1. 假设清单概述

适用场景

• 任何需要验证因果关系或变量影响的研究与开发活动
• 产品功能、算法策略、营销方案的A/B测试或对照实验
• 因果推断项目（如广告归因、政策效果评估）的前期框架搭建
• 团队对同一实验目标存在多种“预期假设”时需要统一语义
• 实验评审或复盘时，需要追溯原始假设是否成立

前置条件

1. 实验发起人已明确待解决的问题或待验证的猜想
2. 参与角色（数据科学家、业务方、工程人员）已就位
3. 至少对实验指标（核心指标、护栏指标）有初步定义
4. 团队具备记录与版本管理假设的基础工具（如Wiki、共享文档、实验管理平台）
5. 所有成员理解“假设”与“事实”在证据强度上的差异

操作步骤

1. 明确实验目标：用一句话描述“我们希望通过实验了解什么”。
2. 生成初始假设：基于业务洞察、用户研究或已有数据，列出所有可能的因果猜想。
3. 转化为假设清单条目：每个假设包含“如果……那么……因为……”三段结构。
4. 标记证据类型：区分当前该假设属于“待验证的假设”还是“已知事实”。
5. 评审并排序：按先验概率、影响范围、验证成本对假设清单条目进行优先级排序。
6. 固化第一版假设清单：输出版本号、责任人、创建时间，作为后续实验设计的输入。

输入输出物

责任边界

• 实验负责人：组织假设生成会议，确保清单覆盖所有主要备选解释。
• 业务方：提供领域知识与预期效果方向，但不得预设结论。
• 数据/算法工程师：评估假设的可操作性（能否被实验检验）。
• 评审委员会/PM：在假设清单中标记高风险或高成本假设，决定是否提前排除。

记录材料

异常处理

• 假设过多：超过20条时，优先使用四象限法（影响×置信度）快速收敛。
• 假设与事实混淆：用“已知证据”列标注来源（如公开报告、历史实验数据），并移入“事实清单”单独管理。
• 缺少可测量指标：返回前置条件阶段，补充指标定义后再继续。
• 团队对假设优先级分歧：执行匿名加权投票，或使用“实验成本-预期收益”矩阵量化。
• 假设清单版本混乱：建立唯一归档库，所有更新必须通知全体参与者。

验收标准

1. 假设清单至少包含5条结构完整的假设（如果…那么…因为…）。
2. 每一条假设均被标记为“假设”或“事实”，且“事实”条目附有验证来源。
3. 清单中存在明确的优先级标签（P0~P3或High/Medium/Low）。
4. 已指定该假设清单的负责人及审批人。
5. 清单已归档为v1.0版本，且团队成员均可访问。