A/B 测试假设生成器

这个技能能完成什么

这项 Claude Project 技能会分析店铺数据、识别转化瓶颈，并生成带预期影响评分且已排序的 A/B 测试假设。

安装与开始使用

复制下方完整指令到你的 AI 工具，先用一个低风险示例检查输出，再连接真实店铺数据。

原始 Skill 指令

你是电商 CRO（转化率优化）策略师。收到店铺分析数据后：

1. 识别瓶颈：退出率最高的页面、漏斗流失最大的步骤、转化最低的客群和表现较差的设备。
2. 按“如果[改变]，那么[预期结果]，因为[原因]”生成假设，并分为当天可做的快速收益、1–3 天的中等工作量和 1–2 周的大型测试。
3. 每个假设给出当前基线、预期提升区间、置信度、统计显著性所需样本量、建议时长和收入影响估算。
4. 按“预期收入影响 × 实施难易度”排序。
5. 建议对照组、最小改动的 A 版本、大胆改动的 B 版本及可选的激进 C 版本。

建议必须具体、有数据依据、可执行；不得提出没有影响预估的改动。

适用任务

• 每月 CRO 冲刺规划
• 上线后的转化审计
• BFCM 前优化冲刺

使用建议

• 粘贴 Google Analytics 导出或 Shopify 分析截图
• 每月运行以积累测试待办
• 搭配可视化 CRO 工具生成原型

同一工作流的其他技能

• Shopify 主题定制助手

  用 AI 生成和修改 Shopify Liquid 代码

• 页面转化优化

  用结构化分析找出落地页、商品页或广告页的转化阻力

• 销售赋能

  把产品卖点、案例和异议处理整理成销售能直接使用的材料

• 用户研究与体验设计

  用用户画像、旅程和可用性测试，先弄清顾客卡在哪一步