AB可用性分析生成器（生成即用·AB分析代码）

一句话价值

产出 AB 实验显著性检验代码（t 检验/卡方），算样本量与是否显著。

适用场景（何时用我）

• 当你要产出《AB分析代码》却卡在结构、不知从哪几块下手时；
• 适用于产品设计、用户体验与交互相关的做分析、跑模型工作/学习场景；
• 想要一份专业、可填写、开箱即用的模板，而不是从零搭。

核心方法与代码

分析方法

1. 假设与指标
2. 样本量测算
3. 分组与随机
4. 显著性检验（t/卡方）
5. 效应量与置信区间

可运行代码模板（自带占位数据，替换为你自己的数据即可跑）

from scipy import stats
import math

def ab_z_test(ca, na, cb, nb):         # 转化数/样本数
    pa, pb = ca/na, cb/nb
    se = math.sqrt(pa*(1-pa)/na + pb*(1-pb)/nb)
    z = (pb-pa)/se
    p = 2*(1-stats.norm.cdf(abs(z)))
    return z, p

def sample_size(p, power=0.8, a=0.05, mde=0.02):
    za, zb = 1.96, 0.84
    return ((za+zb)**2 * 2*p*(1-p)) / mde**2

# 用法：ab_z_test(转化A,样本A,转化B,样本B)

使用步骤

1. 告诉我你要做的《AB分析代码》主题与背景（一句话即可）；
2. 我产出结构化模板，你按提示填入自己的内容；
3. 如需调整维度/增删模块，直接说，我改。

红线与注意事项

• 示例数据均为虚构（如「示例公司/北京/上海」），不含任何真实个人/业务数据（R-去个人化）；
• 本模板为结构脚手架，具体数据、事实与专业判断需你自行核实；
• 金融/法律/薪酬等涉及专业合规的领域，模板不替代持牌专业人士意见；
• 无外部 API 依赖，纯提示词/代码模板型，国内可直接使用。

💗 大白话介绍

你把它当成一个「AB分析代码填空神器」——我先把行家会写的模块都列好，你往里填自己的东西就行，省得每次从头琢磨该写啥。