SuperAPI AI 工具集

experiment-readout

通用与其它

查看项目

更新于 10-16 06:51

技能介绍

用途:把 A/B test、增长实验、定价实验、onboarding 改版、功能灰度、邮件实验等材料,整理成一份实验复盘(Experiment Readout),回答“这个实验说明了什么,下一步该上线、停止、继续跑还是重新设计”。输入可为 markdown、CSV、表格粘贴或混合记录。

主要能力与结构:输出包含 Header(实验名称、owner、日期、状态、decision)、Hypothesis(改写为可验证句式)、Setup(audience、variant、duration、sample size、primary metric、guardrail metrics)、Result snapshot(primary metric lift、absolute delta、sample、confidence/caveat)、Metric table(Control vs Variant,含 primary、secondary、guardrail)、Interpretation(区分 signal、noise、unknown)、Decision(Ship / iterate / extend / stop 四选一并给理由)、Follow-up experiments(2-4 个,含 hypothesis、expected impact、effort)、Instrumentation notes(数据缺口、埋点问题、样本偏差)。

使用方式与风格:首屏需有大号 decision badge 和 primary metric delta;图表可用 CSS/SVG/Chart.js,用 Chart.js 时 canvas 外层须固定高度。可选风格模板参考 assets/:product-readout.html 为默认浅色产品复盘,适合 PM/growth/leadership;lab-notebook.html 适合早期探索、定性定量混合、需保留 caveat;growth-console.html 为深色增长分析控制台,适合漏斗、activation、conversion 与实时监控。未指定时优先 product-readout,强调研究过程与不确定性用 lab-notebook,强调增长指标与运营节奏用 growth-console,不要混用三种。

限制:只使用用户提供的数据,不得捏造 p-value、confidence、样本量;缺少显著性信息时用 directional、inconclusive、needs more data 表达,小样本或缺少显著性必须明确 caveat,避免把结果包装得过度确定。具体安装命令与价格暂未提供。