К основному содержанию
скилл CX Codex

a-b-test-design — скилл для Claude Code: дизайн A/B-экспериментов

Помогает спланировать A/B-тест: гипотеза, варианты, основная метрика и размер выборки. Пригодится, когда изменение можно измерить количественно.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add Owl-Listener/designer-skills --skill a-b-test-design -a claude-code
Открыть на GitHub

Что делает a-b-test-design

Скилл ведёт агента по структуре эксперимента. Сначала гипотеза в форме «если мы [изменим], то [результат] [вырастет/упадёт], потому что [причина]». Дальше контрольная группа A с текущим дизайном и лечебная B с предложенным изменением. Менять советует по одной переменной за раз.

Основная метрика — одна, самая важная, чувствительная к правке. Вторичные метрики и guardrail-метрики ловят побочные эффекты. Размер выборки считается от минимально детектируемого эффекта, базовой конверсии, уровня значимости и мощности. Тест идёт до набора выборки, целыми неделями, чтобы учесть недельные циклы.

Отдельный блок — типичные ошибки: подглядывать в результаты до конца, запускать слишком много вариантов сразу, брать метрику, которая не заметит изменение. Есть и раздел о том, когда A/B-тест не нужен: мало трафика, этические причины не давать улучшение части пользователей, фундаментальные правки, затрагивающие всё сразу. Для качественного наблюдения за поведением скилл отсылает к test-scenario.

Какие задачи решает

  • сформулировать гипотезу эксперимента в проверяемой форме
  • выбрать одну основную метрику и не размыть её вторичными
  • посчитать размер выборки до старта теста
  • не подглядывать в результаты раньше времени
  • понять, когда A/B-тест вообще не подходит

Примеры запросов агенту

  • помоги спроектировать A/B-тест для новой кнопки на лендинге
  • посчитай размер выборки для теста с базовой конверсией 3%
  • какие guardrail-метрики стоит добавить к этому эксперименту

Как установить a-b-test-design

1Через Skills CLI (Vercel)

npx skills add Owl-Listener/designer-skills --skill a-b-test-design -a claude-code

2Вручную: положить файлы

~/.claude/skills/a-b-test-design/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/a-b-test-design/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о a-b-test-design

Как установить a-b-test-design в Claude?

Выполните npx skills add Owl-Listener/designer-skills --skill a-b-test-design -a claude-code. Скилл встанет в ~/.claude/skills/a-b-test-design/SKILL.md.

Что делает a-b-test-design?

Проводит агента через проектирование A/B-эксперимента: гипотеза, контрольный и лечебный варианты, основная метрика, вторичные метрики и расчёт размера выборки.

Чем a-b-test-design отличается от test-scenario?

Этот скилл нужен для количественных измерений на большой аудитории. Для качественного наблюдения за поведением он отсылает к test-scenario.

Исходный текст

SKILL.md · MIT
---
name: a-b-test-design
description: Design an A/B experiment — hypothesis, variants, primary metric, and sample size. Use when a change can be measured quantitatively at scale. For observing behaviour qualitatively, use `test-scenario`.
---
# A/B Test Design
You are an expert in designing rigorous A/B experiments that produce actionable results.
## What You Do
You design A/B tests with clear hypotheses, controlled variants, appropriate metrics, and statistical rigor.
## Test Structure
### 1. Hypothesis
Structured as: 'If we [change], then [outcome] will [improve/decrease] because [rationale].'
### 2. Variants
- Control (A): current design
- Treatment (B): proposed change
- Keep changes isolated — test one variable at a time
### 3. Primary Metric
The single most important measure of success. Must be measurable, relevant, and sensitive to the change.
### 4. Secondary Metrics
Supporting measures and guardrail metrics to detect unintended consequences.
### 5. Sample Size
Based on: minimum detectable effect, baseline conversion rate, statistical significance level (typically 95%), and power (typically 80%).
### 6. Duration
Run until sample size is reached. Account for weekly cycles (run in full weeks). Minimum 1-2 weeks typically.
## Common Pitfalls
- Peeking at results before completion
- Too many variants at once
- Metric not sensitive enough to detect change
- Sample size too small
- Not accounting for novelty effects
- Ignoring segmentation effects
## When Not to A/B Test
- Very low traffic (insufficient sample)
- Ethical concerns with withholding improvement
- Foundational changes that affect everything
- When qualitative insight is more valuable
## Best Practices
- One hypothesis per test
- Document everything before starting
- Don't stop early on positive results
- Analyze segments after overall results
- Share learnings broadly regardless of outcome

© Owl-Listener · MIT · Owl-Listener/designer-skills

Похожие скиллы

Всё по теме «Тесты и QA» →
experiment-designer Alireza Rezvani Помогает спланировать A/B-тест, задать гипотезу и оценить результаты. Нужен перед запуском эксперимента или разбором статистики. 608установок product-experiments RefoundAI Скилл помогает формулировать гипотезы, рассчитывать размер выборки для A/B-тестов и оценивать метрики. Пригодится при запуске продуктовых экспериментов без риска сломать пользовательский опыт. CX Codex +1 330установок ab-test-setup Alireza Rezvani Скилл помогает спланировать, запустить и разобрать A/B-тест. Пригодится, когда нужно проверить гипотезу, вариант текста или изменение в продукте. 623установок measure-experiment-design product-on-purpose Собирает документ с параметрами эксперимента: варианты, метрики, размер выборки и срок. Нужен, когда гипотеза уже сформулирована, а тест ещё не запущен. CX Codex +1 754установок measure ghaida Скилл помогает определить UX-метрики и выстроить проверку гипотез в продукте. Он защищает команду от подмены пользы искусственной вовлечённостью. CX Codex +1 2 700установок content-experimentation-best-practices sanity-io Скилл помогает спланировать контентный A/B-тест, выбрать метрики и разобрать результаты. Пригодится при работе с вариантами в CMS или фронтенде. CX Codex +1 3 800установок

Из того же набора109

test-scenario Пишет задачи для юзабилити-теста: реалистичный контекст, критерии успеха и заметки для ведущего. Пригодится, когда исследование уже спланировано, а сценариев ещё нет. CX Codex +1 2 000установок stakeholder-alignment Собирает артефакты согласования: карту стейкхолдеров, матрицу RACI, права решений и план коммуникации. Пригодится, когда решения буксуют из-за неясного владения. CX Codex +1 2 000установок metrics-definition Помогает сформулировать продуктовые метрики и UX-KPI для оценки дизайн-решений. Пригодится при планировании замеров до запуска разработки. CX Codex +1 2 100установок diary-study-plan Помогает спланировать дневниковое исследование: промпты, частоту, длительность, критерии отбора участников и рамку анализа. CX Codex +1 2 100установок form-design Проектирует веб-формы от порядка полей и группировки до валидации и доступности. Пригодится при сборке ввода данных любого масштаба — от одиночных полей до многошаговых сценариев. CX Codex +1 1 900установок aesthetic-usability Помогает оценить, как визуальная цельность интерфейса влияет на ощущение удобства и доверия. Нужен при разборе слабых первых впечатлений от работающего дизайна. CX Codex +1 1 900установок information-architecture Скилл проектирует структуру контента: карту разделов, навигационную модель, таксономию и модель типов. Пригодится, когда надо разложить существующий контент по полкам. CX Codex +1 1 900установок critique-composition Оценивает баланс, пустое пространство, ритм и гештальт-группировку на готовом экране. Помогает, когда в макете всё на месте по иерархии, но композиция выглядит разваленной. CX Codex +1 1 900установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой