先問對問題：從業務目標到可驗證假設

老闆在週會上丟一句話：「最近轉換率變差。」如果你第一步就打開 GA4，你大概很快就會被一堆圖表淹沒。流量、來源、裝置、落地頁、活動頁、熱區、結帳流程，全部都看得見，但你還是不知道該先看哪裡。真正的關鍵，不是你手上有沒有更多數據，而是你有沒有先把這句模糊抱怨，拆成可以被驗證的問題。

很多分析做不起來，不是因為工具不夠，而是因為問題太糊。有人說「用戶變了」「景氣不好」「最近廣告不順」，聽起來像有在思考，其實只是把無力感講成一句評論。這一課要練的是：先問對問題，把模糊的業務焦慮拆成具體、可驗證、會失敗也沒關係的假設。

先把模糊抱怨翻成業務問題

一句「轉換率變差」裡面，藏了至少四個沒說清楚的空格：跟什麼比？差多少？哪個環節？影響哪個業務目標？如果這四件事不先講清楚，你開什麼報表都可能是白忙。因為有時候是整站轉換率掉，有時候只是 App 首購流程掉；有時候是這週比上週差，有時候是因為去年同期剛好有雙 11 加成；有時候看起來是轉換率問題，實際上是流量品質改變。

5W1H 在數據分析裡不是教科書口號，它是避免誤解的最便宜工具。What 是哪個指標出了問題；When 是哪個時間窗口；Where 是哪個頁面、通路或客群；Who 是新客、回購客、會員等哪一類人；Why 是目前合理懷疑的方向；How much 則決定這是不是值得動員團隊處理的事。

拿電商實戰來說，如果主管說「結帳頁棄單率高」，你至少要反問：是整體都高，還是 iPhone Safari 特別高？是本月比上月高，還是昨天廣告衝量後才高？是新客高，還是使用超商取貨的客群高？這些不是刁難，而是把一句情緒，翻成可工作的任務。

假設樹的作用，是把混亂變成可驗證路線圖

當問題被釘清楚之後，下一步不是立刻找答案，而是先把可能原因展開。這就是假設樹。假設樹不是為了看起來專業，而是幫你避免「想到哪查到哪」。你把模糊問題拆成幾條可驗證分支，接下來每看一份資料，都知道自己在排除什麼、支持什麼。

以「結帳頁棄單率高」為例，最常見的分支可以從技術、價格、流程、客群、誘因這幾條切。技術面可能是頁面載入慢、第三方金流驗證失敗；價格面可能是運費或加價購造成總價驚嚇；流程面可能是欄位太多、優惠券輸入位置不明顯；客群面可能是新客比例突然拉高；誘因面可能是券已領完、或贈品已售罄。

你可以先長這樣拆：

這棵樹的價值，不在於一次列出最完整的所有原因，而在於每個分支都能被驗證。你可以查金流失敗率、運費調整日期、廣告受眾、券使用率、頁面載入時間。只要能被資料打臉，它就是有用的假設。

好假設有三個條件：具體、可驗證、能被推翻

第一，假設要夠具體。所謂具體，不是字很多，而是別人知道你要查什麼。例如「App 活躍度下降是因為推播內容太無聊」還不夠具體，因為什麼叫太無聊？更好的說法是「本月推播 CTR 下降，導致回訪流量減少，進而拖累 DAU」。這樣才知道接下來要看哪三個指標。

第二，假設要可驗證。你提出一個假設後，應該能說出至少一個資料來源或對照方式。如果你說「消費者開始偏好簡約風」，那要怎麼驗證？如果你說「新品頁面點擊高但材質說明不清，導致商品頁到加車率偏低」，你就知道可以看商品頁停留、滑動深度、FAQ 點擊、客服詢問類型。可驗證，是讓假設從會議評論變成工作任務的關鍵。

第三，假設要能被推翻。這點最容易被忽略。好假設不是你越相信越好，而是你能接受它可能錯。例如你懷疑「新客大量湧入拉低整體 CVR」，那如果你一分群發現新客和回購客都一起下滑，這個假設就該退場。能被推翻，代表你沒有把面子綁在某個答案上，這是成熟分析最重要的習慣。

電商裡很常見的壞假設是「最近景氣不好」。它聽起來像解釋，其實沒有任何操作價值。你沒辦法靠它決定要不要改活動頁、調價格、換素材、加客服。反過來，「本週新客流量增加 35%，但商品頁首屏沒有清楚說明免運門檻，導致低意圖流量大量流失」就是好假設，因為你能看得到、改得到、也驗證得了。

你也可以把好假設想成「會帶你走向下一張表」的句子。當一句話講完之後，你立刻知道要去看哪個漏斗、哪個報表、哪個分群，它通常就比較接近好假設；如果講完之後大家只能沉默點頭，卻不知道下一步怎麼查，那大多只是描述情緒，不是分析。

別把情緒句當假設

有些句子在會議裡很常出現，卻很少幫上忙。像是「消費者變了」「市場競爭變激烈」「大家最近都在觀望」「廣告現在很難做」。這些句子有時不是錯，而是太大、太空、太難轉成行動。它們比較像情緒出口，不像分析起點。

你要學會把這種句子往下壓。比方說「市場競爭變激烈」，你可以追問成「競品在同品類主打更低價格，導致我們品牌關鍵字 CPC 拉高」；「消費者在觀望」可以追成「活動頁進站量正常，但加入購物車後停在運費門檻的比例提高」。同樣是抱怨，後者才有辦法對應到資料、驗證和行動。

再看 App 活躍度下降這個常見題。情緒版說法是「大家對 App 沒新鮮感了」。假設版說法可以拆成：首頁推薦內容重複、推播時間不符合用戶習慣、登入獎勵縮水、或會員任務門檻太高。前者講完大家只能點頭，後者講完團隊才知道去哪裡查。

在台灣電商團隊裡，這種差別尤其明顯。因為大家都很忙，會議節奏也快，越空泛的句子越容易被當成共識帶過。你如果能把一句「最近轉單很怪」追到「手機版活動頁首屏沒有先講免運與到貨日，導致大量新客加車後放棄」，你不是在挑語病，而是在替團隊省掉很多亂槍打鳥的工時。

會議裡最值錢的人，是把問題問到夠窄的人

很多人以為提問是為了顯得聰明。其實真正有價值的提問，是把團隊的注意力縮到夠窄，窄到資料可以回答、窄到下一步有人能做事。你不需要問十個漂亮問題，你需要問兩三個會改變分析方向的問題。

很好用的問句包括：

例如一個保健食品品牌說「回購變差」。會議裡最有幫助的人，不是先猜「可能因為市場疲乏」，而是先問「這是首購後 30 天回購，還是 90 天回購？是魚油品類，還是全站？是不是因為上個月首購客暴增，把回購分母撐大了？」這些問題一出來，分析才會有骨架。

很多時候，真正讓團隊往前走的不是答案，而是把問題問窄。你不用一開始就最懂資料，但你要先逼自己把題目壓到可驗證。這個習慣一旦養成，連 AI 都會變得更好用，因為你給它的不是模糊抱怨，而是可以一起拆解的工作題。

問對問題的另一個附帶價值，是你會更快發現這件事值不值得分析。有些問題一問就知道只是短期波動，有些則一問就知道牽涉促案、客群、庫存與頁面承接，真的會影響營收。把題目問清楚，本身就是一種資源配置能力。

問窄，才查得準。

AI 協作：學了這個，跟 AI 怎麼配合？

這一課最適合用 AI 來幫你展開假設，但前提是你先把問題問得夠清楚。

你的人類優勢：

• 你知道老闆真正焦慮的是營收、毛利、留存，還是檔期成敗
• 你能判斷哪些假設在你們公司現實上查得到、改得動

可以這樣跟 AI 說：

我是電商營運，現在問題是「App 活躍度下降」。請你不要給空泛原因，先用 5W1H 幫我補齊問題定義，再把它拆成 6 個可驗證假設。每個假設都要附上：要看哪些指標、可能的對照組、以及什麼結果會讓這個假設被推翻。背景是最近改過推播節奏、首頁版位和會員任務機制。

練習題

本課重點回顧

• 先把模糊話翻成問題
• 假設樹幫你少走彎路
• 好假設能被資料打臉
• 情緒句不能直接拿來分析
• 提問品質決定分析品質