MVP上线后判断产品假设是否被验证，关键看目标用户是否在真实场景中重复使用并产生预期结果。做法是把假设拆成可观测的行为承诺，为每个承诺设定“指标+分母+时间窗+通过线”四项齐全的判定条件。按时上线、功能可用只说明交付完成，属于需求验收范围，不能替代假设验证。
要点总览（TL;DR）
- 判断MVP是否验证了产品假设，先把假设写成“目标用户+场景+预期行为+预期结果”的可判定陈述，再为每条假设指定一个主判定指标。
- 指标按证据链分层：触达率→激活率→关键行为完成率→留存/复访率→价值结果指标，逐层看转化与流失位置，比只看总量更能定位假设在哪一环不成立。
- 每个指标写清分子、分母、时间窗、单位四要素；分母为零或低于最小样本门槛时判定为“证据不足”，不判定为通过。
- 通过线、观察线、否决线在上线前依据历史基线或小样本预估确定，评估期间保持不变，调整需记录原因。
- 按时上线、功能可用属于交付与需求验收范围，不能替代假设验证；结论要写明证据类型与适用范围，相关不等于因果。
先明确要验证的是哪条产品假设
“产品好不好”无法直接验证，因为它没有指定对象、行为和结果。可判定的假设需要写成一句话：目标用户在某场景下，因为某个设计，会做出某种行为，并带来某种结果。例如“首次注册的中小团队管理员，在引导流程帮助下，会在注册当天完成一次成员邀请，并在首周内再次发起协作”。这句话里用户、场景、行为、结果都在，才能对应到指标。
写假设时建议固定四个成分：目标用户（哪一类人，用可识别的筛选条件描述）、使用场景（在什么任务或触发条件下使用）、预期行为（用户具体做什么动作，可埋点观测）、预期结果（行为带来的业务或使用结果）。四个成分缺一个，判定条件就会含糊。比如只写“用户会喜欢新看板”，既没有行为也没有结果，无法设定通过线。
同时要把三类问题分开。产品假设问的是“用户是否真的需要并会用”；需求验收问的是“约定的功能是否按规格交付、缺陷是否在可接受范围”；研发效率问的是“团队交付速度和质量如何”。三类问题各有各的指标，混在一起容易出现“功能都上线了所以假设成立”的错误推论。MVP上线后的评估只回答第一类问题，另外两类按各自流程处理。
每条假设指定一个主判定指标，其余作为次要观察指标。主指标决定通过与否，次要指标用于解释原因和发现副作用。多个指标并列容易互相抵消，出现“有的涨有的跌”时无法给出明确结论。主指标的选择标准是：它最直接反映假设中的预期行为或结果，且能在观察窗内稳定取数。
把上述内容登记成一张表，评估就有了起点：
| 字段 | 填写要求 | 示例 |
|---|---|---|
| 假设陈述 | 目标用户+场景+预期行为+预期结果 | 首次注册的团队管理员在引导下当天完成成员邀请，并在首周再次发起协作 |
| 目标用户 | 可筛选的识别条件 | 注册后7天内、团队规模5人以上的管理员账号 |
| 主判定指标 | 一个，直接对应预期行为或结果 | 首周激活率 |
| 次要观察指标 | 用于解释原因、发现副作用 | 引导流程完成率、邀请人数、首周留存率 |
假设登记完成后，评估对象就固定了。后续取数、口径和判定都围绕这张表展开，避免上线后临时更换指标或调整标准。假设登记、口径卡和结论记录属于需要多人协作、后续还要复算的管理动作，可以用工作项承载每条假设的评估任务，用文档沉淀口径与结论，让评估过程和结果可追溯。ONES在这类场景中可以作为承载假设条目、评估任务和结论文档的协作空间，具体用法按团队现有习惯安排。
指标怎么选：从触达、激活到留存与价值结果
MVP阶段的指标适合按证据链分层，每一层回答一个不同的问题。逐层看转化和流失位置，比只看一个总量指标更能定位假设在哪一环不成立。
| 层级 | 指标定义 | 回答的问题 | 典型使用条件与失效情形 |
|---|---|---|---|
| 触达率 | 实际接触到新功能的用户数 ÷ 应触达用户数 | 目标用户是否真的看到了这个能力 | 适用于有明确入口或推送的场景；入口隐蔽或推送未送达时，低触达说明不了需求问题 |
| 激活率 | 完成首个关键动作的用户数 ÷ 进入流程的用户数 | 用户是否迈出了预期第一步 | 关键动作要定义清楚；把注册、登录当激活会高估，把深度使用当激活会低估 |
| 关键行为完成率 | 完成核心任务的用户数 ÷ 开始该任务的用户数 | 用户能否走完假设中的完整行为 | 任务步骤多时需分步看流失；只统计完成人数会掩盖卡点位置 |
| 留存/复访率 | 观察窗内再次使用或回访的用户数 ÷ 首次使用用户数 | 行为是否重复发生，而非一次性尝鲜 | 观察窗要与使用频率匹配；低频场景用短窗口会误判 |
| 价值结果指标 | 与业务结果挂钩的量，如完成的协作数、节省的处理时长 | 使用是否带来预期结果 | 需要可归因的数据来源；归因链路过长时结论要谨慎 |
选择指标时先看假设落在哪一层。假设说“用户会看到并尝试”，主指标放在触达或激活；假设说“用户会持续用”，主指标放在留存或复访；假设说“使用会带来业务结果”，主指标放在价值结果层。上层指标是下层指标的前提，触达率很低时，激活率和留存率的解读都要打折扣。
不能只用一个总量指标下结论，原因有三。总量会把不同人群混在一起，新老用户、不同入口来源的行为差异被平均掉；总量看不出流失发生在哪一步，无法指导下一步动作；总量容易被短期波动和外部事件影响，单点数值不足以支撑“假设成立”的判断。分层看转化链，才能说清假设在哪一环得到支持、在哪一环不成立。
数据口径：分子、分母、时间窗与缺失值
每个指标都要写成可复算的口径，四要素齐全：分子、分母、时间窗、单位。缺任何一项，不同人算出的结果就可能不一致，结论也无法复核。
分母要写明来源。常见选择包括目标用户数（符合假设中用户筛选条件的账号数）、进入流程人数（实际触发流程的用户数）、有效会话数（排除机器人和测试账号后的会话数）。分母不同，指标含义完全不同：以全体注册用户为分母的激活率，和以进入引导流程用户为分母的激活率，不能直接比较。口径卡里要固定一个分母来源，并在结论中注明。
时间窗要与行为频率匹配。首周激活用注册后7天，复访用首次使用后14天或30天，价值结果指标按业务周期取月。时间窗一旦确定，评估期间不随意更改；需要延长观察时，新旧窗口的结果分开报告。
缺失值和异常数据要有处理规则，并写进口径卡：
- 埋点漏报：先核对上报日志与前端触发逻辑，确认漏报范围；漏报集中在某版本或某端时，该部分数据单独标注，不混入总体。
- 重复账号：按账号去重，同一自然人多账号时以主账号为准，规则提前约定。
- 测试与内部账号：从分子分母中同时剔除，剔除清单留档。
- 缺失值：缺失比例低时按剔除处理并注明；缺失比例高时判定为数据不可用，先修埋点再评估。
分母为零或过小时，判定为“证据不足”，不判定为通过。分母过小的参考做法是设定最小样本门槛，例如进入流程用户少于约定数量时只做描述性报告，不下通过结论。门槛值依据团队对波动的容忍度确定，写入口径卡，避免上线后临时调整。
计算与判定步骤：从原始数据到通过/不通过
评估按固定流程执行，每一步都有产出物，保证结论可复算。
- 锁定假设：从假设登记表取一条假设，确认目标用户、主判定指标和观察窗，负责人签字确认。
- 确定口径：填写口径卡，写明分子、分母来源、时间窗、单位和缺失处理规则。
- 取数：从埋点或业务系统导出原始数据，保留导出时间和筛选条件，原始数据存档。
- 计算转化链：按触达、激活、关键行为、留存、价值结果逐层计算，记录每层的人数和比率。
- 对照或分群：有对照组时比较组间差异；没有对照组时按用户来源、团队规模等维度分群，看结论是否稳定。
- 判定：对照通过线、观察线、否决线给出结论，写明依据和限制。
三条线在上线前设定，并写明依据。通过线是主指标达到即认为假设获得支持的水平，通常参考历史基线或小样本预估；观察线是介于通过与不通过之间的区间，落在该区间时延长观察或扩大样本；否决线是低于即认为假设不成立的水平。没有基线时先做小范围预估，避免上线后按结果倒推标准。三条线一旦确定，评估期间保持不变，调整需记录原因。
证据不足时的处理有三种：延长观察窗，等样本积累到门槛以上再判定；扩大样本，把更多符合条件的用户纳入观察；缩小结论范围，例如只对某一类用户或某一个入口下结论，并明确不外推。三种处理都要在结论中写明，不能把“没看到显著效果”直接写成“假设被推翻”，也不能把“数据看起来还行”写成“假设成立”。
评估执行清单可以按以下结构管理：步骤、负责人、产出物、完成标志。产出物包括假设登记表、口径卡、原始数据存档、转化链计算表、判定结论。结论模板固定写四段：假设陈述、主指标结果与口径、判定结论（通过/不通过/证据不足）、限制与后续动作。
算一个例子：新用户首周激活假设的判定
以下为演示情景，数值仅用于说明计算方法，不代表任何真实产品数据。
假设陈述：首次注册的团队管理员，在引导流程帮助下，会在注册当天完成一次成员邀请，并在首周内再次发起协作。目标用户为注册后7天内、团队规模5人以上的管理员账号。主判定指标为首周激活率，次要指标为引导流程完成率、邀请人数、首周留存率。
口径设定：首周激活率的分子为注册当天完成至少一次成员邀请、且在注册后7天内再次发起协作的管理员账号数；分母为同期注册且符合目标用户条件的管理员账号数；时间窗为注册日起7个自然日；单位为账号数。引导流程完成率为完成全部引导步骤的账号数除以进入引导流程的账号数。首周留存率为注册后第7天仍有登录或协作行为的账号数除以同期注册账号数。测试账号和内部账号从分子分母中剔除。
演示数据：某周符合条件的新注册管理员账号500个，其中进入引导流程480个，完成引导流程360个，注册当天完成成员邀请300个，首周内再次发起协作240个，第7天仍有活跃行为280个。计算如下：
- 引导流程完成率 = 360 ÷ 480 = 75.0%
- 首周激活率 = 240 ÷ 500 = 48.0%
- 首周留存率 = 280 ÷ 500 = 56.0%
假设上线前依据小样本预估设定：首周激活率通过线为45%，观察线为35%至45%，否决线为35%以下。本次结果48.0%高于通过线，主指标达到通过条件。
再做分群比较：按入口来源分，引导页进入的账号激活率为52%，自然搜索进入的为38%；按团队规模分，5至10人团队激活率为51%，10人以上为43%。引导页来源和中小团队的激活率明显更高，说明引导流程对激活有正向作用，但自然搜索来源的结论较弱。由于本次没有设置对照组，前后对比只能作为支持性证据，不能单独证明因果。
结论写法示例：假设“首次注册的团队管理员在引导流程帮助下当天完成成员邀请并在首周再次发起协作”获得支持。主指标首周激活率48.0%（240/500，注册后7天），高于上线前设定的通过线45%。分群显示引导页来源和5至10人团队表现更好，自然搜索来源接近观察线。限制：无对照组，观察期为一个自然周，结论适用于符合目标用户条件的管理员账号，不外推到其他角色；建议下一周期补充对照或延长观察窗，验证引导流程的独立作用。
怎么解读结果，以及哪些结论不能下
指标结果支持的是“假设在本次观察条件下是否成立”，不等于证明了因果关系。有对照组且组间差异稳定时，结论可以写得强一些；只有前后对比时，要说明外部因素可能的影响，例如同期推广、季节波动、版本发布。相关不等于因果，这句话在MVP评估里尤其要落实为具体的写法：结论中注明证据类型，是“对照支持”“分群一致”还是“仅前后对比”。
三类误读最常见。样本偏差：参与评估的用户不是目标用户的代表，例如只统计了活跃用户或某个渠道来的用户，结论不能外推到全体。幸存者偏差：只分析留存下来的用户行为，忽略了流失用户的反馈，会高估假设成立程度。观察期过短：低频场景在短窗口内看不到重复行为，容易把“还没发生”误判为“不会发生”。对应做法是核对分母来源、把流失用户纳入分析、按行为频率设定观察窗。
单指标不能代表全部产品价值。主指标通过只说明假设中的核心行为得到支持，副作用、成本和长期影响需要次要指标和后续观察补充。反过来，主指标未通过也不等于产品没有价值，可能是入口、引导或目标用户选择的问题，需要结合转化链定位。
把按时上线、功能可用当作验证通过是另一类常见错误。上线时间、缺陷数量、功能覆盖率属于交付和验收范围，它们说明团队按约定完成了工作，不说明用户需要或会用。评估结论里应明确区分这两类信息，交付情况写在项目记录中，假设验证结论写在评估记录中，两者不互相替代。
解读清单可以分三类使用：
- 可下结论：主指标达到通过线，分母达到最小样本门槛，口径完整，有对照或分群一致支持，结论写明适用范围。
- 需谨慎：主指标落在观察线，或只有前后对比，或分群结果不一致，此时写“暂不支持”并说明下一步观察计划。
- 不可下结论：分母过小、埋点缺失严重、观察期短于行为周期、把交付完成当作验证通过，这些情形写“证据不足”，先补数据再判定。
评估结束后，把假设登记表、口径卡、计算过程和结论归档，下一轮评估可以直接复用口径、对比历史结果。假设条目、评估任务和结论文档在协作工具中保持关联，复算和复盘时能快速找到原始依据，这也是把一次评估变成可积累方法的前提。
常见问题
MVP上线后多久可以判定假设是否被验证？
观察窗要与假设中的行为频率匹配，没有统一时长。首周激活类假设用注册后7天，复访类用首次使用后14天或30天，价值结果指标按业务周期取月。时间窗在上线前写进口径卡，评估期间不随意更改；样本未达到最小门槛时延长观察窗，新旧窗口的结果分开报告。
主指标达到通过线，是否就能说产品假设成立？
主指标达到通过线说明假设中的核心行为在本次观察条件下得到支持，结论强度取决于证据类型。有对照组且组间差异稳定时结论可以写得强一些；只有前后对比时要注明外部因素可能的影响。结论中还应写明适用范围，例如只适用于某类用户或某个入口，不外推到其他角色。
分母太小或埋点漏报时应该怎么处理？
分母为零或低于约定门槛时判定为“证据不足”，先不下通过或不通过的结论。埋点漏报要先核对上报日志与前端触发逻辑，确认漏报范围；漏报集中在某版本或某端时，该部分数据单独标注，不混入总体。缺失比例高时先修埋点再评估，缺失比例低时按剔除处理并在口径卡中注明。
没有历史基线，通过线怎么定才不显得随意？
没有基线时先做小范围预估，例如用内测或小流量样本估算主指标的大致水平，再结合团队对波动的容忍度设定通过线、观察线和否决线，并写明依据。三条线在上线前确定，避免上线后按结果倒推标准。后续评估可以复用同一口径，与历史结果对比，逐步形成团队自己的基线。
假设验证不通过，下一步应该做什么？
先看转化链定位问题出在哪一层：触达率低可能是入口或推送问题，激活率低可能是引导或关键动作定义问题，留存低可能是使用频率与观察窗不匹配。结合分群结果判断是目标用户选择偏差还是方案本身的问题，再决定调整方案、更换目标用户或缩小结论范围。主指标未通过不等于产品没有价值，结论中要写清限制和后续动作。
