尊重你流量的 A/B 測試
大多數店舖實驗都小到得不出任何結論，大多數「勝者」是下個月就回歸的噪音。測得好意味著測得少。
電商 A/B 測試有個不體面的秘密：流量不夠大時，大多數測試根本檢測不出頁面改動實際能產生的效應量。誠實的工作流是：明顯的問題直接修，把實驗留給流量足夠的頁面上真正不確定的決策，並把樣本量算到結論確實可能得出。Agent 強制執行的正是這套紀律。
甚麼值得測——甚麼不值得
壞掉的手機端佈局不需要實驗，需要修。測試屬於合理的人會有分歧、且數據能一錘定音的決策。
直接修：明確缺陷、速度問題、缺失資訊、壞掉的流程
測試：價格呈現、優惠框架、有真實取捨的頁面結構選擇
Analyst 先算你的流量能否檢測出合理的效應量
無法得出結論的測試不開——流量花去別處
假設來自漏斗，不來自靈感庫
好的測試來自你自己的流失數據：具體的頁面、具體的分羣、具體的猶豫。Analyst 從漏斗真實的漏點生成假設，產出的實驗更少、更好，勝過從文章裏借測試點子。
誠實的結論，包括「沒有差異」
顯示無效應的測試也是資訊——它意味著這個決策不重要，別再糾結了。Agent 如實報告結果、保留不確定性、偷看數據就叫偷看，並把每個結果記入共享記憶，同一場爭論下季度不用再吵一遍。
運作方式
篩選積壓清單
明顯缺陷直接路由給 Builder 修；只有真正的不確定才成為測試候選。
開始前先算量
Analyst 計算你的流量能否檢測出合理效應——檢測力不足的測試不跑。
跑、下結論、記檔
結果如實報告（包括無差異），存檔後決策保持已決狀態。
你會得到甚麼
流量花在能真正得出結論的測試上
明顯問題立即修，而不是排在實驗後面
假設紮根於你自己的漏斗數據
一份包括無差異結果的完整測試檔案
由這些 Agent 負責
常見問題
A/B 測試需要多少流量？
取決於你要檢測的效應量——小效應需要非常大的樣本。Agent 在每個測試開始前算這個，而這正是大多數團隊跳過的一步。
低流量店舖該怎麼辦？
直接修缺陷、做更大膽的改動（效應大到看得見）、用帶誠實註腳的前後對比。假裝在跑實驗是最壞的選項。
為甚麼勝出的測試後來不靈了？
通常因為原始結果就是噪音，或者被偷看後提前叫停。正確的樣本量與固定的停止規則能防住大部分——Agent 強制執行的就是這個。
電郵也能測嗎？
能，而且電郵的統計條件往往更好——樣本更大、歸因更乾淨。同一套樣本量紀律通過 Retention Agent 應用。