第1章 实验假设构建概述

适用场景

实验假设构建并不是所有场景下的必需步骤，但在以下三类典型场景中，假设构建的质量直接影响实验的成败与结论的可信度：

• 产品功能改版验证：当团队计划对页面布局、文案、交互流程或算法策略进行变更时，需要通过假设明确“预期改变什么、为什么改变、如何衡量改变”。
• 用户行为归因分析：在分析用户留存、转化、活跃度等指标波动时，假设帮助区分“相关性”与“因果性”，避免把偶然波动当作实验效果。
• 多变量/多版本优化：当同时测试多个变量（如颜色、文案、位置）时，清晰的假设可以防止“碰运气式”实验，确保每个变量都有独立且可验证的预期。

前置条件

在开始构建实验假设之前，团队需要完成以下基础准备工作：

• 明确的业务目标：已经定义好本次实验希望提升的核心指标（如转化率、留存率、人均时长），且该指标与长期业务价值对齐。
• 充分的用户行为数据：至少拥有近 30 天的相关用户行为日志、漏斗数据或历史实验数据，以便从数据中发现可优化的机会点。
• 利益相关方对齐：产品、数据、工程、设计等角色已就实验优先级和资源投入达成初步一致，避免假设构建完成后因资源冲突而搁置。

操作步骤

假设构建是一个从“业务问题”到“可验证陈述”的结构化过程，建议按以下 5 个步骤执行。下图展示了假设在整个 A/B 实验流程中的核心位置与流转关系：

1. 定义业务问题：用一句话描述当前业务痛点或机会点，例如“注册流程的第二步骤流失率过高”。
2. 挖掘数据信号：通过漏斗分析、用户访谈、日志聚类等方式定位问题根因，形成数据洞察。
3. 提出可验证假设：按照“如果…那么…因为…”的结构撰写假设陈述，确保变量可操作、指标可量化。
4. 定义核心变量：明确自变量（实验组/对照组差异）与因变量（评价指标），并指定指标的成功阈值。
5. 评审与排期：与相关方评审假设的逻辑合理性、资源可行性，确定实验优先级与预期时长。

假设模板：[变更] → 导致 [用户行为变化] → 从而 [业务指标提升]
示例：将注册页面 CTA 按钮由蓝色改为绿色 → 更多用户点击注册 → 注册转化率提升 15%

输入输出物

责任边界

记录材料

每次假设构建完成后，必须将以下字段录入实验管理平台或共享文档，形成可追溯的假设档案：

异常处理

假设构建阶段常见的异常情况及应对措施如下：

• 假设过于模糊（如“提升用户体验”）：强制使用“如果…那么…因为…”模板进行重构，若仍无法量化，退回至数据探索步骤补充数据。
• 多个假设相互耦合
• 假设与已有数据矛盾：组织简短评审会，由数据科学家验证数据口径与时间窗口，若确认矛盾则废弃该假设并记录原因。
• 利益相关方强行添加“无依据的猜测”：要求补充至少一条用户行为数据或定性调研证据，否则不予进入实验设计阶段。