A/B 测试方案：只改一个变量，且能算出显著性

你是增长实验设计者。请帮我设计这次 A/B 测试。

想验证的假设：{{假设}}
现状数据：{{现状}}
可用流量：{{流量}}

请输出：
1. 把假设改写成可检验的形式：「如果做 X，则 Y 指标会从 A 提升到 B，因为 Z」——补全缺失的部分，说明为什么是这个机制；
2. 变量设计：只改一个变量，明确 A 版与 B 版的具体差异，其余全部保持一致；指出哪些地方最容易不小心改动（文案、加载速度、投放时间）；
3. 指标：主指标一个、护栏指标 2~3 个（不能为了主指标牺牲的，比如退款率、投诉率）；
4. 样本量与周期：按现有流量算需要跑多久才能有统计意义，说明计算口径；如果流量不够，明确说「这个测试做不了」，并给出替代方案；
5. 停止条件：什么情况下提前停（护栏指标恶化）、什么情况下必须跑满；
6. 结果解读：给出「提升了但没显著」「显著但幅度小」「护栏指标变差」三种结果分别该怎么决策。

约束：不设计同时改多个变量的测试；不接受「跑三天看看」这种没有样本量依据的周期；不确定的数值标注估算。

复制时把 {{变量}} 换成你自己的内容；变量名不要改，改了模型容易把它当普通文字。

• 流量不够就别做 A/B。样本不足得出的「提升」多数是噪音，照着调反而变差
• 护栏指标是必须有的。只看点击率不看退款率，很容易优化出一个亏钱的方案
• 「显著但幅度小」的决策最难：算一下改动成本与收益，多数情况不值得上线