SuperAPI AI 工具集

hypothesis-tree

办公与效率

查看项目

更新于 10-16 05:54

技能介绍

用途:把模糊、复杂的问题转化为结构化的可检验假设,帮助验证产品想法、调试问题、规划实验与用户研究、拆解战略问题,并决定先测试什么。

主要能力:提供假设树结构(中心问题→一级假设→子假设)、MECE 原则(相互独立、完全穷尽)、假设质量要素(具体、可检验、可证伪、可执行)、四步分析框架(框定问题、生成一级假设、分解到可测试层级、排优先级并测试),以及输出模板和示例(功能采用率低、流失率上升)。

使用方式:先写出清晰具体的问题,再生成一级假设并整理为 MECE,继续分解到可直接测试的层级(通常三层足够),最后按“高影响+低投入+现有证据少”排优先级并执行测试,随证据更新树。

适用场景:产品与功能验证、指标诊断、用户研究、实验规划、战略问题拆解、向相关方沟通分析结构。

限制:资料未提供具体安装命令、平台支持、收费信息或代码实现细节;方法本身依赖人为判断,需避免假设重叠、不可检验、未经测试即过度深入以及确认偏误。该技能可与其他方法结合使用,例如用 Five Whys 深入已确认假设、围绕用户任务框定假设、用行为模型组织结构。