1704198790
1704198791
1704198792
1704198793
1704198794
1704198795
1704198796
对于这个购物清单，产品经理可能会这样描述：
1704198797
1704198798
1704198799
1704198800
1704198801
1704198802
1704198803
1704198804
1704198805
1704198806
使用户轻松地查看并再次订购之前购买的商品将增加重复购买的人数，也会提高他们下单的速度。更便捷的再次购买操作应该能够刺激更多用户回购。购物清单功能应当添加到App的导航项中，使所有用户都能够使用，方便用户保存并回购他们喜爱的商品。这一功能应该先在早期用户中进行测试，再提供给所有用户使用。
1704198807
1704198808
1704198809
1704198810
1704198811
1704198812
1704198813
1704198814
1704198815
1704198816
假设：像任何其他类型的试验一样，“假设”应当简要说明预期的因果关系。同样，对于假设不能只是给出模糊的原因和结果，像“重复购买的用户不够多，我们应该激励用户回购”这样的话只是对问题和努力方向的一句陈述，而假设应该是：“通过给用户提供便捷查询并回购商品的功能，回购用户人数将提高20%。”
1704198817
1704198818
1704198819
1704198820
1704198821
1704198822
1704198823
1704198824
1704198825
1704198826
有些团队可能会选择在假设中说明预期成果，有些则可能不会。这么做的好处是能够使团队清楚地了解一个想法可能带来的量化结果。如果预期会有40%的收获但结果只有5%，他们就会知道还有很多工作要做。但另一方面，对试验结果的预测不可能精确，所以很多团队不会进行预测。在GrowthHackers，我们根据过去类似的试验、网上可获得的基准数据、试验参与人数和试验对他们当前行为可能产生的影响来估算预期结果。
1704198827
1704198828
1704198829
1704198830
1704198831
1704198832
1704198833
1704198834
1704198835
1704198836
待测指标：必须具体说明为评估测试结果需要追踪哪些指标。大多数试验都应当统计不止一个指标，因为一个指标的改善有时候是通过牺牲其他指标来实现的。比如你在测试着陆页的一份新的注册表格时，可能会发现因为注册变得更加方便，所以注册人数增加了，但是新注册用户的活跃度却比以前有所降低，因为他们并不十分清楚他们注册的是什么。最终，这可能成为实现增长的严重障碍。
1704198837
1704198838
1704198839
[
上一页 ]
[ :1.70419879e+09 ]
[
下一页 ]