نوشتن فرضیه محصول با هوش مصنوعی
پیش از ساختن یک قابلیت، مشخص کنید انتظار دارید چه رفتاری در کدوم گروه کاربرها عوض بشه. بعد بنویسید از کجا میفهمید حدستون درست بوده.
نوشتن فرضیه محصول با هوش مصنوعی برای وقتی به درد میخوره که دو نفر درباره یک تغییر توافق دارن، ولی هر کدوم انتظار متفاوتی از نتیجه دارن. با اسکیل define-hypothesis میتونید قبل از شروع کار روی یک جمله به توافق برسید. چه چیزی قراره عوض بشه، برای چه کسانی و از کجا میفهمید تغییر اثر داشته؟
فرض کنید پیشنهاد شده یک مرحله از ثبت سفارش حذف بشه. شاید خرید بیشتر بشه، شاید هم پرداخت تغییری نکنه و فقط تعداد سفارشهای اشتباه بالا بره. ایجنتتون کمک میکنه این دو احتمال رو کنار هم بنویسید. وقتی نوبت بررسی رسید، تیم میدونه علاوه بر عدد اصلی چه چیزی رو باید زیر نظر بگیره و کدوم نتیجه براش قابل قبول نیست.
کاربردها
- یک پیشنهاد کلی رو به فرضیه قابل آزمایش تبدیل کنید و رفتاری رو که قراره تغییر کنه نام ببرید.
- گروه هدف رو به اندازهای مشخص کنید که معلوم باشه درباره سفارش اول حرف میزنید یا خریدهای بعدی.
- برای معیار موفقیت توضیح بدید چه عددی رو با چی مقایسه میکنید.
- یک سنجه محافظ انتخاب کنید تا بهتر شدن یک عدد، مشکل تازهای رو از چشم تیم پنهان نکنه.
- پیشفرضهایی رو بنویسید که اگر درست نباشن، تفسیر نتیجه عوض میشه.
نصب و استفاده
- اسکیل رو در ایجنتتون نصب کنید. شرح مسئله و شواهدی رو که ازش دارید در اختیارش بذارید. برای نوشتن سند حساب دیگری لازم ندارید.
- مثلا بگید «فکر میکنیم حذف یک مرحله به خرید اول کمک میکنه. قبل از اینکه سراغ طراحی بریم، فرضیه و معیار بررسیش رو با هم بنویسیم.»
- سند رو با تیم بخونید. اگر عدد فعلی رو ندارید، روشن کنید چه چیزی باید اندازهگیری بشه. بعد درباره روش بررسی و مدت زمانی که نیاز داره تصمیم بگیرید.
سوالات متداول
منبع
ساخته Jonathan Prisant (Product on Purpose). نام اصلی: define-hypothesis، منتشرشده در GitHub با مجوز Apache-2.0.
مشاهده در GitHub