写石墨AI运营实验方案提示词，关键在于让模型准确理解实验目标、变量控制、数据指标和执行边界，避免生成泛泛而谈的模板化内容。你可能会发现，直接输入“帮我写一个运营实验方案”往往会导致输出空洞，缺乏可执行性；必须嵌入具体业务场景、约束条件和判断逻辑。

先来看一个实战案例，这是一个针对新用户首单转化率提升的A/B测试：自变量是信息触达频次（0次/1次/3次），因变量是7日内下单率，干扰变量则包括APP版本号≥5.2.0且未领取过新人券。付费用户定义为支付成功且订单状态≠“已退款”，统计周期为实验开启后7×24小时（UTC+8），并剔除test_开头账号。输出仅包含①实验背景与假设②分组逻辑与流量分配③数据埋点与校验节点④结论触发条件，禁用非确定性表述。

明确实验类型与核心变量

第一步：在提示词开头用一句话锁定实验性质。比如，明确告诉AI：“这是一次针对新用户首单转化率提升的A/B测试”，而不是笼统地说“做一次运营实验”。注意，这里的措辞至关重要——不写明实验类型，AI会默认按增长黑客通用框架展开，忽略冷启动、灰度范围、渠道隔离等实际限制。

第二步：用冒号分隔方式列出关键变量。格式示例：自变量：信息触达频次（0次/1次/3次）；因变量：7日内下单率；干扰变量：APP版本号≥5.2.0且未领取过新人券。注意，变量描述必须带取值范围或判定条件，不能只写“用户行为”、“渠道效果”这类模糊词。

绑定数据口径与验证方式

方法一：在提示词中直接嵌入SQL式逻辑说明。例如，明确告知：“所有‘付费用户’定义为支付成功且订单状态≠‘已退款’，统计周期从实验开启时刻起算7×24小时，剔除测试账号（uid以test_开头）”。这种方法能确保数据口径清晰，避免歧义。

方法二：用对比句式强制对齐口径。例如，强调“不要用DAU作为分母计算点击率，必须用当天该实验组曝光UV；若某日曝光UV＜500，则该日数据不纳入最终结论”。

注意，石墨AI容易沿用行业惯用但不匹配你业务的指标定义。比如，它可能默认“留存”为次日留存，而你的实验需要看的是7日复购率。这一点必须提前明确。

限定输出结构与禁用内容

在提示词末尾添加硬性指令。例如：“输出仅包含以下4个二级标题：① 实验背景与假设 ② 分组逻辑与流量分配 ③ 数据埋点与校验节点 ④ 结论触发条件；禁止出现‘建议’‘可以考虑’‘长期来看’等非确定性表述；所有时间节点必须标注具体时区（如UTC+8）”。这一步能有效切断AI自由发挥的路径。根据实测数据，未加此约束时，约63%的输出会混入“后续可拓展至老用户”之类无效延伸。这数据足以说明问题。