Back to Details

hypothesis-library

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Hypothesis Library Skill

假设库Skill

When to Use

使用场景

  • Capturing new experiment ideas with consistent metadata.
  • Referencing past wins/losses before prioritizing the backlog.
  • Sharing reusable learnings across pods and channels.
  • 以统一的元数据记录新的实验想法。
  • 在确定待办事项优先级前参考过往的成功/失败经验。
  • 在不同团队和渠道间共享可复用的经验。

Framework

框架

  1. Metadata Schema – hypothesis ID, theme, persona, funnel stage, metrics.
  2. Assumptions Matrix – belief statements, supporting evidence, confidence rating.
  3. Status Tracking – idea → scoped → running → decided → archived.
  4. Learning Tags – impact summary, guardrail notes, follow-up ideas.
  5. Governance Hooks – approvals, owners, review cadence.
  1. 元数据架构 – 假设ID、主题、用户角色、漏斗阶段、指标。
  2. 前提假设矩阵 – 信念陈述、支撑证据、置信度评分。
  3. 状态追踪 – 想法→已界定范围→进行中→已决策→已归档。
  4. 经验标签 – 影响总结、注意事项、后续想法。
  5. 管理机制 – 审批流程、负责人、评审周期。

Templates

模板

  • Intake form for new hypotheses.
  • Learning card format (context, result, recommendation).
  • Portfolio dashboard summarizing mix by theme/metric.
  • 新假设提交表单。
  • 经验卡片格式（背景、结果、建议）。
  • 按主题/指标汇总的组合仪表板。

Tips

小贴士

  • Require at least one supporting data point before moving to prioritization.
  • Use consistent tagging so search/filtering works across teams.
  • Link to 
    synthesize-learnings
    outputs to keep narratives fresh.
  • 在进入优先级排序前，要求至少提供一个支撑数据点。
  • 使用统一的标签，确保跨团队的搜索/筛选功能正常运行。
  • 链接至
    synthesize-learnings
    的输出内容，保持经验描述的时效性。