用途：帮助规划、设计与实施 A/B 测试或实验，产出统计有效、可执行的结论。若存在 .claude/product-marketing-context.md，会先读取该上下文，再只询问未覆盖的信息。
主要能力：先了解测试背景、当前基线转化率与流量、技术复杂度与时间线等约束；强调先有假设、单变量测试、统计严谨、衡量关键指标。提供假设框架：因为[观察/数据]，我们相信[改动]会为[受众]带来[预期结果]，当[指标]满足时即验证。支持 A/B、A/B/n、MVT、Split URL 等测试类型，并给出样本量速查（如基线 1%、提升 10% 约需 150k/变体；基线 10%、提升 50% 约需 550/变体），并提及 Evan Miller、Optimizely 计算器。指标分为主指标、次指标与护栏指标。变体可涉及标题文案、视觉设计、CTA、内容等。流量分配支持 50/50、保守分配与渐进放量。实现方式分客户端（JavaScript 修改页面，可能闪烁；工具如 PostHog、Optimizely、VWO）与服务端（渲染前确定变体，无闪烁，需开发；工具如 PostHog、LaunchDarkly、Split）。
使用方式：按预启动清单确认假设、主指标、样本量、变体实现、埋点验证与 QA；测试期间监控技术问题与分群质量，不提前偷看结果、不中途改动变体、不引入新流量来源。分析时检查是否达到样本量、统计显著性（95% 置信度即 p<0.05）、效应量、次指标与护栏指标、分群差异，并记录假设、变体截图、结果与决策。
适用场景：产品、营销与增长团队设计转化率或体验实验。
限制：资料未提供具体价格、平台支持范围或效果保证；样本量数值仅为速查参考，实际需用计算器确认。