用一次修改验证一个假设

级别：首作必学方法。 少量试玩适合发现机制和理解问题，流量充分时才考虑更严格的分组实验。方法参考 PM：实验设计。

从现象到可反驳的假设

现象：“玩家在不匹配展示期间频繁点第三张。”假设：“玩家没有意识到当前正在等待。”修改：“展示期间显示简短提示，并保持两张牌的强调。”

预期：“更多玩家能解释这段等待；无效第三次输入减少。”如果输入减少但玩家仍不理解，可能只是新提示挡住了操作，不能立即宣称体验改善。

写清主指标与保护指标

角色	示例
主指标	每局展示阶段的无效输入次数
行为解释	玩家能否正确复述等待机制
保护指标	局时长、退出、完成率与主观困扰
分组字段	客户端与配置版本、关卡、首次或重复玩家

修改前后比较要避免同时更改回合数、牌面和加载流程。使用相同玩家重复测试时，学习效应会影响结果；记录这一限制。

样本与不确定性

教学例子：20 人中有 12 人完成是 60%，但不能据此认为真实人群完成率精确为 60%。小样本容易波动，先保留人数和行为记录，再解释方向。

留存也要定义口径，例如按首次进入日期的玩家分组，次日是否至少一次有效启动。时区、机器人、开发账号、重复身份和数据缺失都影响分母。

流量足够时，A/B 分配通常需要对同一玩家保持稳定，避免一人跨组；统计方法、观察周期和停止条件应预先确定。不要每天查看数据后在偶然显著时立即宣布胜利。

结果记录

问题与证据：
假设：
本轮唯一改动：
观察对象、版本和时间：
主指标、保护指标：
结果与原始人数：
结论支持到什么程度：
下一步：保留 / 还原 / 继续调查

完成标准：一次改动有前置假设和可检查结果；能说明数据不能回答什么，并决定下一步。即使假设被否定，也产出了有用信息。