После диагностики не нужен список из двадцати советов. Нужен следующий тест, который способен изменить решение. Хороший эксперимент связывает конкретное ограничение, причинную гипотезу, изменение, метрику успеха и заранее определённый stop rule.

Собрать эксперимент ↓ Найти проблему Выбрать ограничение

Цикл Growth OS

Constraint → Mechanism → Hypothesis → Experiment → Evidence → Decision → New Constraint

Цель теста — не «доказать, что идея хорошая», а получить информацию, которая меняет следующее действие.

Экспериментальный цикл

Семь элементов хорошего теста

01ConstraintЧто ограничивает результат.

02MechanismПочему возникает проблема.

03HypothesisЧто должно измениться и почему.

04ChangeОдно контролируемое вмешательство.

05MetricКаким результатом проверяем.

06Stop ruleКогда заканчиваем тест.

07DecisionScale, iterate или kill.

Правила

Чем эксперимент отличается от хаотичной инициативы

01Одна причинная гипотезаЕсли меняется одновременно канал, оффер, цена и аудитория — непонятно, что создало результат.

02Один контекстСегмент, канал, cohort и период должны быть достаточно определены.

03Метрика заранееНельзя выбирать «победивший KPI» после того, как данные уже увидели.

04GuardrailsЛокальное улучшение не должно разрушать downstream: качество, margin, churn, sales load.

05Stop ruleОпределите время, sample, бюджет или порог evidence до запуска.

06Learning artifactРезультат фиксируется так, чтобы команда не повторяла тот же тест без новой причины.

Категории

Где можно ставить эксперименты

AcquisitionСпрос и каналыAudience, channel, message, bidding, outbound, partnerships.

ConversionСайт и funnelOffer, proof, UX, forms, routing, qualification.

SalesКоммерческий процессSpeed-to-lead, discovery, proposal, follow-up, buying committee.

PricingЦена и упаковкаPackages, anchors, minimum contract, payment terms, discount rules.

RetentionПовторная ценностьOnboarding, activation, lifecycle, expansion, churn reduction.

ContentDemand & trustProof, founder content, SEO, distribution, thought leadership.

ProductValue creationUse case, feature, bundle, workflow, time-to-value.

OperationsThroughputAutomation, handoffs, cycle time, capacity, cost per operation.

Experiment Builder

Соберите экспериментальную карточку

Конструктор помогает сформулировать тест так, чтобы после него можно было принять решение. Приоритизация ниже — только способ сравнить backlog, а не математическая истина.

Hypothesis Card

Формат можно копировать в Jira, Notion, Confluence или любую таблицу backlog.

Какое ограничение проверяем? Не «улучшить маркетинг», а конкретный bottleneck.

Где именно? Segment / channel / cohort / stage.

Предполагаемый механизм Причина должна быть проверяемой и отличимой от альтернативных объяснений.

Что именно изменяем? Чем меньше одновременно меняется, тем легче интерпретировать результат.

Основная метрика Один primary outcome.

Guardrail metric Чтобы не улучшить верх воронки ценой качества.

Критерий успеха Фиксируется до запуска.

Stop rule Sample / time / budget / evidence threshold.

Impact3

Если гипотеза верна, насколько сильно изменится bottleneck?

малыйбольшой

Evidence / Confidence3

Сколько уже есть данных в пользу предполагаемого механизма?

догадкасильный evidence

Speed to learning3

Как быстро тест способен дать решение, а не просто начать собирать данные?

медленнобыстро

Effort / Risk3

5 = дешёвый и обратимый тест; 1 = дорогой, рискованный, трудно откатить.

тяжёлыйлёгкий

Backlog priority signal

—

Используйте только для сравнения экспериментов одной команды. Bottleneck relevance важнее арифметического score.

Готовая Hypothesis Card

Проверьте формулировку: сможет ли результат теста реально изменить решение?

Backlog

Как выбирать очередь экспериментов

Не стройте общий рейтинг всех идей компании. Сначала сгруппируйте тесты вокруг одного подтверждённого ограничения.

01Один bottleneck3–5 тестов вокруг одной проблемы обычно полезнее 30 несвязанных инициатив.

02Разные mechanismsBacklog должен различать конкурирующие объяснения, а не пять вариаций одного баннера.

03Cheap information firstСначала тесты, которые быстрее и дешевле уменьшают uncertainty.

04Reversible before irreversibleДо большой разработки, найма или капитальных затрат ищите обратимый proof.

05Downstream guardrailsВерхняя метрика не должна улучшаться ценой margin, retention или качества pipeline.

06Re-rank after evidenceНовая информация меняет confidence и сам backlog — это нормальная часть цикла.

Negative results

Провал теста — не провал системы

Если гипотеза не подтвердиласьЗафиксируйте условия, сегмент и результат. Это уменьшает пространство поиска и не даёт команде повторять тот же тест под новым названием.

Если результат неоднозначныйНе называйте тест успешным. Проверьте sample, implementation fidelity, data quality и альтернативные mechanisms.

Если локальная метрика вырослаПроверьте downstream: качество лидов, win rate, margin, churn, workload и economics.

Если тест дал сильный эффектСледующий эксперимент — проверить масштабируемость: другой segment, больший объём, дольше период, marginal economics.

Принцип: система экспериментов должна увеличивать качество решений, а не количество A/B-тестов.

Связанные маршруты

Откуда брать хорошие эксперименты

Диагностика

Начните с симптома и локализуйте вероятный механизм до генерации тестов.

Найти проблему → Карта ограничений

Выберите bottleneck, который ограничивает throughput всей системы.

Выбрать constraint → Profit Growth Tree

Сравните экономический leverage драйверов и выберите гипотезы с заметным потенциальным эффектом.

Сравнить рычаги →

Принцип Growth OS

Не внедряйте идеи — покупайте знания маленькими тестами

Сильная экспериментальная система уменьшает стоимость ошибки. Она позволяет сначала проверить механизм, затем масштабировать подтверждённое и быстро останавливать то, что не создаёт эффекта. В результате компания учится быстрее, чем успевает тратить деньги на неверные предположения.

Собрать эксперимент Начать с диагностики Карта ограничений

Система экспериментов роста:от ограничения к проверяемому решению