用途：为付费广告的 A/B 测试提供从假设到执行的规划支持，覆盖创意、受众、出价、落地页等测试方向。
主要能力：一是结构化假设框架，要求按“IF 改动 THEN 指标升降 X% BECAUSE 依据”书写，并附假设质量检查清单（单一变量、明确指标、预估效应量、时间范围、成败标准）。二是统计显著性计算，给出每变体所需样本量公式 n=(Z_alpha+Z_beta)^2×2×p×(1-p)/MDE^2，其中 Z_alpha=1.96（95% 置信）、Z_beta=0.84（80% 功效），并提供基线转化率与 MDE 对应的样本量速查表。三是时长估算，Duration=所需样本量/每变体日流量，最短 7 天、最长建议 28 天，并列出 Google、Meta、LinkedIn 的学习期。四是平台设置建议，涵盖 Meta Experiments、Google Campaign Experiments、LinkedIn Campaign Manager、TikTok Split Testing 的入口、预算与时长建议。五是测试优先级与常见错误清单，并给出固定输出格式（假设、测试设计表、样本量与时长表、成功标准、设置步骤）。
使用方式：先明确要测试的对象，再构建假设，计算样本量与时长，选择平台设置，最后定义成功标准与衡量方案。
适用场景：付费广告投放前的实验规划与效果验证。
限制：资料未提供具体收费、价格与平台效果保证；样本量速查表与时长估算为示例数值，实际需按自身数据计算。