用途：帮助规划、设计和实施 A/B 测试或实验，目标是产出统计有效、可执行的结果。若存在 .claude/product-marketing-context.md，会先读取该上下文，再询问未覆盖的信息。
设计前先了解：测试背景（想改进什么、考虑什么改动）、当前状态（基线转化率、流量）、约束（技术复杂度、时间线、可用工具）。
核心原则：先有具体假设；每次只测一个变量；统计严谨（预先确定样本量、不提前停止）；衡量与业务价值挂钩的主要指标，以及次要指标和护栏指标。
假设框架：因为[观察/数据]，我们相信[改动]会对[受众]产生[预期结果]，当[指标]达到时即验证。
测试类型：A/B、A/B/n、MVT、Split URL，各自所需流量不同。资料给出样本量速查表（如基线 1%、提升 10% 约 150k/变体；基线 10%、提升 10% 约 12k/变体）并提及 Evan Miller、Optimizely 计算器，详细表格见 references/sample-size-guide.md。
指标：主要指标直接对应假设并用于判定；次要指标解释原因；护栏指标防止变差，显著负面时停止测试。
变体设计：可变化标题/文案、视觉设计、CTA、内容；建议单一且有意义的改动。流量分配有 50/50、保守比例、渐进增加等方式，需保证用户回访看到同一变体并平衡时段。
实施：客户端（加载后由 JavaScript 修改页面，快但可能闪烁）或服务端（渲染前决定，无闪烁但需开发）。工具提及 PostHog、Optimizely、VWO、LaunchDarkly、Split。
运行与限制：上线前需记录假设、定义指标、计算样本量、验证追踪和 QA；测试中监控技术问题、记录外部因素，不要偷看并提前停止、不要中途修改变体、不要引入新流量源。提前看结果会导致假阳性和错误决策。
分析：95% 置信度对应 p<0.05；检查是否达到样本量、显著性、效应大小、次要指标一致性、护栏指标、分群差异。结果可能是显著赢家（实施）、显著输家（保留对照并分析）、无显著差异（需更多流量或更大幅测试）、信号混杂（细分）。每个测试都要记录假设、变体截图、结果和决策，模板见 references/test-templates.md。
常见错误：测试改动过小或过多、没有清晰假设、提前停止、中途改动、不检查实施、忽略置信区间、挑选分群、过度解读无结论结果。
相关技能：page-cro（生成测试想法）、analytics-tracking（设置测量）、copywriting（撰写变体文案）。未提供具体收费、平台限制或更多实现细节。