用途：当用户想规划、设计或实施 A/B 测试或实验，或提到“A/B 测试”“拆分测试”“实验”等时使用。该技能扮演实验与 A/B 测试专家，目标是设计出统计有效、可执行的结果。
主要能力：先做初始评估，了解测试背景、当前状态（基线转化率、流量、历史数据）与约束（技术复杂度、时间、工具）。核心原则包括：从假设出发、单变量测试、统计严谨（预先确定样本量、不提前偷看）、衡量关键指标。提供假设框架：因为[观察/数据]，我们相信[改动]会为[受众]带来[预期结果]，当[指标]达到时即验证。
测试类型：A/B（对照与单一变体）、A/B/n（多变体）、多变量测试（MVT，组合改动）、拆分 URL 测试。样本量计算需基线转化率、最小可检测效应（MDE）、显著性水平（通常 95%）和统计功效（通常 80%），并给出快速参考表与 Evan Miller、Optimizely 计算器链接。测试时长公式：所需每变体样本量×变体数 ÷（每日流量×转化率），最短 1-2 个业务周期。
指标选择：主指标（与假设直接相关）、次指标（解释原因）、护栏指标（不应变差，如收入、留存、满意度）。变体设计涵盖文案、视觉、CTA、内容，并需记录对照与变体。流量分配支持 50/50、保守投放（90/10、80/20）和渐进放量。
实施方式：客户端测试（PostHog、Optimizely、VWO 等，JS 加载后修改页面，可能闪烁，适合营销页与文案视觉改动）；服务端测试（PostHog、LaunchDarkly、Split 等，渲染前确定变体，无闪烁，适合产品功能与性能敏感页面）；功能开关（二元开关，非真正 A/B，可转为百分比拆分）。
运行与限制：提供上线前检查清单、测试期间应做与不应做事项，强调偷看问题会导致假阳性、效应量虚高和错误决策。分析结果时区分统计显著性与实际显著性，检查样本量、置信区间、p 值、效应量、次指标与护栏指标，并按显著赢家、显著输家、无显著差异、信号混杂四种情况给出结论。还提供测试文档模板、学习库建设、输出格式（测试计划、结果摘要、建议）以及常见错误清单。
适用场景：营销页、定价页、注册流程等转化优化实验。限制：资料未提供具体工具版本、价格或平台支持细节；实际样本量、时长与效果需依据真实数据计算，不能保证结果。