Przejdź do treści
Biblioteka skilli
Dane i analityka · Analiza

ab-test-analysis

/ab-test-analysis

Prowadzi rygorystyczną statystyczną analizę testów A/B: istotność statystyczna, wykrywanie niezgodności proporcji próby (SRM) i walidacja projektu testu przed startem.

Licencja
MIT
Ostatnia zmiana repozytorium
25.09.2026

Ocena i bezpieczeństwo

90/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść25 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
4
Skrypty
1
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 25.09.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co sprawdzić przed instalacją
  • 1 skrypt w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: scripts/ab_test_analyzer.py

Co robi i kiedy

Prowadzi rygorystyczną statystyczną analizę testów A/B: istotność statystyczna, wykrywanie niezgodności proporcji próby (SRM) i walidacja projektu testu przed startem.

Oryginalny opis (EN)

Rigorous A/B test statistical analysis. Use when analyzing experiment results, calculating statistical significance, checking for sample ratio mismatch, or validating test design before launch.

Jak działa

SKILL.md bez nagłówków drugiego poziomu · 31 linii, 369 słów

Podgląd SKILL.md
---
name: ab-test-analysis
description: Rigorous A/B test statistical analysis. Use when analyzing experiment results, calculating statistical significance, checking for sample ratio mismatch, or validating test design before launch.
---

# A/B Test Analysis

# When to use
- An experiment has finished and the team needs a ship / no-ship recommendation
- Results look directionally positive but the team is unsure if they're statistically significant
- A test has been running for weeks without a clear winner and someone needs to decide whether to continue
- A new experiment needs sample-size planning before launch
- Results are disputed and need a rigorous, documented analysis

# Process
1. **Confirm test design** — verify the hypothesis, the control and treatment definitions, the randomisation unit (user/session/device), the primary metric, any guardrail metrics, and the target split ratio.
2. **Check for sample ratio mismatch (SRM)** — run a chi-square test on the actual vs. expected split. If SRM is detected, stop and investigate the randomisation pipeline before interpreting results. Use `scripts/ab_test_analyzer.py --check-srm`.
3. **Calculate per-variant metrics** — compute the rate (or mean) and 95% confidence interval for the primary metric in each variant. Document absolute and relative difference.
4. **Run the significance test** — execute a two-proportion z-test (for rates) or Welch's t-test (for means). Record z-score, p-value, and 95% CI for the effect. Use `references/statistical_tests_reference.md` if unsure which test applies.
5. **Check guardrail metrics** — run the same significance test for each guardrail metric. A significant degradation on any guardrail is a blocker regardless of primary metric results.
6. **Produce the recommendation** — synthesise SRM result, power, significance, and guardrail checks into a clear ship / no-ship / extend decision. Quantify the expected business impact if shipped. Record in `assets/ab_test_report_template.md`.

# Inputs the skill needs
- Test plan or hypothesis document (variant definitions, randomisation unit, primary metric)
- Data with at minimum: user_id, variant assignment, primary metric outcome
- Optional: guardrail metric values per user, daily aggregate data for temporal validity checks
- Target split ratio (e.g., 50/50)
- Minimum detectable effect or business threshold for "worth shipping"

# Output
- `scripts/ab_test_analyzer.py` — runs SRM check, significance test, power analysis, and guardrail checks from a CSV or summary stats input
- `references/statistical_tests_reference.md` — which test to use and when
- `references/ab_test_design_guide.md` — SRM causes, power planning, peeking and multiple testing
- `assets/ab_test_report_template.md` — structured report: design, results, checks, recommendation, expected impact
Pliki w paczce (4)
  • SKILL.md 3 KB
  • assets/ab_test_report_template.md 2 KB
  • references/ab_test_design_guide.md 3 KB
  • scripts/ab_test_analyzer.py 7 KB

Wersje

RepozytoriumWynikLicencja
Ta strona · nimrodfisher/data-analytics-skills90MIT
The-Utopia-Studio/skills100Apache-2.0
sofetizm/honestab100MIT
tarunccet/pm-skills100MIT
phuryn/pm-skills95MIT
holistics/skills90Apache-2.0

Identyczna treść występuje jeszcze w 1 innych folderach na GitHubie. Tu pokazujemy jedną, najlepiej ocenioną kopię.

Migawka bazy z 13.11.2026 · wersja paczki f85f45db9a74 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100ab-test-setup
    Projektuje i analizuje testy A/B: wielkość próby, czas trwania testu i istotność statystyczną eksperymentów konwersji.
  • 100experiment
    Odpowiada za analizę i cykl życia eksperymentów: projekt, moc statystyczna, analiza, interpretacja i monitoring testów A/B, z kontrolą SRM na początku.
  • 100experiment
    Prowadzi pełny cykl eksperymentu: projekt, analiza mocy, analiza statystyczna, interpretacja, raport i monitoring testów A/B, zaczynając od bramki SRM.
  • 100ab-test-stats
    Liczy istotność statystyczną testów A/B, wymaganą wielkość próby i czas trwania eksperymentu.
  • 90product-ab-testing
    Projektuje i analizuje testy A/B: formułuje hipotezę, liczy wielkość próby, sprawdza istotność statystyczną i testy AA.
  • 100ab-test-setup
    Projektuje, planuje i analizuje testy A/B z rygorem statystycznym: istotność, wielkość próby i czas trwania testu wielowymiarowego.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.