该技能面向需要设计严谨、可产生可执行结论的 A/B 实验的场景，核心是围绕统计严谨性组织实验方案。
用途：当某个改动可以在规模上被定量衡量时，用它来规划实验；若目标是观察性质而非量化验证，则不适合。
主要能力：一是构建假设，采用“如果我们[改动]，那么[结果]将[提升/下降]，因为[理由]”的结构；二是设计变体，包括对照组（A，当前设计）与实验组（B，提议改动），并强调一次只测试一个变量、保持改动隔离；三是确定主指标，即唯一最重要的成功衡量，须可测量、相关且对该改动敏感；四是设定次指标，作为支撑性指标和护栏指标，用于发现意外后果；五是计算样本量，依据最小可检测效应、基线转化率、统计显著性水平（通常 95%）和统计功效（通常 80%）；六是确定时长，运行至达到样本量，需考虑每周周期（按完整周运行），通常最短 1 至 2 周。
常见陷阱：在完成前偷看结果、一次性测试过多变体、指标不够敏感而无法检测改动、样本量过小、未考虑新奇效应、忽视细分群体效应。
何时不应做 A/B 测试：流量极低导致样本不足、因保留改进而存在伦理顾虑、影响一切的基础性改动、以及定性洞察更有价值的情形。
最佳实践：每个测试只设一个假设；开始前记录一切；不要因正向结果而提前停止；在总体结果之后再分析细分群体；无论结果如何都广泛分享所得。
限制：资料未提供具体工具、代码、安装命令或平台支持信息。