数据与表格实战AB测试实验统计
AB 实验结果解读
先看样本量和分流是否干净，再看显著性和实际收益。
提示词模板
请帮我解读一次 AB 实验的结果。
实验设计：{{改了什么，对照组是什么}}
样本：{{各组人数，实验时长，分流方式}}
结果数据：{{各组的核心指标、辅助指标、绝对值与百分比}}
我的预期：{{原本希望提升多少}}
输出：
1. 有效性检查：样本量够不够、分流是否均匀、有没有样本污染（同一用户跨组）、实验期是否有外部事件；
2. 统计判断：差异是否显著，置信区间是多少，用通俗语言解释「显著」意味着什么；
3. 实际意义：提升幅度对应的业务价值，是否值得上线；
4. 辅助指标有没有被拖累（比如转化升了但退款率也升）；
5. 分群看：新老用户、不同渠道是否有相反效果；
6. 结论：上线 / 再测 / 放弃，以及理由；
7. 如果结论不明确，下一轮该怎么改实验设计。
不要只看 p 值；样本不足时直接说不能下结论。需要替换的部分
复制模板后，把下面这些 {{…}} 换成你的真实信息；没有的信息宁可留空，也不要让模型编。
{{改了什么，对照组是什么}}{{各组人数，实验时长，分流方式}}{{各组的核心指标、辅助指标、绝对值与百分比}}{{原本希望提升多少}}
什么时候用
实验结束做决策、汇报实验结果。
示例
转化率从 3.1% 到 3.3%，样本各 2 万，置信区间跨 0，就不能说有效。
使用建议
- 1先验证实验有效性，再看效果。
- 2显著不等于值得做，要算业务价值。
- 3分群效果相反时，别急着全量。
方法来源：AB 测试方法（统计推断基础）。模板为中文改写与整理，可按你的任务继续修改。