data-engineering-data-driven-feature
Construa Recursos Orientados por Dados com Testes A/B
Esta habilidade fornece um fluxo de trabalho abrangente para construir recursos guiados por insights de dados, testes A/B e medição contínua usando agentes de IA especializados para análise, implementação e experimentação.
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“data-engineering-data-driven-feature”。 Iniciar recurso orientado por dados para uma nova otimização de fluxo de checkout
预期结果:
Plano de fluxo de trabalho: (1) Fase EDA - analisar funnel de conversão atual, (2) Hipótese - 'Checkout simplificado aumentará a conversão em 5%', (3) Design do experimento - teste de 2 semanas, 10% do tráfego, métrica principal: taxa de conclusão de checkout, (4) Analytics - rastrear checkout_start, checkout_step_complete, checkout_abandon, (5) Arquitetura - feature flag LaunchDarkly, rollout gradual começando em 5%
正在使用“data-engineering-data-driven-feature”。 Projetar experimento para mudança no algoritmo de recomendação
预期结果:
Design estatístico: Tamanho amostral necessário de 50.000 usuários por variante para 80% de poder para detectar melhoria de 2%. Métrica principal: taxa de cliques, Métricas de salvaguarda: latência, taxa de erro. Randomização: hash de user_id. Análise: teste t de duas caudas com correção de Bonferroni para múltiplas métricas.
安全审计
安全All 16 static findings are false positives. The skill is a legitimate data engineering workflow orchestrating specialized agents for data analysis, hypothesis development, A/B testing, and statistical analysis. No external commands, cryptographic algorithms, or malicious code patterns are present.
高风险问题 (1)
中风险问题 (1)
质量评分
你能构建什么
Gerente de Produto Planejando Experimentos
Gerentes de produto usam este fluxo de trabalho para planejar lançamentos de recursos orientados por dados com design adequado de experimentos, definição de métricas de sucesso e rigor estatístico.
Cientista de Dados Estruturando Análise
Cientistas de dados seguem este fluxo de trabalho para estruturar testes A/B, definir hipóteses com pontuação ICE ou RICE e realizar análise estatística adequada.
Engenheiro Implementando Feature Flags
Engenheiros de backend usam este fluxo de trabalho para implementar feature flags, configurar rollouts graduais e estabelecer instrumentação de analytics adequada desde o início.
试试这些提示
Use a habilidade data-engineering-data-driven-feature para me ajudar a planejar um novo recurso. O recurso é: [descreva sua ideia de recurso]. Quero validá-lo com teste A/B e medir seu impacto em [métrica chave de negócio].
Preciso projetar um teste A/B para [nome do recurso]. Ajude-me a criar um design de experimento estatístico incluindo cálculo de tamanho amostral, métricas de sucesso e métricas de salvaguarda. A métrica alvo é [métrica], a melhoria esperada é [porcentagem].
Ajude-me a projetar instrumentação de analytics abrangente para [recurso]. Preciso rastrear interações do usuário incluindo [listar eventos]. Recomende schemas de eventos e propriedades para segmentação em [Amplitude/Mixpanel/Segment].
Nosso teste A/B para [recurso] foi concluído com [tamanho da amostra] usuários durante [período de tempo]. O tratamento mostrou [resultados]. Ajude-me a realizar análise estatística, calcular significância e avaliar impacto de negócio.
最佳实践
- Defina métricas de sucesso e métricas de salvaguarda antes de iniciar o desenvolvimento para evitar p-hacking
- Comece rollouts graduais em 5-10% do tráfego e monitore taxas de erro antes de aumentar
- Execute experimentos por ciclos semanais completos para considerar efeitos do dia da semana
- Documente todas as decisões e aprendizados para ciclos futuros de desenvolvimento de recursos
避免
- Executar experimentos sem critérios de sucesso predefinidos e tomar decisões de forma ad-hoc
- Começar com rollout de tráfego total em vez de rollout gradual arriscando problemas generalizados
- Ignorar métricas de salvaguarda e implantar mudanças que prejudicam a experiência do usuário
- Encerrar experimentos precocemente quando os resultados parecem promissores sem poder estatístico adequado