在当今快速变化的商业环境中，项目管理和产品优化面临着诸多不确定性和复杂性。如何在有限的资源和时间内做出科学合理的决策，成为每一个产品经理和项目管理者的核心挑战。
“大胆假设，小心求证”，“真正的高手都是贝叶斯主义者”这两句话很多人应该都听过，但怎么运用于实际呢？
（本文分析问题的方法很通用也很实用，但可能较难理解，如果一次看不太懂，可以先收藏，过段时间再看，相信一定会有收获~）
假设，也就是指如果在某“事件”发生的前提下，另一个“事件”发生的概率。比如AB实验，控制唯一变量，当我们让这个“变量”按我们的预设发生改变时，我们的目标能达成的概率。我们先对概率有个基本的认知，然后给出一个实际工作中的社区项目例子来说明如何运用。
贝叶斯理论给“知行合一”(知：认知-假设；行：验证假设；合一：验证拿新认知）提供了数学模型的阐释。通过知识、经验(认知）提炼关键假设，获得解决问题的先验概率，然后小心求证获得新的认知，迭代更新获得后验概率，进而指导更好的行动(提高假设的质量）,最终将解决问题的概率(做决策）提升到边界内的相对极致。通过贝叶斯理论:
总结下，贝叶斯的核心：观点随事实改变。
两者缺一不可。前者是判断的出发点，后者是更新判断的依据。
最后，保持开放心态：不能仅仅被量化的数值决定你的判断。虽然永远都摆脱不了主观的成分，但是你会做出更科学的决策。
拿一个曾经做过的社区业务举例说明如何用假设思维分析需求：
首先简单了解下社区功能大致背景信息：
社区整体功能结构如下：
几个相关概念名词的关系如下：
社区功能背景如下：
产品生态里原本没有“社区”功能，即用户在产品内没有一个基于“同好”（相同兴趣爱好）聚集交流互动的场景。而我们想尝试用户是否有这种“社区”需求。于是，先上线了一般社区功能模块，计划根据上线后的用户数据情况和用户调研反馈，再做下一步决策。以下描述的“假设”，即是基于第1版社区模块上线后的纸面推演过程。
从关键假设从发分析问题：
社区能做起来的一个客观前提假设是：“在现有产品的用户中，存在那么一群人，他们潜在（即上帝视角下客观存在的需求）很愿意和其他人讨论交流某个方向的内容(比如小红书是泛生活方向）”。如果不存在，则需求就不存在，即社区不可能做起来。
上述中的“客观前提假设”即是“社区业务能否做起来的”先验概率。即我们如果想要去验证“社区业务能否做起来”的前提是“先验概率成立”。
但，以我们目前的数据和历史经验来看，无法用逻辑或其他辩证的方法去推演这个假设是否成立，只能通过上线功能去验证它。
而我们已经上线了社区功能，现阶段的关键问题还不是也无法去验证社区这个需求的真伪（还没到这一步），因为功能刚上线不久，还没有足够的样本数据来支撑去分析这个假设是否成立。所以，我们当前可以也只能先默认这个假设是成立的（即承认先验概率），基于这个前提，去分析现阶段（社区刚上线不久用户样本量少这个阶段）需要解决的关键问题是什么（寻找当前的后验概率）。
总结下，我们先承认“存在那么一群人…”是社区蕞根本的先验概率（客观事实），现在需要寻找后验概率：
即找到当前待解决的关键问题，基于这个问题，给出解决问题的解决方案，上线去验证看是否能解决这个问题。
怎么找呢？我们当然需要从用户的需求出发。社区的本质可能是吸引同圈层用户的聚集，以社群（类比小组，圈子，或某个贴吧）为载体，内容(帖子包括帖子的评论)为媒介，对外释放自己的认同感（即发帖或评论的核心动力是想得到他人的认同或认同他人），激发表达欲。（个人对社区经验较少，关于社区的个人观点仅供参考，这里重点放在如何用假设思维分析问题即可，对社区理解的深浅对错不影响分析问题的逻辑）
所以，认同感是建立在内容（帖子）之上的，而内容来源于用户，所以社区冷启动阶段，解决种子用户这个事就非常关键。
即我们明确了现阶段的关键问题是：种子用户的培养。
那么，接下来我们就来拆解和分析这个问题：
种子用户的培养再具体一步是：
优先级方面：加入社群 > 发帖 （因为功能规则是，用户发帖时需选择一个社群）
“让更多用户加入社群和发帖”这个后验概率还不能直接被实验验证，比如怎么让更多用户加入社群/发帖？首先得让用户“看到”社群，其次要对“看到”的社群“有兴趣（即匹配）”，“让更多用户加入社群”这个后验概率才可能发生，所以我们现在需要先确认“看到”和“匹配”是否是事实，如果是，则我们才可以直接去验证“让更多用户…”这个后验概率，如果不是，则当前阶段待解决的问题变成“看到”和“匹配”。
所以，接下来我们围绕“匹配”展开分析：
我们先重新梳理下思路，现在我们找到了这么三个“概率”：
由于“2”是“1”的后验概率，所以我们现在需要证明“2”是真是假。
既然要证明“匹配”的真假，那么我们就用假设推演下：（还记得几何也是用假设来证明的吗）
以上，到底哪个假设是成立的呢？在还没有拿到功能上线后的数据之前，我们可以先做如下分析：
如果假设1成立：社群匹配，帖子不匹配，则问题可以拆解为：
1）社群匹配：
加大社群曝光—目的：既然冷启社群是匹配的，那么就想各种办法让更多用户看到更多社群，从而进入社群首页，最终加入社群。
给出解决方案：（仅举例：方案可从产品侧，运营侧，推荐侧几个角度思考）比如增加社群的曝光，增加精选社群二级页，二级页里可以先增加按”社群标签“进行刷选；搜索路径增加社群曝光；社区首页帖子流里穿插社群推荐；
2）帖子不匹配：
种子用户（愿意发帖的）培养–目的：既然冷启内容不匹配，那么就要想各种办法让用户在社群下生产UGC内容。
给出解决方案：现有运营活动的增强，比如社区/社群主页增加活动位（新的社群运营活动等）；社区/社群页：优先召回和排序UGC帖子（调整多路召回比例等）
如果假设2成立：社群不匹配，帖子也不匹配，则问题可以拆解为：
社群和帖子都不匹配：那么用户来到社区很快就会流失，所以暂不适合加大社区渗透的动作。当前问题变成：UGC社群的供给，UGC帖子的供给。
给出解决方案：种子用户，培养群主—自主创建UGC社群，其次，吸引用户加入社群，以及发布UGC帖子。比如：运营通过社区活动的用户线索去建联有意向的版主，通过激励手段吸引用户创建社群及自主维护社群。
如果假设3成立：社群匹配，帖子也匹配，则问题可以拆解为：
社群匹配，帖子也匹配：既然都匹配，而我们的目标是，首先让更多用户加入社群，其次让已加入社群的用户发布帖子。
那这里就会存在两条用户路径：（为什么是这两条？因为从逻辑分析上没有第3条路，即使有，也是边角路）
路径1：用户来到社区–>先找到感兴趣的社群–>然后加入社群–>然后发帖或评论点赞等
路径2：用户来到社区–> 先在社区浏览帖子–>然后加入社群–>然后发帖或评论点赞等
假设路径1是对的：则关键待解决问题就变成：用户来社区后，首先让他看到社群，即想办法在社区首页增加冷启社群的曝光（当然还有推荐准确率）…即前面假设1的社群匹配那块；（因为路径告诉我们用户来到社区的首要需求是要找社群，而社群又是匹配用户的，所以当然就要增加冷启社群的曝光了）
假设路径2是对的：则关键待解决问题就变成：用户来社区后，首先让用户先浏览帖子，即想办法在社区首页增加帖子的曝光（当然还有推荐准确率），让用户先消费帖子。
如果假设4成立：社群不匹配，帖子匹配
社群不匹配，帖子却匹配：即使让用户先浏览帖子（上述路径2），对帖子感兴趣，吸引进入帖子所在的社群，用户加群概率也不大，即使加群了，留存的概率也不大。
另外，冷启帖子数量有限，如果没有持续的UGC帖子供给跟上，用户很快就会刷完冷启帖子。
所以，这种情况下关键问题就变成：UGC社群的供给。本质上和假设2是一样的。
如何判断社群是否匹配，帖子是否匹配？（当然，我们在开始证明时就可以直接从这里开始，前提是已经拿到了数据）
结论：社群匹配，帖子不匹配，即假设1成立；
这里有个小问题：人均浏览帖子数低，有可能不是因为帖子不匹配，而是推荐的太准，用户看到首屏的帖子后直接点击进帖子详情页去了。那就看首屏帖子点击转化率，实际这个数据也很低，说明这个判断不成立。那也可能是推荐的太不准了，导致用户看到首屏的帖子发现“啥玩意”，于是失去兴趣不再下滑。我们先不去分析这个结论是否成立，退一步讲，即使冷启帖子是匹配的，因为数量有限，很快会被用户消费完。这种情况下，去提升推荐准确率也不会为社区整体指标贡献多少。
基于结论：社群匹配，帖子不匹配。即到此我们确定了后验概率“让更多用户…”的先验概率是：社区匹配，帖子不匹配（即这是社区当前的一个客观事实），基于这个客观事实，我们接下来需要分析的问题又回到“让更多用户…”上，如何“让更多用户…”？
前面分析过，“看到”和“匹配”，现在“匹配”问题已被确认，那就由此入手：
1、社群和用户相对匹配：
既然匹配，那就让更多用户先“看到”社群，再进入社群，再加入社群；
而现阶段，当用户已加入1个社群后，接下来重点是继续加入更多社群，还是让用户活跃起来（浏览、互动，发帖）呢：
所以，问题进一步变为：以社群为触点，吸引更多未加入社群的用户加入1个社群；（后验概率）
2、帖子不匹配：
阶段性结论，通过上述分析得到现阶段社区一级指标为：日均加入社群用户数。二级指标：日均新发贴数
以上，这两个指标还不足以衡量当前当前的业务目的，因为可能会出现有的社群成员数多，但帖子产出少，有的社群成员数少，帖子产出相对较多，以及帖子每人互动的问题；
需继续向上归因找到另一个指标，因为社群成员数和帖子数都归属于社群：
所以，当前阶段一级指标可定为：活跃社群数 （活跃的口径：成员数，日均发帖数，帖子互动率）
最终结论：现阶段目标：
目标有了，那我们就可以围绕目标制定解决方案了。（本文主要讲述假设思维，所以解决方案仅简述下）
因为策略不能直接作用于一级指标活跃社群数。所以，我们从二级三级指标入手：
日均加群用户数：目标用户是来到社区但还未加入社群的用户；
如何设计方案提升这个指标呢？
在“先验概率”社群匹配成立的条件下，假设增加社区首页的社群模块的曝光–也是这个AB实验的唯一变量（包括模块的物理曝光面积，影响用户点击的重要元素外显等），能增加进入社群首页的用户数。如果假设成立，那么日均加群用户数也会提升。这里这个假设是后验概率日均加群用户数提升的解决方案。（设计AB实验也叫设计实验假设）
方案上线后效果：各项指标均大幅提升，数据表现基本和推演预期一致。
以上，只是对假设思维的描述，实际如果从分析社区项目或从复盘一个项目的角度入手的话，还需要增加一些分支情况的假设，以及每个主假设往下落地拆解决方案过程中会衍生出更多的子假设，实际项目中共可提出几十条假设（有的假设会被当场证伪舍弃）。然后从ROI角度去评估优先级，最终确定当前阶段要落地的假设。然后上线策略，验证假设，迭代认知，再复盘，提出新一轮的假设。
本文由 @弋十三 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。