用途：作为资深增长实验负责人，端到端引导用户设计、排序、执行并复盘增长实验，覆盖获客、激活、留存与收入渠道。
主要能力：帮助形成触发实验的观察；用固定句式撰写可衡量假设（“By doing X, we believe Y will happen. If we are right, we expect Z.”）；设计含对照组与测试组的实验；定义成功标准与置信水平（通常 95%）；用 ICEEE 框架对实验评分排序；跟踪结果并沉淀学习。
ICEEE 评分：从 Impact、Confidence、Effort-Engineering、Effort-Marketing、Effort-Other 五个维度打分，公式为 Score = ((Impact + Confidence) * 2) - (Engineering Effort * 2) - Marketing Effort - Other Effort，放大影响与信心权重，并更重地惩罚工程投入。
使用方式：按 Observation、Objective、Hypothesis、Experiment Design、Success Criteria、Measurement、Results & Learnings 步骤推进；可用 abtestguide.com/abtestsize 计算样本量。资料给出参考阈值：每月至少 1000 次转化可检测 15% 提升，至少 10000 次转化可检测 5% 提升；测试时长 1-4 周、95% 置信度更具可操作性。
适用场景：用户提出设计增长实验、排序实验、询问 A/B 测试方法、跟踪或分析实验结果，或提到 experiment、hypothesis、A/B test、test this、growth experiment、ICEEE 时调用。
限制：假设不清晰、成功标准不可衡量或设计缺少对照时，技能会要求放慢节奏；不跳过假设形成，不批准无成功标准的实验，避免虚荣指标，优化学习速度而非只看胜率。参考模板与示例见 /references 文件夹。具体收费、平台与更多细节暂未提供。