用途：帮助团队进行严谨的产品实验，通过 A/B 测试和数据驱动学习推动可衡量的增长并降低风险。
主要能力：一是假设定义，引导用户基于用户行为理论撰写清晰、可证伪的假设；二是实验设计，帮助确定指标、样本量和护栏指标；三是统计分析，协助解读 p 值、置信区间和样本比例不匹配（SRM）；四是策略评估，依据结果与长期业务影响决定上线、迭代还是放弃。
核心原则：用长期留出组衡量真实增量；将实验主要视为高风险重大变更的风险缓解手段；用总体评估标准（OEC）平衡成功指标与护栏指标；将 80% 至 92% 的失败率视为优化领域的常态；低风险最佳实践可直接上线；对异常好的结果应用 Twyman 定律先查 bug。
提供的模板与框架：跳过实验的三个理由、全饼影响计算（产品 Amdahl 定律）、实验文化五支柱、实验前风险评估问题、长期留出实验方法、注册流程样本量计算示例、失败实验的决策框架（放弃/迭代/上线）、SRM 检查。
使用方式与限制：该技能以引导式问答和框架建议为主，资料未提供具体安装命令或代码实现；具体指标阈值、价格与支持平台暂未提供，需结合自身业务数据判断。