第1章: A/B测试优先级排序概述与SOP决策链路
A/B测试优先级排序是连接“假设生成”与“实验执行”的结构化决策桥梁。在资源有限、待办事项无限的真实环境中，数据驱动的优先级排序能系统性地将实验成功率提升至经验直觉的2~3倍。本章将定义完整的SOP决策框架，明确各节点的输入、输出与责任边界。
1. 适用场景与前置条件
| 维度 | 详细说明 |
|---|---|
| 适用场景 |
|
| 前置条件 |
|
最佳实践: 若团队首次应用该SOP，建议从“回顾本周期的实验失败原因”切入，快速建立对数据驱动方法的信任。
2. 操作步骤：核心决策链路
SOP将决策过程标准化为5个连续阶段，每个阶段都有明确的输入、操作和输出。
- 阶段 1 - 触发与输入: 汇总业务方/产品需求的假设，填入标准假设卡片模板。
- 阶段 2 - 量化评估: 使用ICE（影响、信心、易用性）或PXL模型进行打分，数据团队负责置信区间预估。
- 阶段 3 - 排序与对齐: 消除技术或资源依赖冲突，锁定目标实验窗口。
- 阶段 4 - 路线图输出: 生成可执行的实验排期，附带明确的变量定义与成功指标。
- 复盘闭环: 实验完成后更新ICE信心分，形成正反馈增强回路。
3. 输入输出物与责任边界
| 阶段 | 核心活动 | 主要责任人 | 明确输出物 |
|---|---|---|---|
| 触发与输入 | 收集并格式化假设 | 产品经理 (PM) | 假设卡片列表 |
| 量化评估 | ICE / PXL 评分 | 数据分析师 (DA) | 评分矩阵与预估提升 |
| 排序与对齐 | 消除依赖、RACI确认 | PM + 技术负责人 (Eng) | 无阻塞的路线图 |
| 路线图输出 | 撰写实验计划 | PM + UX设计师 | 1页实验执行文档 |
责任边界矩阵 (缩写)
- 产品经理 (PM): 拥有最终排序决策权，对路线图的商业价值负责。
- 数据分析师 (DA): 提供历史基线数据与最小样本量预估，对评分客观性负责。
- 工程师 (Eng): 评估技术可行性，对埋点准确性与实验稳定性负责。
- 设计师 (UX): 提供创意假设与原型，对用户可理解性负责。
4. 异常处理与验收标准
常见异常:
- 数据稀疏: 新页面/新功能无历史数据 → 使用行业基准值：电商结账页平均CR 2.5%~3.5%。
- 资源冲突: 两个高分实验争抢同一个研发资源 → 引入“工作量加权ICE (ICE-W)”，优先执行资源消耗低的项目。
- 评分不一致: 团队成员对“信心分”分歧过大 → 采用分层德尔菲法，去除最高/最低分后取平均。
快速启动检查列表:
- 是否已完成至少10个假设的标准化输入？
- 是否对所有假设进行了ICE三轮独立打分？
- 是否已消除路线图中的显性技术依赖？
- 是否已发送排好序的路线图给所有利益相关者确认？
- 是否定义了实验的“最小成功阈值”与“继续/停止规则”？
章节验收标准 (第1章完成标志):
- 团队能够口头复述SOP决策链路的5个阶段。
- 已完成第一张标准假设卡片（包含指标定义与预估影响）。
- 已确定PM、DA、Eng在优先级排序中的具体职责。