A/B 结果用 AI 整理：假设、数据、结论、下一步
A/B 跑完了，别再说「B 好像高一点」。把假设、样本量、置信区间和下一步整理成一页读报，让 AI 只算不拍板，上线还是再跑一轮由你决定。
适合人群
刚接触 AI、负责产品/营销落地页和活动 A/B 测试、要写测试结论给老板拍板的数据分析或运营新人
先解决什么
A/B 测试跑完手里只有两个转化率，说不清当初假设、样本够不够、结论成不成立、下一步该上线还是再跑一轮。
学完结果
一份可直接发的一页 A/B 读报：假设回顾、关键数据、统计结论、下一步行动，每条动作都带负责人和截止时间。
你会学到什么
先写假设再跑数，AI 只整理你不改写目标
结论必须带样本量、差幅和置信区间下限，只看转化率会误判
让 AI 只给三选一动作：上线、不下线、再跑一轮
临时投放和混跑流量要单独剔除，统计显著不等于业务值得上线
开场困境
版本 B 转化率更高，但我不敢说它赢了
周三早上，A/B 测试跑了 7 天，你打开后台看到 B 版落地页转化率 3.4%，A 版 2.8%，心想：B 赢了。可当老板问「能全量上线吗」，你突然答不上来——样本够不够、差距是不是运气、要不要再跑一周，你一个都没把握。
A/B 结果不是「哪个数字高哪个赢」，而是一份能回答四件事的读报：当时假设是什么、原始数据是什么、结论成立到什么程度、下一步具体做什么。
错误做法
把两个转化率丢给 AI，它只会替你拍板
最常见的错误，是把「A 2.8%、B 3.4%」一行字丢给 AI，问它哪个版本好。AI 会立刻回你「B 版本表现更优，建议上线」，但它不知道样本量只有 300、不知道新老用户有没有混跑、更不知道你当初的假设是「提高注册转化」而不是「让页面更好看」。
反例：只给两个转化率就让 AI 判断胜负，AI 输出「B 明显更优」，但两组样本各只有 150 人，统计上根本不够。
反例：没写原始假设，AI 把结论写成「新版视觉更清爽」，和「提升注册转化」的目标对不上。
反例：没说新老用户分流规则，AI 把混在一起的人群当成同一个整体，结论被新用户拉高。
反例：AI 建议「立即全量上线」，你照做了，但置信区间下限接近 0，两周后效果回落，回退成本高。
实操流程
5 步把 A/B 结果压成一张能拍板的读报
输入样例：把下面这段原样整理好再贴给 AI——测试目标：提升落地页注册转化率；原始假设：把首屏按钮从橙色改为蓝色，预期注册转化率从 2.8% 提升到 3.2% 以上；测试时长：7 天；分流：按 user_id 随机 50/50；A 组旧版 6,000 访客、168 转化；B 组新版 6,000 访客、204 转化；显著性水平 0.05。
- 先写一行假设：测试想解决什么问题、预期升到多少。没有假设，结论就是摆设。
- 把原始数据抄成固定格式：组别、访客数、转化数、时长、分流规则，一条一行，别在抄的时候替 AI 下结论。
- 让 AI 只输出四栏：假设回顾、关键数据、统计结论、下一步行动，并明确禁止编造样本量和置信区间。
- 单独要求 AI 列出三个统计量：两组样本量、差幅、95% 置信区间下限，缺一个就视为没算完。
- 把 AI 的结论翻译成三选一动作：上线、不下线、再跑一轮，每条动作带负责人和时间。
案例
同一组数据，AI 给出的是「可再跑」不是「立即上线」
输入：沿用上面的输入样例。AI 输出：假设回顾——目标是提升注册转化率，预期从 2.8% 提升到 3.2% 以上。关键数据——A 组 6,000 访客、168 转化（2.80%）；B 组 6,000 访客、204 转化（3.40%）；差幅 +0.60 个百分点。统计结论——95% 置信区间下限为 +0.12 个百分点，p 值 0.046（<0.05），B 在统计上优于 A，但下限离 0 很近，显著性偏弱。下一步——建议再跑 7 天，同时把周六临时投放带来的 1,200 个访客单独剔除复核；若结果稳定，再全量上线 B 并保留旧版作为回退开关。
你没盲从「B 赢了」，而是把临时投放的流量剔除后重算，发现自然流量里的差幅缩到 +0.3 个百分点，结论从「立即上线」变成「再跑一周确认」。这一步就是 AI 帮不了你、必须人工把关的地方。
可复制提示词
直接复制这条提示词
把下面这段和你的 A/B 数据一起发给 AI，它只整理不拍板，并把缺的信息单独列出来。
你是一名数据分析助理。下面是我跑完的 A/B 测试原始信息，请按四栏输出一份读报：1.假设回顾：重述我的测试目标和原始假设，不要改写；2.关键数据：列出两组样本量、访客数、转化数、转化率和差幅，只能使用我提供的数据；3.统计结论：给出显著性水平、p 值或置信区间，并判断是否达到显著；如果数据不足，直接写【数据不足】，不要编造 p 值；4.下一步行动：只给三选一——上线、不下线、再跑一轮，每条动作带负责人和截止时间，没有就写待定。规则：只使用我提供的数据，禁止编造用户反馈、行业基准或额外样本；最后单独列一栏【人工待核】，标出你会需要但没给的信息。
测试目标：[一句话]
原始假设：[预期提升到多少]
测试时长：[天数]
显著性水平：[例如 0.05]
分流规则：[例如按 user_id 随机 50/50]
数据：A组｜访客数｜转化数；B组｜访客数｜转化数人工检查
发给老板前，过一遍这六项
假设是不是我写的原始目标？AI 有没有偷偷改成「页面更好看」这类无法验证的话。
两组样本量写清了吗？有没有 9:1 这种严重不均衡的分流没说明。
置信区间下限出现了吗？只看 p 值会漏掉「显著但幅度很小」的风险。
结论里有没有我数据里没有的东西？「用户更喜欢蓝色」这种话就是编的。
下一步是不是三选一：上线、不下线、再跑一轮？「继续优化」不算动作。
有没有检查混入临时投放、新老用户混跑等污染源？有就单独剔除复核。
可直接套用的流程
1. 先写清楚任务目标：这次要让 AI 帮你完成什么工作，而不是泛泛地问一个问题。
2. 再给资料边界：哪些背景、数据、约束、口径必须被使用，哪些内容不能编。
3. 最后规定输出格式：用清单、表格、方案、话术还是复盘报告，并保留人工检查。
本篇所在栏目「数据分析」
本专题第 7 篇 / 共 7 篇