https://321skill.com/skills/phuryn-ab-test-analysis/ 请根据该页面的说明完成安装。
使用示例
“帮我分析一下A/B测试结果：对照组有5000次曝光，200次转化；实验组有5200次曝光，250次转化。”，它会自动计算两组的转化率、p值，并判断实验版本的效果提升是否具有统计显著性，给出决策建议。
介绍
这个Skill旨在解决A/B测试结果分析复杂、手动计算耗时且易出错的问题。它能够自动处理实验数据，计算关键指标如转化率、统计显著性（p值）和置信区间，并生成清晰的分析报告，帮助用户快速判断哪个实验版本更优。
使用时，用户只需将A/B测试的原始数据（如对照组和实验组的样本量、转化数等）提供给智能体，或描述实验目标，它便能执行分析并解读结果。该Skill封装了核心的统计计算逻辑，使分析过程标准化且可重复。
它非常适合产品经理、数据分析师和营销专员等需要频繁进行实验效果评估的角色。这些用户通常需要基于数据做出产品迭代或营销策略的决策，但可能缺乏深入的统计学知识或希望提升分析效率。
使用建议：确保输入的数据准确、完整，例如明确区分对照组和实验组的数据。对于复杂的实验设计（如多变量测试）或非标准的数据结构，可能需要结合更专业的统计工具进行深入分析。该Skill主要提供核心的显著性检验和效果评估。
核心特点
与通用数据分析Skill相比，它专门针对A/B测试场景，内置了统计显著性检验（如Z检验）和效果量计算，无需用户手动编写统计代码或公式。其输出直接聚焦于实验决策（如是否显著、推荐哪个版本），而非泛泛的数据描述。
注意事项
不适合处理非A/B测试类型的实验数据（如时间序列分析、多因素方差分析未专门优化）或需要复杂归因建模的场景。
常见问题
这个Skill能计算样本量吗？
目前主要专注于结果分析，样本量计算属于实验设计阶段，暂不支持。
支持哪些类型的A/B测试指标？
主要支持比例类指标（如转化率、点击率）的对比分析。