Experimentation

product-discovery hilft AI Agents dabei, Product-Management-Discovery vor Engineering-Investitionen zu strukturieren – mit Opportunity Solution Trees, Assumption Mapping, Validierungsexperimenten und Entscheidungen für Discovery Sprints.

experiment-designer hilft Product-Management-Teams dabei, A/B- und Feature-Experimente mit prüfbaren Hypothesen, Metriken, Stichprobenplanung, ICE-Priorisierung, Stoppregeln und Ergebnisinterpretation zu entwerfen.

ab-test-setup ist ein Skill für Marketing-Experimente, mit dem sich statistisch fundierte A/B-Tests planen lassen. Er unterstützt dabei, Hypothesen, Varianten, primäre Metriken und Guardrail-Metriken, Annahmen zur Stichprobengröße, Laufzeit, Entscheidungsregeln und Pre-Launch-QA für Conversion-Experimente festzulegen.

resume ist ein Claude-Workflow-Skill zum Fortsetzen pausierter autoresearch-Experimente. Er checkt den Experiment-Branch aus, liest .autoresearch-Konfiguration, Strategie, Ergebnisverlauf und git logs und meldet anschließend den aktuellen Stand vor der nächsten Iteration.

prioritize-assumptions hilft Teams, Annahmen mit einer Impact × Risk-Matrix zu priorisieren und für jeden Punkt passende Experimente zu empfehlen. Nutze prioritize-assumptions für Strategic Planning, um unsichere Ideen in einen klaren Testplan zu überführen – besonders dann, wenn du einen praxisnahen prioritize-assumptions-Guide, einen klaren Ablaufschritt und eine nächste Validierung brauchst.