用途:处理和回答需要拆解与证据的分析性问题,如“为什么指标 X 下跌”“是什么驱动了结果”“拆解这个问题”“需要收集哪些数据”等。适用于解释或预测数字、把混乱问题整理为驱动树与假设、以及按标准比较具体备选方案。若只是开放式创意生成、没有可度量对象,或用户只要简短结论且不要求分解,则不适合使用。
使用方式:开始时先说明分析性问题(尽量精确、可证伪)及流程 Pass:Frame(框定)、Decompose(分解)、Hypotheses(假设)、Evidence(证据)、Synthesis(综合)。先收集数据;若能查询数据、看板、日志或代码,应先做再列证据。仅允许就工具无法提供的定义或数据提出最多 3 个问题。小请求走轻量路径:两层树、两条假设、各一条观察、三行内给出答案。若用户在具体选项间选择,在证据后加入 Options matrix:行为选项、列为标准(可标注权重),单元格用 -、0、+ 并附一行理由,随后进入综合。
主要步骤:1. Frame:确定问题类型(估算、比较、解释、预测、优化)、分析单位与基线。2. Decompose:用树或表列出驱动因素或工作流,尽量互不重叠且足以覆盖决策所需。3. Hypotheses:按优先级列出 H1、H2、H3,并写明若成立会看到什么、什么会证伪它。4. Evidence:每条假设写下观察、支持或削弱力度及主要限制、注意事项。若无真实数据,则替换为“Thought experiment(无数据)”,猜测输入用范围显示并标注 [ESTIMATED]。5. Synthesis:回答分析性问题、指出最关键不确定性、说明下一步应收集或运行什么。
限制与常见错误:不要把假设和证据混在同一列表;不要凭少量数据点下结论,需说明样本量或时间窗口;注意基准率和混杂因素;避免用猜测输入给出单一估值,应使用范围并指出影响最大的输入;驱动树分支不应重叠,以免同一原因被重复计算。