介绍通用假设框架
"人们熟知的东西必须清楚地表述出来 。
当每一个决策都可能影响企业的发展轨迹时，有条不紊、以数据为导向的方法就显得至关重要。在 Henkan & Partners，我们设计了一个通用假设框架，以优化测试流程的每个阶段。我们独特的方法包含了经常被忽视的元素，确保每项测试都与战略目标相一致，有据可依，旨在取得切实成果。
该框架专为所有参与数字实验的人员设计，如产品所有者、设计师、分析师、研究人员和许多其他关键角色。它旨在为所有团队提供一种通用语言，以便更好地确定优先级、理解计划并发挥其影响。
我们为何推出这一框架
我们推出这一框架是为了应对测试方法不统一和目标不明确的挑战。通过将我们的方法标准化，我们确保每项实验都基于战略目标，有可靠的证据支持，并能够提供可操作的见解。
市场上最全面的框架
我们的 "假设框架 "与众不同之处在于它包含了经常被忽视的关键要素。它首先将每个假设与业务目标或 OKRs 相结合，确保每个测试都是有意的、有影响力的。我们强调行为预测和辅助研究的重要性，以使我们的假设稳健可信。此外，我们的框架还包括衡量成功与否的精确指标，以及明确的测试后行动计划，使其成为持续改进的综合工具。
模型假设框架
假设的 H&I 框架
框架概述
目标一致
我们首先将每个假设与我们的业务目标或 OKRs 相结合。这样就能确保每次测试都与我们的战略重点直接相关，从而解决实验不集中和精力分散的问题。
假设的形成
根据具体变化提出假设有助于明确测试内容。这就解决了测试含糊不清的问题，并确保所建议的变化是明确界定和可衡量的。
行为预测
我们预测用户在发生变化后的预期行为。这一步对于了解潜在影响和建立明确的预期至关重要，从而避免在分析结果时出现意外。
辅助证据
我们的假设总是得到相关研究和数据的支持。这增强了测试的可信度，有助于解决根据未经验证的直觉做出决策的问题。
衡量标准的定义
我们制定了明确的衡量标准来衡量成功与否。这确保我们能够客观地评估变革的影响，解决主观解释结果的问题。
实验设计
我们会选择最合适的测试方法，无论是 A/B 测试、多元测试还是其他实验方法。这种灵活性使我们能够根据每个假设的具体需求调整我们的方法。
成果与行动
最后，我们根据实验结果来描述行动。这样就可以做出明智的决定，并对整个过程进行迭代，从而解决实验后无所作为的问题。
实例
-
为了实现在本季度末将转换率提高 15%的目标，我们假设将支付流程从 4 个步骤简化为 2 个步骤将提高转换率。我们相信，这一变化将减少结账时的摩擦，从而完成更多的购买。研究和用户反馈表明，减少步骤可提高转换率，这也为我们提供了支持。我们将把转换率作为主要指标，把平均订单价值作为次要指标。实验将进行为期 4 周的 A/B 测试，每组 10,000 名用户。如果实验得出结论，我们将对所有用户实施新的支付流程；如果没有得出结论，我们将分析数据以了解不足之处，并对流程进行迭代以进一步测试。
-
为了实现改善网站用户体验的目标，我们假设引入一个改进的搜索栏将会提高用户参与度。我们相信，这一改变将使用户更容易找到他们正在寻找的内容，从而增加用户在网站上花费的时间。研究表明，有效的搜索工具能提高用户参与度，这一点也得到了研究的支持。我们将测量用户在网站上花费的平均时间和满意度。实验将以用户测试环节的形式进行，参与者将在网站上执行特定任务，同时我们将观察他们的互动情况。如果实验成功，我们将为所有用户实施新的搜索栏；如果不成功，我们将收集更多反馈，以改进搜索栏并进行进一步测试。
-
为了实现在本季度末将用户参与度提高 20% 的目标，我们假设根据用户偏好个性化主页将提高参与度。我们相信，这一改变将使内容与每个用户更加相关，从而增加用户在网站上的停留时间和互动。研究表明，个性化能提高用户参与度，这也为我们提供了支持。我们将把用户在网站上花费的平均时间和互动次数作为关键指标来衡量。实验将进行为期 6 周的 A/B 测试，每组 8000 名用户。如果实验得出结论，我们将向所有用户推出个性化服务；如果没有得出结论，我们将分析数据以改进我们的方法并再次进行测试。
-
为了实现在未来 6 个月内将有机访问量提高 25% 的目标，我们假定用相关关键词优化主要页面的内容将提高我们在搜索引擎上的可见度。我们相信，这一改变将提高我们的搜索引擎优化排名，吸引更多的有机访问者。搜索引擎优化最佳实践研究和案例研究都证明了这一点，这些研究和案例研究表明，通过关键词优化，流量显著增加。我们将特别针对 "网上购物"、"快速交货 "和 "优质产品 "等关键词。我们将把这些关键词的有机流量和排名作为关键指标来衡量。实验将持续 6 个月，每月对结果进行分析。如果实验得出结论，我们将把这些优化措施应用到其他页面；如果没有得出结论，我们将调整搜索引擎优化策略，并测试新的方法。
-
为了实现到今年年底将用户满意度提高 30% 的目标，我们假设增加一个基于人工智能的虚拟助手来帮助用户浏览和查找产品，将会提高用户满意度。我们相信， 这一功能将使浏览更加直观，并减少查找特定产品所需的时间。有研究表明，虚拟助手可以改善用户体验，这也为我们提供了支持 。我们将把 用户满意度和平均产品搜索时间作为关键指标来衡量 。实验将以 A/B 测试的形式进行，为期 8 周，每组 5000 名用户。如果实验得出结论，我们将向所有用户推出虚拟助手；如果没有 得出结论，我们将收集反馈意见以改进人工智能并进行新的测试。
