该技能用于指导 A/B 与多变量实验的工程实践，适合在实验启动前和使用过程中查阅。
用途：在实验上线前明确假设、成功标准与决策规则；定义主指标、次指标与护栏指标及归属；设计 A/B、A/B/n 或高层 MVT 实验并选择正确的随机化单位；计算样本量、功效、MDE 与最短运行时长（考虑季节性、周期）；规划分配、分桶、曝光日志与 SRM 监测；对齐埋点与事件分类及分析表；编写预注册分析计划（频率派与贝叶斯流程层面）；执行读数、解释不确定性并给出上线/迭代/终止/留出建议；维护实验登记与项目运作规范。
不适用：搭建或运维仓库管道、dbt 模型或 BI 栈；无实验设计的高管仪表盘与 KPI 叙事；通用 ML 建模、实验之外的因果推断与 MLOps；ML 系统的模型训练/评估 A/B；营销文案、活动或渠道策略；无测量设计的产品路线图与组合优先级；无新实验的周度指标复盘；跟踪的法律隐私、同意或合规签核；无统计设计的增长实验创意。
核心工作流：一、假设与指标契约：说明问题、用户分群与预期机制，锁定一个主指标，列出次指标与护栏指标，定义非目标与范围外分群，约定放量标准。二、设计与功效：选择 A/B、A/B/n、因子/MVT 或留出设计，依据业务影响设定 MDE，计算每个变体样本量（α、功效、单双侧），估算时长。三、随机化、埋点与 SRM：选择随机化单位并论证与分析匹配，定义分桶哈希与粘性分配，映射曝光事件与分配日志，上线前 QA，运行中监测 SRM 与不变量检查。四、分析与决策：遵循预注册分析计划，默认意向性治疗，运行主分析并给出置信区间，仅使用预定义分群切片，执行多重性策略，产出读数与建议。五、治理与项目运作：在目录中登记实验，禁止 p-hacking 与未校正的可选窥视，归档配置、功效计算、分析笔记本与决策日志，规划放量、回滚与长期留出。
以上为资料提供的范围、工作流与限制说明；具体安装命令、收费、平台信息暂未提供。