=- 识别实验可能伤害的关联业务指标- 建立全局指标的“反向联动”监控- 设定不可接受的负向阈值- 分析“蚕食效应”(Cannibalization)
- 选择合适的检验方法（T检验/卡方检验/Bootstrap）- 计算P值与统计功效（Power）- 处理多重检验（Multiple Testing）带来的偏差- 输出标准化的统计报告
- 监控SRM（样本比率偏差）以发现分流故障- 实时追踪核心指标与护栏指标的趋势- 自动检测异常值（Outliers）- 提供实验进度的可视化漏斗
- 设计基于哈希（Hash）的流量分桶算法- 确保不同实验层的流量正交（Orthogonal）- 解决流量重叠导致的干扰问题- 验证分桶的均匀性（Uniformity）
- 定义功能开关（Toggle）的配置结构- 设计基于用户属性的流量圈选规则- 实现秒级的配置热更新与回滚- 避免长期的Feature Flag导致代码腐烂
=- 将心理学原理转化为可测试的A/B实验变量- 设计对照组与实验组的干预手段- 排除干扰变量,确保因果推断- 积累产品专属的行为心理学知识库
=- 设计双向奖励机制(送好友X,你也得Y)- 提供高价值的“社交货币”作为分享素材- 利用“我请客”心理降低分享门槛- 确保奖励即时到账以强化行为
=- 计算用户离开将损失的具体权益(积分/数据/特权)- 设计强调“失去”而非“省钱”的挽留弹窗- 提供“暂停服务”而非“取消服务”的缓冲选项- 利用沉没成本效应(Sunk Cost)
- 遵循米勒定律（7±2原则）进行分组- 利用席克定律（Hick's Law）减少选项- 运用渐进式披露（Progressive Disclosure）策略- 优化导航与层级，减少记忆负担
- 展示用户数量、好评率、实时购买动态- 利用“像我一样的人（Peer）”的见证- 引入专家或权威机构的认证- 消除用户“我是小白鼠”的恐惧
- 设定时间稀缺（倒计时）与数量稀缺（库存）- 营造竞争稀缺（XX人正在抢）的氛围- 结合损失厌恶心理强化稀缺感- 确保稀缺的真实性以维持信任
=- 识别锚定效应、框架效应、禀赋效应等偏差- 分析这些偏差如何左右用户的购买决策- 设计利用偏差的交互或文案策略- 避免触犯道德底线的“黑暗模式”
- 基于Hook模型（Trigger-Action-Reward-Investment）设计- 埋设外部触发器与内部触发器- 设计多变的酬赏（Variable Rewards）- 引导用户投入以增加转换成本
- 平衡挑战（Challenge）与技能（Skill）- 设计清晰的目标与即时的反馈回路- 消除干扰，创造沉浸式操作环境- 利用“微交互”维持用户的专注度
- 计算用户的Recency（近度）、Frequency（频度）、Monetary（额度）- 将用户划分为“重要保持”、“重要发展”、“重要挽留”等类别- 为不同层级用户制定差异化的营销策略- 动态监控层级跃迁与流失
=- 设计冲突后的“冷却期”与“复盘会”- 引导双方表达感受而非情绪宣泄- 修复人际关系的具体的团建或仪式- 防止冲突演变成办公室政治
=- 明确绝对禁止的业务行为(红线)- 设定产品质量和服务水平的最低标准(底线)- 建立全员知晓的举报与熔断机制- 将治理原则嵌入代码或流程中
- 运用哈佛谈判法（原则性谈判）- 区分“立场（Position）”与“利益（Interest）”- 寻找扩大蛋糕（Create Value）的方案- 准备最佳替代方案（BATNA）
=- 建立定期的跨部门互信度量(Trust Audit)- 设计促进非正式交流的社交机制- 建立“承诺-交付”的一致性记录- 修复因人员变动导致的信任断裂
- 定义进入“紧急状态”的触发条件- 明确独裁者（Commander）的权力边界- 暂停常规流程（如审批、会议）的规则- 设定事后问责与复盘机制