ab-test-analysis — скилл для Claude Code: что делает и как установить
Оценивает результаты сплит-тестов, проверяет статистическую значимость и даёт рекомендацию по раскатке варианта.
npx skills add phuryn/pm-skills --skill ab-test-analysis -a claude-codeЧто делает ab-test-analysis
Скилл анализирует результаты сплит-тестов и формулирует решение для продукта: раскатывать изменение на 100% или останавливать эксперимент. Ассистент проверяет гипотезу, длительность работы минимум на 1-2 полных бизнес-цикла и выявляет расхождение выборок SRM.
Для расчётов инструмент принимает файлы CSV, Excel или выгрузки аналитики и генерирует код на Python. Скилл вычисляет конверсию контрольной и тестовой групп, относительный прирост, p-value через двухвыборочный z-тест или критерий хи-квадрат, а также 95% доверительный интервал. Кроме основной метрики проверяются барьерные показатели, включая выручку и время загрузки страниц.
Если тесту не хватает мощности (менее 80%), скилл предупредит об этом. Нельзя принимать решение о победе варианта только по базовой метрике, пока не проверено влияние на смежные показатели.
Какие задачи решает
- оценить статистическую значимость сплит-теста
- проверить достаточный объём выборки и мощность эксперимента
- выявить расхождение в распределении трафика (SRM)
- сопоставить прирост основной метрики с барьерными показателями
- выбрать решение: раскатывать вариант, остановить или продлить тест
Примеры запросов агенту
- Оцени результаты сплит-теста из файла experiment_data.csv и проверь статистическую значимость.
- Проверь данные эксперимента на SRM и рассчитай 95% доверительный интервал для конверсии.
- Посмотри выгрузку теста и скажи, стоит ли внедрять вариант или тест нужно продлить.
Как установить ab-test-analysis
1Через Skills CLI (Vercel)
npx skills add phuryn/pm-skills --skill ab-test-analysis -a claude-code2Вручную: положить файлы
~/.claude/skills/ab-test-analysis/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/ab-test-analysis/
1Через Skills CLI (Vercel)
npx skills add phuryn/pm-skills --skill ab-test-analysis -a codex2Вручную: положить файлы
.agents/skills/ab-test-analysis/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add phuryn/pm-skills --skill ab-test-analysis -a cursor2Вручную: положить файлы
.cursor/skills/ab-test-analysis/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install phuryn/pm-skills ab-test-analysis2Вручную: положить файлы
.github/skills/ab-test-analysis/SKILL.md1Через Skills CLI (Vercel)
npx skills add phuryn/pm-skills --skill ab-test-analysis -a gemini-cli2Командой платформы
gemini skills install https://github.com/phuryn/pm-skills --path pm-data-analytics/skills/ab-test-analysisВручную: положить файлы
.devin/skills/ab-test-analysis/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add phuryn/pm-skills --skill ab-test-analysis -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
Из того же набора61
Весь набор →Похожие
Вопросы о ab-test-analysis
Как установить ab-test-analysis в Claude Code?
Выполните команду npx skills add phuryn/pm-skills --skill ab-test-analysis -a claude-code в терминале.
Что делает скилл ab-test-analysis?
Он валидирует параметры эксперимента, рассчитывает p-value и доверительные интервалы через Python-скрипты, а затем формирует сводку с рекомендацией по раскатке варианта.
Когда скилл рекомендует продлить тест?
Он советует продлить тест, если заметен положительный тренд, но результат пока не достиг статистической значимости p < 0.05.
Исходный текст
SKILL.md · MIT
---
name: ab-test-analysis
description: "Analyze A/B test results with statistical significance, sample size validation, confidence intervals, and ship/extend/stop recommendations. Use when evaluating experiment results, checking if a test reached significance, interpreting split test data, or deciding whether to ship a variant."
---
## A/B Test Analysis
Evaluate A/B test results with statistical rigor and translate findings into clear product decisions.
### Context
You are analyzing A/B test results for **$ARGUMENTS**.
If the user provides data files (CSV, Excel, or analytics exports), read and analyze them directly. Generate Python scripts for statistical calculations when needed.
### Instructions
1. **Understand the experiment**:
- What was the hypothesis?
- What was changed (the variant)?
- What is the primary metric? Any guardrail metrics?
- How long did the test run?
- What is the traffic split?
2. **Validate the test setup**:
- **Sample size**: Is the sample large enough for the expected effect size?
- Use the formula: n = (Z²α/2 × 2 × p × (1-p)) / MDE²
- Flag if the test is underpowered (<80% power)
- **Duration**: Did the test run for at least 1-2 full business cycles?
- **Randomization**: Any evidence of sample ratio mismatch (SRM)?
- **Novelty/primacy effects**: Was there enough time to wash out initial behavior changes?
3. **Calculate statistical significance**:
- **Conversion rate** for control and variant
- **Relative lift**: (variant - control) / control × 100
- **p-value**: Using a two-tailed z-test or chi-squared test
- **Confidence interval**: 95% CI for the difference
- **Statistical significance**: Is p < 0.05?
- **Practical significance**: Is the lift meaningful for the business?
If the user provides raw data, generate and run a Python script to calculate these.
4. **Check guardrail metrics**:
- Did any guardrail metrics (revenue, engagement, page load time) degrade?
- A winning primary metric with degraded guardrails may not be a true win
5. **Interpret results**:
| Outcome | Recommendation |
|---|---|
| Significant positive lift, no guardrail issues | **Ship it** — roll out to 100% |
| Significant positive lift, guardrail concerns | **Investigate** — understand trade-offs before shipping |
| Not significant, positive trend | **Extend the test** — need more data or larger effect |
| Not significant, flat | **Stop the test** — no meaningful difference detected |
| Significant negative lift | **Don't ship** — revert to control, analyze why |
6. **Provide the analysis summary**:
```
## A/B Test Results: [Test Name]
**Hypothesis**: [What we expected]
**Duration**: [X days] | **Sample**: [N control / M variant]
| Metric | Control | Variant | Lift | p-value | Significant? |
|---|---|---|---|---|---|
| [Primary] | X% | Y% | +Z% | 0.0X | Yes/No |
| [Guardrail] | ... | ... | ... | ... | ... |
**Recommendation**: [Ship / Extend / Stop / Investigate]
**Reasoning**: [Why]
**Next steps**: [What to do]
```
Think step by step. Save as markdown. Generate Python scripts for calculations if raw data is provided.
---
### Further Reading
- [A/B Testing 101 + Examples](https://www.productcompass.pm/p/ab-testing-101-for-pms)
- [Testing Product Ideas: The Ultimate Validation Experiments Library](https://www.productcompass.pm/p/the-ultimate-experiments-library)
- [Are You Tracking the Right Metrics?](https://www.productcompass.pm/p/are-you-tracking-the-right-metrics)
© phuryn · MIT · phuryn/pm-skills