我做过几年用户增长，最深的体会是：实验做得快不快，很多时候不取决于代码上线速度，而取决于前面那几句“问题描述”够不够清楚。提示词就是把这些描述变成可复用的工作语言。它可以是给大模型的一段指令，也可以是团队内部的标准模板。我的理解很朴素：用户增长实验提示词，就是把业务目标、实验假设、指标口径、执行约束和分析要求，压缩成一段可执行、可检查、可复用的文字。它的价值不在于“写得漂亮”，而在于减少来回沟通的损耗，让实验从想法到结论的路径更短。
我也会从实验平台产品经理的视角看这件事。提示词像一张“实验申请单”的升级版，里面要能看出目标用户是谁、改动点是什么、成功指标怎么定、样本量大概多少、风险边界在哪里。业务方写完这段提示词，实验负责人能直接判断能不能做、该怎么做。分析师拿到这段提示词，也能提前知道该看哪些分层、该排除哪些干扰。我们用同一套提示词语言，沟通成本会降下来，实验记录也更完整。
1.1 用户增长实验提示词的核心价值、适用边界与业务目标对齐
我常跟团队说，提示词的第一价值是“逼着大家把目标写清楚”。用户增长实验最怕目标模糊，比如“提升转化率”这句话，听起来对，落到实验里却没法判断。提示词会要求写清楚转化从哪一步到哪一步、统计周期多长、覆盖哪些用户。我作为增长负责人时，会先让业务方用一句话回答“这个实验成功后，哪个业务指标会变，变多少算值得继续”。这句话写不出来，提示词就还没到能用的程度。核心价值也在这里：把业务目标翻译成实验目标，再把实验目标翻译成可执行的提示词结构。
适用边界也要提前说清楚。提示词不是万能的，它适合把重复性的实验设计、假设生成、数据分析需求标准化。涉及强合规、强风控、复杂因果推断的实验，提示词只能做辅助，不能替代人工评审。我碰到过一个召回策略实验，业务方希望提示词直接给出“最优触达频率”，这种问题边界太宽，需要先拆成可验证的小问题。我的做法是把提示词限制在“给出候选假设和验证思路”这一层，后面再由人判断。边界清楚，提示词才不会变成“万能许愿池”。
业务目标对齐这块，我吃过亏。早期我们做新手引导实验，提示词里写的是“提升新手引导完成率”，实验上线后完成率确实涨了，业务方却问“为什么次日留存没动”。问题出在提示词没有绑定业务目标。后来我要求提示词里必须出现“业务目标—实验指标—护栏指标”三层结构。业务目标是留存，实验指标可以是引导完成率，护栏指标要包含卸载率、客诉率。这样对齐之后，实验结论更容易被业务方接住。我站在分析师角度也会安心，因为提示词提前说明了“这个实验不是只看一个数”。
1.2 提示词在“假设生成—实验设计—执行监控—数据分析—迭代决策”链路中的总流程
我把提示词看成一条链路上的“交接棒”。假设生成阶段，提示词要能约束输出：给出几个假设、每个假设对应什么用户行为变化、怎么验证。实验设计阶段，提示词要带上分流方式、样本量估算、实验周期、指标口径。执行监控阶段，提示词要说明哪些异常需要报警、哪些指标需要每天看。数据分析阶段，提示词要规定分层维度、显著性判断方法、归因框架。迭代决策阶段，提示词要输出“继续、放大、缩小、停止”的建议格式。每个阶段的提示词不一定要很长，但要能接住上一阶段的产出。
我作为实验负责人时，会特别关注“交接处”的信息丢失。假设生成提示词输出了一堆假设，实验设计提示词如果没有继承“目标用户”和“验证条件”，后面就容易跑偏。我的习惯是让每个阶段的提示词都保留一个“上下文块”，里面放业务目标、核心指标、已知约束、历史实验结论。这个块不用写得很细，但必须稳定。链路走起来，提示词就像一条有标记的绳子，拉一下能找回前面的判断依据。
执行监控和数据分析这两个环节，提示词的作用容易被低估。我见过实验上线后没人看监控，等到分析时才发现分流不均匀。监控提示词可以很轻，比如“每天检查实验组和对照组的新用户占比差异，超过2个百分点就提醒我”。数据分析提示词则要提前写清楚“先看整体，再看分层，最后看异常”。我站在团队新人角度会建议：别把提示词写成一次性指令，把它写成阶段检查清单。链路中的每个节点都有提示词，实验复盘时就能顺着链条回看哪一步判断出了问题。
1.3 高质量用户增长实验提示词的构成要素、编写规范与约束条件
我评估一条提示词，先看它有没有“角色、目标、输入、输出、约束”这五块。角色不是摆样子，它决定提示词的语气和判断标准。目标要具体到可验证，输入要包含业务背景和数据字段，输出要规定格式，约束要写清楚不能做什么。我常把构成要素拆成一张小卡片：实验名称、目标用户、改动点、核心指标、护栏指标、实验周期、样本量范围、分析维度、输出模板。卡片不长，但能覆盖大多数增长实验。提示词写出来如果缺了约束条件，模型容易给出“看起来合理、实际没法执行”的建议。
编写规范上，我偏好“短句、具体名词、可检查的动词”。比如“请分析数据”太虚，“请按新老用户分层，输出实验组和对照组的次日留存差值和置信区间”更可用。约束条件要写成人能看懂、机器也能执行的规则，比如“不要建议扩大实验流量，除非护栏指标没有恶化”。我作为业务方时，最怕提示词里出现“提升用户体验”这种没法验证的词。我的处理方式是让业务方补一句“用户体验变好体现在哪个指标上”。补不上，就说明这个词不该出现在提示词里。
约束条件还包括数据安全和实验伦理。提示词里要避免诱导模型生成“绕过审批”“强行显著”的内容。我见过有人写“帮我把结果调成显著”，这种提示词不能用。我的团队会在模板里加一条硬约束：分析结论必须同时给出效应量和置信区间，不许只写“显著提升”。编写规范不用追求长，追求的是每条都能被检查。提示词末尾可以加一个“自检问题”：目标用户是否明确、指标口径是否唯一、约束条件是否可执行。三个问题都过，提示词才算及格。
1.4 从增长问题到实验问题的提示词拆解方法与上下文信息组织
增长问题通常很大，比如“新用户留存低”。直接拿这句话写提示词，输出会很散。我的拆解方法是先问“低在哪个环节、哪类用户、什么时间窗口”。把大问题拆成“新用户首日关键行为完成率低”这样的小问题，再拆成“引导页到首单的转化率是否受文案影响”。提示词里要保留拆解路径，让读的人知道这个问题是怎么来的。我作为分析师时，会要求提示词带上“不解决什么问题”的说明，避免实验范围越滚越大。拆解不是一次完成，提示词可以分版本，第一版只聚焦一个可验证问题。
上下文信息组织，我常用“三层块”结构。第一层是业务背景，写清楚为什么现在做这个实验。第二层是数据上下文，写清楚可用字段、统计周期、历史基线。第三层是决策上下文，写清楚实验结论会用来做什么决策。三层块不用长，但要稳定。我碰到过一个实验，提示词里没写历史基线，模型给出的样本量建议偏小，后来重新跑了一遍。上下文块里放一句“历史转化率约12%，日常波动2个百分点”，输出质量会好很多。信息组织的关键是“让提示词自己带着背景走”，不依赖某个人临时补充。
拆解方法和上下文组织要配合使用。我习惯先写“问题树”，再把问题树里的一条分支写成提示词。问题树不用放进提示词，但提示词里要留一个“关联问题”字段，方便后续实验串联。我站在团队协作角度会建议：每个提示词都带一个“上下文摘要”，不超过五行。摘要写清楚目标、范围、已知结论。新人拿到提示词，不用翻聊天记录也能上手。这样做还有一个好处，实验复盘时可以对比“当时的上下文”和“现在的认知”，判断哪些假设需要更新。
1.5 提示词质量评估、模板复用、版本管理与团队协作机制
提示词质量评估，我一般看四个点：能不能执行、能不能复现、能不能解释、能不能沉淀。能不能执行，看输出是否包含明确动作；能不能复现，看同样输入是否得到稳定结构；能不能解释，看结论有没有数据依据；能不能沉淀，看这段提示词能不能被下一次实验复用。我作为增长负责人时，会抽几条提示词做“盲评”，让没参与实验的同事按提示词复述实验设计。复述偏差大，说明提示词质量不够。评估不用搞得很重，一周抽十条，团队就能形成手感。
模板复用要小心“一套模板打天下”。增长实验的场景差异很大，拉新、激活、留存、召回，指标口径和约束条件都不一样。我的做法是“主模板加场景插件”：主模板管角色、目标、输出格式、硬约束，场景插件管指标口径、分层维度、常见异常。复用的时候只换插件，不动主骨架。我站在新人角度会很喜欢这种结构，上手快，也不容易漏掉关键约束。模板库不用多，先把高频场景覆盖住，比如新手引导、push触达、优惠券发放、召回策略。
版本管理和团队协作机制，我建议轻量但留痕。每条提示词有版本号、修改人、修改原因、适用场景。修改原因要写“为什么改”，不是“改了啥”。协作上，业务方、实验负责人、分析师各有一个检查点：业务方确认目标对齐，实验负责人确认执行约束，分析师确认指标口径。三个检查点过了，提示词才能进入实验流程。我碰到过提示词在群里传来传去，最后没人知道哪个版本是真的。后来我们建了一个共享文档，按“场景—版本—状态”管理，状态分草稿、评审中、已启用、已归档。归档不是删除，复盘时还能翻出来看。团队协作机制的核心是让提示词有主人、有状态、有回看路径。
2. 用户增长实验提示词分论：假设生成与数据分析的扩展实践
我做了上百个增长实验之后，发现一个有意思的现象：假设生成和数据分析这两头，往往是提示词用得最不讲究的地方。中间的执行环节有平台管着，反而这两头全靠人拍脑袋。这一章我想把这两个环节拆开聊聊，把我在假设生成提示词和数据分析提示词上踩过的坑、攒下的模板、还有那些踩线才学会的约束条件，都摊开说一说。
2.1 用户增长实验假设生成提示词：输入变量、约束条件、输出结构与可验证性要求
假设生成这件事，我以前觉得靠灵感就行。后来发现灵感不可控，靠灵感产出的假设质量忽高忽低，团队里不同人写出来的假设差距很大。用提示词来约束假设生成，核心逻辑是让“输入变量”足够具体。我一般会在提示词里塞四类输入：用户行为数据摘要、业务背景说明、历史实验结论、当前产品状态。这四类信息缺一个，模型给出的假设就容易飘。比如做召回实验，光写“用户流失了想召回”不够，得把近30天流失用户的活跃频次分布、最后一次触达渠道、历史召回响应率这些数据摘要放进去。输入变量越具体，输出的假设越接地气。
约束条件这块我有一条硬规矩：提示词里必须写“禁止输出无法在两周内验证的假设”。这个约束看起来粗暴，实际效果特别好。模型会很自然地给你“提升用户长期价值”这种大假设，加了这个约束之后，它开始输出“对7天未登录用户发送带券的push，实验组点击率提升5%以上”这种能落地的假设。约束条件还包括样本范围、可操作变量边界、时间窗口。我习惯在提示词末尾加一句“每个假设必须对应一个可观测的行为变化和一个可统计的指标”，不满足这个条件的假设直接不要。输出结构我一般要求分三块：假设描述、验证路径、预期效应量。验证路径要写清楚实验组做什么、对照组做什么、观察哪个指标。预期效应量不是拍脑袋，最好给个区间，比如“预计提升3%到8%”。
可验证性要求是假设生成提示词最容易漏掉的部分。我见过太多假设写得漂亮但没法验证，比如“优化推荐算法会提升用户满意度”。用户满意度怎么测？测哪个人群的？统计周期多长？这些不写清楚，后面实验设计根本没法做。我的做法是在提示词里强制要求输出“可验证性自检”字段，包含三个问题：指标是否可量化、实验周期是否可接受、样本量是否能在现有流量下满足。三个都过，假设才能进入下一轮筛选。我站在分析师角度补一句，可验证性还要考虑数据采集成本，有些指标埋点没铺好，验证成本比实验本身还高。提示词里可以加一条“优先选择已有数据采集能力的指标”，这条能省很多事。
2.2 假设生成提示词的典型模板、多场景变体与优先级筛选方法
模板这东西，用好了是脚手架，用死了是笼子。我常用的假设生成提示词主模板大概长这样：先给角色设定，我一般写“你是一位有三年以上用户增长实验经验的分析师”；然后给输入上下文块，包含业务目标、目标人群、历史数据摘要、已知约束；接下来是输出要求，分假设列表、每个假设附验证路径和预期效应量；最后是硬约束，比如“每个假设必须能在现有流量下两周内完成验证”“不得输出涉及用户隐私数据采集的假设”。这个主模板能覆盖大多数场景，但直接用会出问题，因为拉新、激活、留存、召回四个场景的假设逻辑差别很大。
场景变体我举两个例子。拉新场景的假设生成提示词，我会在输入里加“渠道特征”和“新用户首日行为路径”，输出要求里加一条“每个假设必须标明适用于哪个渠道和哪种人群定向方式”。召回场景完全不一样，输入要换成“流失用户分群特征”“历史召回触点效果”“触达频次约束”，输出结构要加“触达时机建议”和“频次上限说明”。我碰到过一个召回实验，提示词没写频次约束，模型给出“连续三天每天push一次”的假设，业务方差点直接上线，后来被运营拦住了。场景变体的关键是换输入变量和输出字段，主骨架别动，这样复用起来才不会乱。
优先级筛选方法，我试过几种。最早用ICE打分，后来发现增长实验里“信心”这一项很难评，团队每次打分都能吵起来。现在我用一个更简单的办法：提示词生成假设列表后，让模型自己也给一个优先级排序，排序逻辑写死在提示词里，比如“优先选择预期效应量大、验证成本低、与当前业务目标直接相关的假设”。模型排完序，团队再人工过一遍，重点看排在前三的假设有没有明显逻辑漏洞。这个方法省事，但也得留个心眼，模型排优先级容易偏向“容易验证”的假设。我站在实验负责人角度会补一步：人工把“战略价值高但验证成本高”的假设单独拎出来，放到下个季度规划里。优先级筛选不是一次拍板，是给团队一个讨论起点。
2.3 用户增长实验数据分析提示词：指标口径、显著性判断、分层分析与归因框架
数据分析提示词写得好不好，指标口径是第一道坎。我以前在提示词里写“分析实验效果”，模型给回来的结论五花八门，有人算次日留存，有人算七日留存，还有人把点击率当转化率。后来我学乖了，提示词里必须包含“指标口径卡片”，把每个指标的计算公式、统计周期、数据来源字段都写清楚。比如“次日留存率=实验组用户在首次登录后第2天再次登录的人数/实验组首次登录总人数，数据来源为登录事件表，统计窗口为自然日”。指标口径卡片越长，分析结果越稳。我站在业务方角度说一句，口径卡片最好在实验设计阶段就定下来，放到分析提示词里只是二次确认，别等到分析时才补，那时候数据都跑完了，口径一改全乱套。
显著性判断是分析提示词里最容易出问题的地方。我见过提示词里写“帮我看看实验结果显著不显著”，模型直接给个p值小于0.05就说显著。这个做法风险很大，增长实验里多重比较、样本比例失衡、新奇效应都会干扰显著性判断。我现在会在提示词里写死判断框架：先检查样本比例是否在预期范围内，再判断核心指标效应量的置信区间，最后看护栏指标有没有恶化。显著性判断不能只看一个p值，效应量大小和置信区间宽度同样重要。我碰到过一个实验，核心指标p值0.04，看起来很显著，但置信区间宽得离谱，效应量估计从-1%到+15%，这种结论根本没法用来做决策。提示词里如果加上“同时输出效应量和95%置信区间”这条约束，这类问题能少很多。
分层分析和归因框架，我建议在提示词里分开写。分层分析提示词要写明分层维度，新老用户、渠道来源、设备类型、活跃频次段，这些维度在分析前就要定好，不要等数据跑完再临时加。归因框架提示词要写清楚归因逻辑，是看实验组和对照组的直接差值，还是要做CUPED方差缩减，或者要看用户行为路径的变化。我自己的习惯是归因框架提示词里加一句“先描述整体差异，再拆解到行为环节，最后判断差异来源”。这个顺序能避免一上来就扎进细节，整体趋势都没看清就开始归因。我站在分析师角度补充一点，归因框架提示词最好带上“已知混淆因素”字段，比如同期有没有其他实验在跑、有没有大促活动，这些信息不提前写进去，归因结论很容易站不住脚。
2.4 数据分析提示词的结果解读、异常排查、决策建议与实验复盘模板
结果解读这块，我吃过“过度解读”的亏。早期实验跑完，提示词里写“解读实验结果”，模型给出一堆结论，有些明显是噪音，团队却当成重要发现去推后续动作。后来我在提示词里加了约束：“先判断实验是否成功，成功的标准是核心指标效应量达到预期区间且护栏指标未恶化；如果实验未成功，优先判断是假设错误还是执行问题，不要强行找亮点”。这个约束把解读框架锁住了，输出会规整很多。我还会要求提示词输出“结论置信度”字段，分高、中、低三档，置信度低的结论只能作为下一轮实验的输入假设，不能直接拿去做业务决策。结果解读提示词的目标不是让模型写好看的分析报告，是让它帮团队做减法，把不能用的结论先筛掉。
异常排查提示词，我建议单独做一个插件。实验上线后每天跑一次，输入是当日实验组和对照组的核心指标快照、样本量、分流比例，输出是“正常、关注、异常”三级状态和具体排查动作。提示词里要写清楚排查顺序：先查分流是否均匀，再查数据采集是否完整，再查指标波动是否在历史正常范围内，最后查外部事件影响。我碰到过一次实验组转化率突然掉了一半，排查提示词输出“分流比例正常但实验组某个关键事件上报量下降了60%”，顺着这条线一查，是埋点版本没同步。异常排查提示词的核心价值是把“排查动作”标准化，不让每次出问题都靠人现想。
决策建议提示词，我一般跟实验复盘模板绑在一起用。决策建议的输出结构我固定成四块：实验结论摘要、建议动作、风险提示、后续实验建议。建议动作只能从“全量、扩量、缩量、停止、重做”五个选项里选，不许写“继续观察”这种模糊词。风险提示要写清楚如果建议动作执行了，最坏情况是什么。后续实验建议要跟本次实验的未解问题挂钩。复盘模板提示词则是另一套逻辑，输入是实验全过程记录，输出分“假设回顾、执行偏差、数据表现、决策质量”四个模块。我特别看重“执行偏差”这一块，很多实验结论不可靠不是因为数据有问题，是执行过程中改了分流规则或者调整了触达策略，复盘提示词要把这些偏差挖出来。我站在团队管理角度说，复盘模板提示词最好每个季度跑一次全量回顾，把几个实验放在一起看，单实验复盘容易漏掉系统性问题。
2.5 假设生成提示词与数据分析提示词的联动优化、效果评估及常见误区规避
假设生成和数据分析这两个提示词，分开用也能跑，但联动起来效果差很多。我的做法是在假设生成提示词的输出结构里埋一个“分析预期”字段，写清楚这个假设如果成立，数据分析阶段应该看到什么信号。比如假设是“新用户引导页加视频教程能提升首日激活率”，分析预期就写“实验组首日激活率提升、视频播放完成率达到60%以上、次日留存率不下降”。数据分析提示词的输入里带上这个字段，分析的时候就不只是看指标涨没涨，还能对照假设的预期路径去判断是假设对了还是碰巧。联动优化的关键是让两个提示词共享同一套指标口径和上下文块，假设生成时怎么定义指标，数据分析时就怎么读指标，中间不换口径。
效果评估这件事，我承认做得不够系统。目前比较土的办法是拿同一批历史实验做回测，把假设生成提示词和数据分析提示词分别跑一遍，看输出跟人工判断的重合度。重合度高说明提示词稳定性好，重合度低就回去改约束条件。我还有一个更简单的指标：看提示词输出被业务方直接采纳的比例。假设生成提示词输出的假设，有多少直接进了实验排期；数据分析提示词输出的结论，有多少直接被写进决策纪要。这个比例比任何自动化评分都实在。我站在实验负责人角度会补充一点，效果评估要分场景看，拉新场景的假设生成提示词准确率天然比召回场景低，因为拉新变量更多、不确定性更大，评估标准不能一刀切。
常见误区我列几个印象深的。第一个是“提示词越详细越好”，我早期写假设生成提示词，光约束条件就写了十几条，结果模型输出变得极其保守，全是安全但没价值的假设。后来砍到五六条核心约束，输出质量反而上来了。第二个误区是拿数据分析提示词当“结论生成器”，指望它直接告诉你该不该全量。数据分析提示词能做的是把数据整理清楚、把显著性判断框架跑完、把异常排查完，决策建议只是参考，拍板还得靠人。第三个误区比较隐蔽，假设生成提示词和数据分析提示词用了不同的指标定义，假设阶段看点击率，分析阶段看转化率，两个对不上，联动就断了。我现在要求团队把指标口径卡片做成共享文档，两个提示词都引用同一个版本，改口径要两边同步改。误区这东西说到底是细节没对齐，提示词本身不复杂，复杂的是它背后那套协作习惯。
我最后说一个自己的教训。有段时间我太依赖提示词生成假设，团队开会直接拿模型输出的假设列表讨论，省掉了自己想假设的环节。跑了两个月发现，团队对业务的理解变浅了，因为大家不再主动去琢磨用户行为背后的原因，全等着模型给答案。后来我调整了用法，提示词生成的假设只作为讨论素材，每个人必须自己先写一版假设再开会。提示词是工具，不是替身。假设生成和数据分析这两个环节，人的判断始终是主线，提示词做的是把重复劳动压缩掉，把思考空间留出来。
