К основному содержанию
скилл CX Codex

measure-experiment-design — скилл для Claude Code: дизайн A/B-теста

Собирает документ с параметрами эксперимента: варианты, метрики, размер выборки и срок. Нужен, когда гипотеза уже сформулирована, а тест ещё не запущен.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add product-on-purpose/pm-skills --skill measure-experiment-design -a claude-code
Открыть на GitHub

Что делает measure-experiment-design

Скилл ведёт агента по восьми шагам: гипотеза, варианты, метрики, размер выборки, длительность, таргетинг, критерии успеха, риски. На выходе — заполненный по шаблону документ со всеми разделами, от обзора до заметок по внедрению. Одна гипотеза на эксперимент, одна основная метрика — остальное скилл относит к вторичным и guardrail-метрикам.

Внутри лежат references/TEMPLATE.md и references/EXAMPLE.md: по первому строится структура ответа, второй показывает готовый пример. Размер выборки считается под минимально детектируемый эффект с уровнем значимости и мощностью, длительность — по доступному трафику с поправкой на недельные колебания. Критерии победы и поражения фиксируются до старта.

Гипотезу этот скилл не придумывает. Если формулировки ещё нет, сначала нужен define-hypothesis — иначе агенту нечего тестировать. Для разбора завершённого теста есть measure-experiment-results, для событий трекинга — measure-instrumentation-spec.

Какие задачи решает

  • посчитать размер выборки под нужный эффект
  • зафиксировать критерии успеха до запуска теста
  • разложить гипотезу на контроль и treatment
  • оценить длительность теста по трафику
  • добавить guardrail-метрики против побочного вреда

Примеры запросов агенту

  • Спроектируй A/B-тест для гипотезы про новую кнопку оформления заказа
  • Посчитай размер выборки и срок для теста на конверсию онбординга
  • Собери документ эксперимента по шаблону measure-experiment-design

Как установить measure-experiment-design

1Через Skills CLI (Vercel)

npx skills add product-on-purpose/pm-skills --skill measure-experiment-design -a claude-code

2Вручную: положить файлы

~/.claude/skills/measure-experiment-design/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/measure-experiment-design/

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

Вопросы о measure-experiment-design

Как установить measure-experiment-design в Claude?

Выполните npx skills add product-on-purpose/pm-skills --skill measure-experiment-design -a claude-code. После этого файл скилла окажется в ~/.claude/skills/measure-experiment-design/SKILL.md.

Что делает measure-experiment-design?

Описывает параметры A/B-теста или контролируемого эксперимента: варианты, основную и вторичные метрики, размер выборки, длительность, таргетинг и критерии успеха. Результат — документ по шаблону из references/TEMPLATE.md.

Чем отличается от define-hypothesis?

define-hypothesis формулирует саму гипотезу, а measure-experiment-design проектирует тест под уже готовое утверждение. Если гипотезы нет, начинать нужно с первого.

Исходный текст

SKILL.md · Apache-2.0
---
name: measure-experiment-design
description: Designs an A/B test or experiment with variants, success metrics, sample size, and duration for an existing hypothesis. Use when planning an experiment to validate a product change or test an assumption you have already framed. To articulate the hypothesis itself first, use define-hypothesis.
license: Apache-2.0
metadata:
  phase: measure
  version: "2.1.0"
  updated: 2026-06-10
  category: validation
  frameworks: [triple-diamond, lean-startup, design-thinking]
  author: product-on-purpose
---
<!-- PM-Skills | https://github.com/product-on-purpose/pm-skills | Apache 2.0 -->
# Experiment Design

An experiment design document defines all parameters needed to run a rigorous A/B test or controlled experiment. It ensures the team aligns on what you're testing, how you'll measure success, and how long to run the test before drawing conclusions. Good experiment design prevents common pitfalls: underpowered tests, unclear success criteria, and decisions based on noise rather than signal.

## When to Use

- Before launching an A/B test to validate a product change
- When testing a hypothesis that requires quantitative validation
- After solution design to validate assumptions before full rollout
- When stakeholders want data-driven evidence for a decision
- To establish a culture of experimentation and learning

## When NOT to Use

- The hypothesis itself is not yet articulated -> use `define-hypothesis` first; this skill designs the test for a claim you already have
- You are analyzing a completed experiment -> use `measure-experiment-results`
- You need the event tracking that will measure the experiment -> use `measure-instrumentation-spec`
- You are gathering opinions rather than running a controlled test -> use `measure-survey-analysis`

## Instructions

When asked to design an experiment, follow these steps:

1. **Articulate the Hypothesis**
   Write a clear, testable hypothesis in the format: "We believe [change] for [users] will [outcome] as measured by [metric]." One hypothesis per experiment - if you're testing multiple things, run multiple experiments.

2. **Define the Variants**
   Describe the control (current experience) and treatment (new experience) in sufficient detail. Include screenshots, mockups, or precise descriptions so anyone can understand what users will see.

3. **Choose Primary and Secondary Metrics**
   Select one primary metric that will determine success or failure. Add 2-3 secondary metrics to understand the broader impact. Include guardrail metrics to catch unintended negative effects.

4. **Calculate Sample Size**
   Determine how many users you need per variant to detect your minimum detectable effect (MDE) with statistical significance. Specify your significance level (typically 0.05) and power (typically 0.80).

5. **Estimate Duration**
   Based on sample size and available traffic, calculate how long the experiment needs to run. Account for weekly patterns - avoid ending mid-week if behavior varies by day.

6. **Define Targeting and Allocation**
   Specify which users are eligible for the experiment and how traffic is split between variants. Document any exclusions (e.g., employees, specific segments).

7. **Set Success Criteria**
   Define upfront what constitutes a win, a loss, or an inconclusive result. This prevents post-hoc rationalization and moving goalposts.

8. **Document Risks and Mitigations**
   Identify what could go wrong and how you'll detect/address it. Include monitoring plans and rollback criteria.

## Output Format

Use the template in `references/TEMPLATE.md` to structure the output. A complete design fills every template section: Overview; Hypothesis; Background; Variants; Metrics; Sample Size & Duration; Audience Targeting; Success Criteria; Risks & Mitigations; Implementation Notes; and References.

## Quality Checklist

Before finalizing, verify:

- [ ] Hypothesis is falsifiable and specific
- [ ] Only one primary metric is defined
- [ ] Sample size calculation is documented with assumptions
- [ ] Duration accounts for traffic patterns and statistical requirements
- [ ] Success criteria are defined before the experiment starts
- [ ] Guardrail metrics protect against unintended harm

## Examples

See `references/EXAMPLE.md` for a completed example.

© product-on-purpose · Apache-2.0 · product-on-purpose/pm-skills

Похожие скиллы

Всё по теме «Тесты и QA» →
launchdarkly-experiment-setup launchdarkly Проводит агента по всему циклу эксперимента в LaunchDarkly: метрики, варианты, запуск сбора данных и остановка с победителем. CX Codex +1 2 700установок managing-experiment-lifecycle PostHog Скилл ведёт эксперименты PostHog по состояниям: запуск, пауза, заморозка показа, завершение, архивация и перенос старого эксперимента в новый движок. CX Codex +1 379установок experiment-designer Alireza Rezvani Помогает спланировать A/B-тест, задать гипотезу и оценить результаты. Нужен перед запуском эксперимента или разбором статистики. 608установок configuring-experiment-rollout PostHog Скилл помогает агенту настроить разбивку вариантов и процент роллаута в экспериментах PostHog, а также разобрать неоднозначные запросы вроде «раскатить на 25%». CX Codex +1 389установок 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 a-b-test-design Owl-Listener Помогает спланировать A/B-тест: гипотеза, варианты, основная метрика и размер выборки. Пригодится, когда изменение можно измерить количественно. CX Codex +1 2 100установок

Из того же набора68

develop-solution-brief Собирает одностраничный бриф: что за проблема, что предлагаете, какие компромиссы и риски. Пригодится перед написанием подробной спецификации. CX Codex +1 772установок discover-interview-synthesis Скилл собирает заметки и транскрипты пользовательских интервью в темы, цитаты, инсайты и рекомендации. Пригодится после раунда исследований, когда нужно показать команде, что вы услышали. CX Codex +1 770установок define-jtbd-canvas Скилл собирает канвас Jobs to be Done: функциональную, эмоциональную и социальную стороны работы клиента. Пригодится, когда нужно понять мотивацию до того, как что-то строить. CX Codex +1 770установок measure-dashboard-requirements Помогает составить требования к дашборду: фиксирует бизнес-вопросы, формулы метрик, срезы и источники данных. Пригодится при постановке задач аналитикам. CX Codex +1 756установок deliver-release-notes Превращает список изменений в релиз-ноты, которые читают пользователи: что нового, что улучшили, что починили. CX Codex +1 751установок foundation-persona Собирает персону покупателя или пользователя по шаблону v2.5: с метками уверенности, списком допущений и открытыми вопросами. Пригодится перед PRD, запуском и спорами о приоритетах. CX Codex +1 745установок develop-design-rationale Скилл помогает оформить обоснование UX-решений, разобрать альтернативы и зафиксировать компромиссы. Пригодится перед защитой дизайна перед стейкхолдерами. CX Codex +1 744установок measure-instrumentation-spec Скилл описывает, какие события аналитики трекать, когда они срабатывают и какие свойства несут. Пригодится до старта разработки фичи. CX Codex +1 744установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой