停止无效实验产出高质量实验假设（下）市面上大多数关于增长实验的建议都聚焦于如何执行。但是，真正的秘诀不在于执行，而在于如何识别并停止那些注定无效的实验。

　　当你完成了三类数据（定量分析、定量分析、参考最佳实践）的收集和分析后，如果仍然没有形成清晰的实验假设，或者假设过多，可以通过多轮数据分析来提升假设质量。

　　据此产品运营同学形成了一些初步的假设，比如说是不是资料转化页上添加头像的字体不明显，或者我要的信息太多了，或者用户找不到照片上传，或者上传照片太慢等等，很多个初步假设。

　　第二个动作是细查流失用户的操作路径。这个时候就发现了很有意思的现象，在所有流失的用户里面，有两个路径是最常见的：

　　最终，经过实验验证，这两个改动使注册转化率提升了20%。从这个案例可以看出，多轮数据分析能够帮助产出高质量的实验假设im电竞官网。只要以数据分析去寻根问底，验证假设就能点石成金。

　　（3）参考最佳实践：参考业内最佳实践，可以获得问题的解决思路。当然最佳实践也不是需要盲目的去遵从，还是通过自己的测试和实验得到最终的结论。

　　因为我们知道开发一个实验是非常成本高昂的，如果能通过数据分析的方式排除掉那些不靠谱的实验，相当于间接的就节省了实验开发的成本，瞄准高质量假设，显著提高增长实验的整体效率。

　　“写公众号可以带来 100 个新用户注册”——这个会比上面一个强一点，因为它有数字去支持，但是它还是不是特别清晰，因为清晰的实验假设必须有时间限制，写公众号如果等一年可能可以带来 100 个新用户注册，这件事就没有什么意义了。

　　“写一篇公众号可以在发表两周内带来 100 个信用户注册”——这个就已经清晰很多了，有非常明确的可以去衡量的结果。

　　“写一篇关于产品的公众号长文，可以在发表两周内带来 100 个新用户注册，因为这篇公号会给大家清晰的介绍产品的价值主张。”——这就是一个非常清晰的实验假设，它有非常明确的指标，也时间的限制，同时解释了背后的原因，且是可以被证伪的，也就是可以根据实际的结果去推翻它。

　　（3）深层原因是什么：当人们通过海报功能找到canva，他们想要很快的完成设计，如果没有找到合适的模板，就很容易流失掉

　　（4）有数据支持的假设：使用海报功能是最多的，但是很多用户开始使用海报功能之后没有完成就流失掉了

　　（1）头脑风暴：通过群组讨论的方式，所有人各抒己见，集中提想法且不做评判和回答，只做记录，事后再评估筛选想法。

　　（2）闪电Demo：每个人快速的拿几个竞品和非竞品来给整个团队进行Demo演示，并共同从中找到可借鉴的点子。

　　群组讨论后若想法过多，可建立实验想法库进行管理：将每个人的假设和想法集中记录在同一个表格中，excel想法库也可以为后续寻找实验灵感提供丰富素材。

　　最后总结一下，精准的数据分析、清晰的假设构建、有效的假设验证——这三个步骤是落地高质量实验假设的关键。相信你掌握了这一流程后，增长实验的贡献效率将大大提升。