第2章：业务问题到实验假设的转化
产品需求在进入实验阶段前，最关键的智力活动是将模糊的“业务问题”翻译为可证伪的“实验假设”。这一步决定后续所有指标、流量分配和统计检验的对错。如果不能精准转化，无论实验执行多规范，结论都会偏离真实用户痛点。
2.1 用户痛点 → 业务问题 → 可验证问题
用户痛点通常以定性描述出现：“用户觉得结算流程太慢”“新用户不知道从哪里开始”。产品经理需要将其拆解为具体、可观察、可度量的业务问题。
| 阶段 | 示例 | 特征 |
|---|---|---|
| 用户痛点 | “退货流程让我很困惑” | 主观、情感化、无量化 |
| 业务问题 | 退货页面平均完成时间超过5分钟，且流失率为40% | 有指标、有基准、有观察窗口 |
| 可验证问题 | 将退货引导从3步简化为1步，能否使完成时间降低30%且流失率降至15%以下？ | 有方向、有边界、有成功标准 |
关键原则：业务问题必须包含 ① 用户群体 ② 当前行为/指标 ③ 痛点阈值。缺少任一元素，后续假设将无法扎根。
2.2 假设构建：如果…那么…因为…
实验假设的标准结构是“如果（改变X），那么（观察到Y），因为（机制Z）”。其中“因为”部分是驱动需求判断的内在逻辑，也是后续定性验证的锚点。
- 改变（X）：具体产品变更，如“将结算按钮从页面底部移至悬浮固定栏”
- 观察到（Y）：可量化的核心指标，如“结算转化率提升8%”
- 因为（Z）：用户行为机理假设，如“减少手指滑动距离并强化视觉可见性”
常见陷阱：只写“如果X那么Y”而忽略“因为”，会导致实验结果无法累积为产品知识。即使在A/B测试中显著，也说不清用户为什么改变，很难指导后续迭代。
2.3 预期效应：设定有意义的效应量
预期效应不是凭空猜测，而是基于历史数据、行业基准或最小业务影响值（MDE, Minimum Detectable Effect）推算。它决定样本量计算和实验周期。
- 业务最低可行效应：如“转化率提升2%以上才有ROI考虑落地”
- 统计最小可检测效应：基于当前日均流量、α=0.05、Power=0.8计算后反向得出
- 预期效应：取以上两者的较大值，或采用保守估计（如中位数效应）
经验做法：在实验计划阶段同时记录“乐观效应”“保守效应”“业务门槛效应”，避免统计显著但业务无意义的尴尬。
2.4 零假设与备择假设
统计检验的翻译器：零假设（H₀）是“你宣称的改变没用”，备择假设（H₁）是“你真的得到了你想要的效应”。
| 概念 | 符号 | 含义 | 示例（退货流程简化实验） |
|---|---|---|---|
| 零假设 | H₀ | 两组（对照组vs实验组）无差异，观察到的差异来自随机波动 | μ实验 = μ对照 |
| 备择假设 | H₁ | 实验组与对照组存在真实差异，且方向符合预期 | μ实验 > μ对照 （单侧） |
注意：备择假设既可以表述为“有差异”（双侧），也可以表述为“增大/减小”（单侧）。在需求验证场景中，绝大多数实验应使用单侧假设，因为我们只在意改善方向。
严谨提醒：零假设不曾“被接受”，只是“未被拒绝”。对于产品需求而言，无法拒绝H₀意味着当前版本未能证明改动有效，应当终止或调整方案，而非认同“改动无效”。
2.5 从业务问题到假设的完整转化过程
下面SVG展示一条典型转化链路：用户痛点 → 业务问题 → 可验证问题 → 假设构建（含零假设/备择假设） → 预期效应设定。
2.6 章节验收清单
完成本章学习后，你应该能回答以下问题，并作为后续实验设计的入场券：
- 是否将用户痛点转化为至少一个包含群体、行为、阈值的业务问题？
- 是否用“如果…那么…因为…”结构写下了实验假设？
- 是否明确了预期效应的业务依据（最小业务影响值或历史基线）？
- 是否正确写出了零假设（H₀）和备择假设（H₁），并确认了单侧/双侧方向？
章节边界提示：本章只聚焦“假设构建阶段”。具体的指标选择、流量分配、样本量计算、实验时长预估将在第3～6章展开。请不要在本章混入统计计算细节。