Transform validated hypotheses…
Transform validated hypotheses into rigorous, executable experiment designs
experiment-design能帮你做什么
不说虚话——S7378 交付的是能直接拿去用的成品，不是“AI 能做”的空话。
用大白话交代任务，它会先确认关键细节再动手，不瞎猜。
输出带结构与说明，拿来就能用，不用再自己整理格式。
与 AIXX 其他技能叠加使用，组成你自己的工作流。
把常用要求沉淀成一句话模板，下次直接复用。
真实任务实跑产出
下面是真实任务由 S7378 实际生成的内容节选——不是宣传文案，是它真的干出来的活。
experiment-design · 实跑样例
任务：把“小红书投放能提升新客转化”这个假设设计成A/B实验，针对我们美妆天猫店，样本量、分组和实验周期都要算出来。
# 美妆天猫店“小红书投放提升新客转化”A/B实验设计
一、明确假设与核心指标
- 原假设H0：小红书投放对新客转化率无提升
- 备择假设H1：小红书投放能显著提升新客转化率
- 核心指标：新客转化率 = 新成交客户数 ÷ 新访客数（区分新老客：90天内无成交记录为新客）
- 辅助指标：新客客单价、搜索进店量、品牌词搜索量（衡量溢出效应）
二、分组方案
天猫无法在单店层面随机分流买家，建议按流量渠道维度分组：
- 对照组：不投放小红书，仅靠自然流量（搜索、推荐、老客复购）
- 实验组：正常投放小红书（种草笔记+达人合作+报备信息流）
- 注意事项：
- 两组需保持其他营销动作一致（大促节奏、店铺活动、客服话术）
- 用相同时间窗内的渠道数据对比，而非把用户分组（避免污染）
- 若预算允许，可做“投放量阶梯”多组设计，观察剂量效应
三、样本量计算
依据转化率检验的样本量公式：n = 2×(Zα/2+Zβ)²×p(1-p)/δ²
- 假设基线新客转化率为 2%~4%（美妆行业常见区间，建议先用本店历史数据代入）
- 设定：显著性水平 α=0.05（双尾），统计功效 1-β=0.8，最小可检测提升（MDE）取相对提升20%（即从3%升至3.6%）
- 按上述参数估算，每组约需 1.5万~3万新访客；若MDE收紧到10%，样本量约翻4~5倍
- 实操建议：用本店实际基线转化率在Evan Miller样本量计算器中核算后再定稿
四、实验周期
- 总周期：4~6周
- 第1周：预热期，确保两组除投放外条件对齐
- 第2~5周：正式投放与数据采集（需覆盖至少2个完整周末，避开大促或覆盖整个大促）
- 第6周：观察期，小红书种草有延迟转化（用户浏览后7~30天才购买），需追踪滞后成交
- 验收标准：实验组新客转化率提升显著（p<0.05），且搜索/店铺访客增量可解释归因路径
五、风险提示
- 归因污染：小红书曝光的用户可能直接搜品牌词进店，会被计入“自然流量”——建议同时监测品牌词搜索趋势作为佐证
- 季节性干扰：避开618/双11前两周启动，或两组同步覆盖
- 结果不显著≠无效：先检查样本量是否达标、延迟转化是否计入
三种做法,一比就知道
| 再招一个人 | 自己摸索 | 萬安云 S7378 | |
|---|---|---|---|
| 价格 | 月薪数千起 | 反复试错数小时 | $1.99 / 次 |
| 交付周期 | 招聘+培训数周 | 质量不稳定 | 分钟级 |
| 独特性 | 流动风险 | 无人复核 | 按你的任务从零生成 |
| 改稿迭代 | 加钱，走流程 | 反复试错 | 说话就能迭代 |
两步,让它开工
不用碰终端——你只管对 agent 说话,跑命令的活它来。
对你的 agent 说:
对你的 agent 说:
以上 Agent 均可接入萬安云 · OpenAI 兼容接口 · 装好 AIXX 即可调用全部技能
你可能想问
experiment-design怎么安装使用？
三步：终端执行 npx aixxai 安装 AIXX；对您的 AI 说「安装编号 S7378」；交代任务背景与要求，experiment-design即刻开工。
experiment-design多少钱？怎么付费？
$1.99 一次买断（参考价，实际以平台标价为准）——永久使用，无订阅、无月费；该技能由萬安永久维护迭代，更新对已购用户免费。
产出内容能商用吗？
可以。产出为普通数字文件，归购买者使用，可用于商业场景。
具体能帮我做什么？
把你手头这件重复、费时、有固定套路的活交给它——先描述任务和背景，它会确认要点后直接产出成品，不满意可以继续改。
输出质量不稳定怎么办？
在指令里补充背景、受众与格式要求（例如“面向中小企业主、300 字以内、分三点”）；要求越具体，产出越稳。
一价买断,没有套路
永久使用 · 无订阅无月费 · 永久维护迭代