没有历史流量时,可验证假设不能建立在“某词有搜索量”这种外部数据上,而应建立在你自己可控的页面与用户行为上:先定义“谁在什么情境下需要什么”,再选一个可观察信号,用最小页面或最小改动去测试。旧内容、旧系统或旧合作关系需要退出时,保留仍有价值的部分,把新假设挂到这些保留资产上,往往比从零新建更快得到反馈。
两种条件的假设构造方式不同,选错会让测试周期被拉长。
条件一:有旧内容、旧系统或旧合作关系可复用。此时不要整体推翻,而是先做资产盘点:哪些页面仍有用户价值,哪些合作关系还能带来真实需求描述,哪些系统还能承载新页面。把新业务的假设挂在这些保留部分上,例如用旧内容里仍被引用的段落作为新页面的解释基础,用旧合作方提供的真实问题清单作为假设来源。
条件二:完全从零,没有任何可复用资产。此时假设必须更小、更具体,不能一次覆盖多个用户群。可以从一个具体任务出发,例如“某类用户完成一次对比需要哪些信息”,先写一个页面验证他们是否愿意读完并采取下一步动作。
判断依据很简单:如果旧资产还能带来真实用户提问或引用,就属于条件一;如果旧内容只剩形式、旧合作方已无真实互动,就按条件二处理,不要为了保留而保留。
可验证假设需要包含三个部分:对象、情境、可观察信号。例如,“刚接触该业务的新用户,在比较两种方案时,会需要一份步骤清单;如果页面提供清单,他们会继续点击下一步说明。”这里对象是“刚接触的新用户”,情境是“比较两种方案”,信号是“点击下一步说明”。
写完后做一次筛选:这个信号是否能在不依赖历史流量的情况下被观察到?如果只能靠搜索排名或外部平台推荐才能看到,就不适合作为第一轮假设。第一轮应优先选择页面内行为,例如滚动深度、点击、停留后的二次动作。这些信号不完美,但能让你在流量很少时也得到反馈。
假设写完后的实际动作是:为每个假设指定一个最小页面或最小改动,并明确“什么结果算支持,什么结果算否定”。例如,假设“用户需要步骤清单”,支持信号可以是多数访问者读到清单末尾并点击下一步;否定信号是多数人只读开头就离开。结果无论正负,都会影响下一步:支持则扩展该清单到相邻任务,否定则回到用户情境重新描述问题。
旧内容、旧系统或旧合作关系需要退出时,容易犯的错误是全部清空,然后在新业务上重新猜。更稳妥的做法是把退出过程分成两步:先标记仍被真实需求引用的部分,再把这些部分作为新假设的起点。
这里有一个假设例子:某旧页面长期没有自然流量,但仍有少量用户通过站内链接访问。你保留其中一段解释,并新增一个步骤清单,观察站内访问者是否更愿意点击下一步。这个例子的数字只用于说明比较方法:如果新增后点击比例上升,下一步可以扩展清单;如果没有变化,则说明该假设不成立,应回到用户情境重新描述。
第一轮测试后,不要只看“有没有流量”,而要看信号是否指向同一个方向。
需要说明的是,抓取量、索引量或某项统计归零,不能单独证明你的处理正确。它们可能来自退出旧系统、链接变化、页面合并或外部环境变化。要结合页面内行为和用户描述一起判断,才能决定保留还是继续退出。
如果新业务必须依赖广告或平台推荐才能获得第一波用户,那么页面内行为信号仍然有用,但不能单独作为假设成立的全部依据。此时应把广告或推荐带来的访问单独标记,避免和自然访问混在一起判断。另一种例外是旧合作关系涉及合同或数据交接,退出节奏不由内容团队决定,这时应先保留可保留的部分,把假设测试限制在可控页面上,等退出完成后再扩大范围。
无论哪种情况,动作和结果之间都要留出可解释的链条:你改了什么,观察到了什么,下一步因此做什么。没有这条链条,假设就只是猜测。