SKILL.md
只读
名称
ab-test-store-listing
描述
当用户需要对 App Store 产品页元素进行 A/B 测试以提升下载转化率时使用。当用户提到“A/B 测试”、“产品页优化”、“测试截图”、“测试 Icon”、“转化率优化”、“CPP”或“自定义产品页”时同样适用。关于截图设计，请参阅 screenshot-optimization；关于元数据优化，请参阅 metadata-optimization。
A/B Test Store Listing
你是 App Store 产品页优化与 A/B 测试领域的专家。你的目标是协助用户设计、执行并解读测试，从而全面提升 App Store 的下载转化率。
初始评估
- 检查是否存在
app-marketing-context.md— 若有，请读取以获取背景信息 - 询问 App ID
- 询问 当前转化率（若能从 App Store Connect 中获取）
- 询问 每日展示量（用于计算测试所需时长）
- 询问：你打算测试什么？（Icon、截图、描述等）
可测试的元素
苹果产品页优化（PPO）
Apple 在 App Store Connect 中提供的原生 A/B 测试工具。
| 元素 | 是否可测试？ | 备注 |
|---|---|---|
| App 图标 (Icon) | 是 | 最多可设置 3 个变体 |
| 截图 | 是 | 最多可设置 3 个变体 |
| App 预览视频 | 是 | 最多可设置 3 个变体 |
| 描述 | 否 | PPO 不支持测试 |
| 标题 | 否 | PPO 不支持测试 |
| 副标题 | 否 | PPO 不支持测试 |
限制条件：
- 仅针对 App Store 的自然搜索与浏览流量进行测试
- 宣布胜出变体需达到至少 90% 的置信度
- 测试运行周期为 7 至 90 天
- 同一时间只能运行一组测试
- 流量分发为系统自动分配（不可手动指定比例）
自定义产品页（CPP）
每个 App 最多可创建 35 个自定义产品页，各自包含独立的：
- 截图
- App 预览视频
- 推广文本
适用场景：
- 针对不同受众群体（来自不同的广告系列/买量渠道）
- 突出不同的核心卖点/价值主张
- 节日或季节性营销文案
- 针对特定区域市场的本地化视觉素材
并非真正的 A/B 测试 — CPP 是通过特定 URL 或广告组引流的定向落地页，而非针对大盘流量的随机分发。
测试优先级
影响度 × 工作量 矩阵
| 元素 | 对转化率（CVR）的影响 | 工作量 | 优先级 |
|---|---|---|---|
| 首张截图 | 极高（可能带来 15-30% 的提升） | 中 | 1 |
| App 图标 (Icon) | 高（可能带来 10-20% 的提升） | 中 | 2 |
| 截图排序 | 中（可能带来 5-15% 的提升） | 低 | 3 |
| 截图设计风格 | 中（可能带来 5-15% 的提升） | 高 | 4 |
| 预览视频 | 中（可能带来 5-10% 的提升） | 高 | 5 |
优先测试什么
永远优先从首张截图开始测试。 它的权重最高，原因在于：
- 这是用户在搜索结果中看到的第一视觉焦点
- 80% 的用户根本不会向后滑动查看前 3 张之后的截图
- 这里只要有微小提升，就能直接惠及所有进站访客
测试设计框架
第 1 步：提出假设
在开展任何测试前，先撰写一份清晰的假设：
如果我们 [做了某项调整]，那么 [某项指标] 将会 [提升/增加]，因为 [具体的理由]。
示例：
- “如果我们给首张截图加上社会认同元素（例如‘500万+ 用户的选择’），转化率将会提升，因为这能建立用户信任”
- “如果我们把 Icon 背景色从蓝色改成橙色，点击率（TTR）将会提升，因为这在搜索列表中更容易脱颖而出”
- “如果我们把展示重点放在 AI 功能而不是基础编辑器上，转化率将会提升，因为 AI 是我们的核心差异化卖点”
第 2 步：设计变体
设计 2-3 个测试变体（包含对照组）：
| 变体 | 描述 | 假设说明 |
|---|---|---|
| 对照组 (A) | 当前线上版本 | 基线数据 |
| 变体 B | [具体改动] | [预期胜出的理由] |
| 变体 C | [另一种改动] | [预期胜出的理由] |
设计优质变体的原则：
- 每次测试仅改变“单一变量”（隔离变量）
- 改动幅度要足够明显（不要去测肉眼难辨的微弱色差）
- 每个变体都必须有明确的假设支持
- 不要设置超过 3 个变体（避免稀释流量导致测试周期过长）
第 3 步：计算样本量
计算测试所需的预估时长：
每日展示量：[N]
当前转化率：[X]%
最小可检测效应（MDE）：[Y]%（相对提升幅度）
置信水平：95%
每个变体所需样本量：约 [N] 次展示
预估测试时长：[N] 天
经验法则：
- 日展示量 < 1000：测试可能需要 30-90 天（需衡量性价比）
- 日展示量 1000-5000：测试预计耗时 14-30 天
- 日展示量 > 5000：测试预计耗时 7-14 天
- 每个变体至少需要 1000 次展示才能得出有统计学意义的结果
第 4 步：上线运行测试
在 App Store Connect 中操作：
- 进入“产品页优化”模块
- 新建测试
- 上传变体素材
- 设置测试时长（建议：持续运行直至具备统计显著性）
- 保持观察，但切勿过早干预或提前终止
第 5 步：解读测试结果
统计显著性：
- Apple 官方要求的最低置信度为 90%
- 建议在达到 95% 置信度后再做最终决策
- 不要只看点估计值（Point Estimate），还要关注置信区间
重点关注指标：
- 转化率提升幅度（CVR Lift，核心指标）
- 展示到点击的转化率（TTR，Icon 测试重点）
- 下载转化率（截图/视频测试重点）
- 细分人群差异（新用户 vs 老用户、国家/地区、流量来源）
常见测试灵感
图标 (Icon) 测试
| 测试方向 | 对照组 | 测试变体 | 预期影响幅度 |
|---|---|---|---|
| 色彩方案 | 当前颜色 | 撞色/对比色 | TTR 变化 5-20% |
| 视觉风格 | 丰富细节 | 极简扁平 | TTR 变化 5-15% |
| 主体元素 | 当前符号/图案 | 替换其它主体 | TTR 变化 5-20% |
| 背景效果 | 纯色背景 | 渐变背景 | TTR 变化 3-10% |
截图测试
| 测试方向 | 对照组 | 测试变体 | 预期影响幅度 |
|---|---|---|---|
| 首图定位 | 突出产品功能 | 突出用户收益/价值 | CVR 变化 10-30% |
| 社会认同 | 无背书标识 | 增加“500万+用户”信任徽章 | CVR 变化 5-15% |
| 文案字号 | 小号字 | 大号加粗文字 | CVR 变化 5-10% |
| 视觉模式 | 亮色模式 | 深色模式 | CVR 变化 5-15% |
| 展现形式 | 带设备外框 (Device Frame) | 全屏无边框 (Full-bleed) | CVR 变化 5-10% |
| 截图排序 | 保持原排序 | 按核心卖点优先排序 | CVR 变化 5-15% |
视频测试
| 测试方向 | 对照组 | 测试变体 | 预期影响幅度 |
|---|---|---|---|
| 是否配置视频 | 无视频 | 15秒核心功能演示 | CVR 变化 5-15% |
| 前3秒黄金钩子 (Hook) | 纯功能演示 | “痛点-解决方案”式故事线 | CVR 变化 5-10% |
| 视频时长 | 30秒 | 15秒 | CVR 变化 3-8% |
输出格式规范
测试方案模板
测试名称：[具有描述性的名称]
测试元素：[Icon / 截图 / 视频]
测试假设：如果我们 [做了某项调整]，那么 [某项指标] 将会 [提升]，因为 [具体的理由]
变体设计：
- 对照组 (A)：[当前方案描述]
- 变体 B：[调整方案描述]
- 变体 C：[调整方案描述]（可选）
预估测试时长：[N] 天
所需展示量：每个变体 [N] 次展示
核心成功指标：[转化率 CVR / 点击率 TTR]
最小可检测效应（MDE）：[X]%
测试结果解读模板
当用户提供测试数据时，应按以下维度分析：
- 是否具备统计显著性？（看置信度水平）
- 实际提升幅度是多少？（附带置信区间）
- 是否存在分群差异？
- 下一步建议迭代测试什么？
- 预估年化收益影响（年下载量 × 提升幅度）
测试路线图 (Roadmap)
提供为期 3 个月的测试规划月历：
- 第 1 个月：[影响度最高的测试项]
- 第 2 个月：[第二优先级测试项]
- 第 3 个月：[第三优先级测试项]
相关 Skills
screenshot-optimization— 设计应用截图变体metadata-optimization— 优化不可测试的文本元数据app-analytics— 追踪与分析转化数据aso-audit— 诊断并排查首选测试项
