假設與證據

假設與證據

創業決策常以肯定句開始：「這群人需要它」「他們願意付費」「我們做得出來」「成立後會更可信」。在證據出現前，這些都是假設。假設不是錯誤；不讓它被反駁，才會讓團隊在未知上不斷加碼。本課教你把故事拆成可測試命題，依風險選證據，並在行動前寫下更新與停止規則。

NSF I-Corps 將 customer discovery 用於快速評估市場潛力，官方 FAQ 也要求團隊能說明市場問題、目標顧客、產業、價值主張與市場等初始 hypotheses。這些是機構方法的 fact；本課的證據階梯和公式是據此建立的教學推導，不是 NSF 的逐字量表。

核心問題

核心問題是：在資訊不完整時，哪個未知最可能讓決策失敗？下一個最便宜、最快且倫理可接受的證據是什麼？取得證據後，什麼結果會使我們前進、修改或停止？

假設是尚未充分證實、但決策依賴的敘述。證據是可追溯觀察，能讓某假設變得較可信或較不可信。測試是刻意安排的觀察方法；指標是把部分現象轉成一致讀數。證據永遠有範圍與誤差，不能把一次成功升格成永恆真理。

完成本課的標準，是能把一項重大承諾拆成顧客、問題、方案、行為、經濟、能力、利害關係人與地區制度假設，為最高風險假設設計測試，事先定義通過、修改與停止條件。

完整解釋

從敘事拆出假設

「餐廳需要庫存工具」太寬。可拆為：特定規模餐廳每週因盤點錯誤損失至少某量；負責人能辨認並願改變；現有替代方案不足；使用者能在訓練時間內完成操作；有預算權的人願付某價格；取得、交付和支援成本可承受；資料處理符合所在地要求。

每項命題要有對象、行為、條件、期間與可觀察結果。例如：「未使用我們方案的過去四週，十家店中至少六家有兩次以上缺貨，且店長能提供紀錄」比「缺貨很痛」可反駁。若沒有基準，任何改善都容易被自我解讀。

把 assumption 和 inference 分開。訪談者說上月缺貨三次，是被報告的 observation，未必等同系統紀錄；「所有餐廳都如此」是超出樣本的 inference。教學 example 可協助計算，但不得混成市場 fact。

證據強度取決於與決策的距離

由弱到強，可依序看：團隊意見、一般性研究、目標對象描述過往行為、可驗證紀錄、投入時間的試用、簽署具成本承諾、付款、重複使用或續約、在壓力情境仍保持結果。階梯不是絕對：法規事實應直接查官方來源，不需要用顧客付款測試；安全風險也不能等事故發生才算強證據。

訪談要問最近一次行為、誰參與、用什麼替代、花多少時間與金錢、為何沒有改變。避免「如果有一個完美產品，你會買嗎」；受訪者容易禮貌同意。行為測試要讓對方付出與真實採用相近的成本，例如提供資料、安排同事、簽試點或付款，而不只是點擊按讚。

先測致命假設，不先測最容易的

風險可看三項：假設失效的影響、目前不確定性、下一步承諾的不可逆性。漂亮首頁容易測，但若真正未知是醫院能否依法提供資料，先提高點擊率沒有解除致命風險。把高影響、高未知、即將鎖定資源的假設排前。

也要考慮測試倫理。不能為了驗證資安而故意洩漏真實資料，不能把未充分告知的員工當實驗對象。可用模擬資料、專業審查、沙盒和分階段權限取得替代證據。

更新，不是證明自己對

每次測試前寫三條規則：何種結果支持前進、何種結果要求修改、何種結果停止。門檻要對應決策，不追求虛假精確。若團隊先看到結果再決定標準，就容易把任何結果合理化。

failed alternative 是大量發問卷詢問「是否有興趣」，得到百分之八十肯定便簽年度合約。它便宜且數字漂亮，但問題措辭、樣本與零成本回答都離真實採用很遠。預警訊號是回覆率不報、沒有過往行為、沒有決策者、沒有任何人付出時間或錢。過早正式化案例 正是用關注與候補名單替代續約證據。

反過來，只相信付款也可能錯。有人可能為客製關係付一次高價，卻無法重複；補助付款者不一定是使用者。證據要對準假設：可用性看使用行為，價格看真實交換，持續性看重複，法律義務看官方與專業來源。

逐步推導

建立假設優先分數。列 assumptions：每項用一到五分；影響 I 表示失效損失，不確定性 U 表示目前證據缺口，不可逆性 L 表示下一承諾難以撤回；測試成本 C 也為一到五。可用：

優先分數 P = I × U × L ÷ C

乘法表示任一項很低時優先下降；除以成本鼓勵先取得高資訊價值，但不能讓便宜測試永遠壓過致命合規。若假設甲「顧客願付月費」為 I=5、U=5、L=4、C=2，P=50；假設乙「品牌顏色影響轉換」為 2×4×2÷2=8，應先測甲。分數只是排序對話，不能假裝客觀真理。

接著估測試資訊價值：

淨資訊價值 = 錯誤承諾可避免損失 × 測試改變決策的機率 − 測試總成本

Example：簽年度系統將鎖定 240,000；四週付費試點成本 30,000。團隊估試點有 40% 機率改變是否簽約，且能避免的損失為 180,000，則淨資訊價值估 180,000×0.40−30,000=42,000。機率是 assumption，要做敏感度：若改變決策機率只有 10%，結果為 -12,000；此時應找更便宜測試或重新估損失。

設計證據表包含：命題、目前信心、支持資料、反對資料、樣本邊界、測試、門檻、期限、負責人與下一承諾。Example 命題是「至少五家非親友客戶會在試用後以每月 3,000 續訂」。通過條件是八家試用中五家在無折扣下付款；修改條件是三到四家付款且共同指出同一功能缺口；停止條件是少於三家，或交付工時使單位貢獻為負。

結果為四家時，不應說成功或失敗，而依預先規則修改並重測。若四家都來自同一介紹人，樣本邊界也要寫明。市場攤位案例 用重購、預付訂閱與交付錯誤率逐步更新；它的門檻只適用案例，不能照抄成全球成立標準。

最後做「證據折舊」：市場、價格與制度會變，兩年前的付款不一定代表今天。為每筆證據記錄日期、情境與何時重查。高風險制度事實要以當期官方來源更新。

常見誤解

「更多資料一定更好。」 重複蒐集同類弱訊號不一定增加決策資訊。一千個匿名喜好回覆，可能不如五個具採購權者的付費試點。先問資料會改變哪個決策。

「驗證就是證明假設正確。」 有限樣本只能更新信心。較好的文字是「在此樣本、價格與期間下觀察到」，並列反證與外推限制。

「失敗測試浪費時間。」 若測試在大承諾前揭露致命錯誤，其價值正是避免損失。真正浪費是門檻不明，使任何結果都不改變行動。

「數字比敘事客觀。」 指標的定義、樣本、遺漏值與獎勵都含判斷。數字需能追溯原始事件，並搭配解釋為何發生的質性證據。

「官方來源也不會變。」 制度頁面會更新；要記 accessed、已知 updated、jurisdiction 與適用主體。搜尋摘要或舊文章不能替代當期官方內容。

實務檢查表

• 將下一項不可逆承諾寫成一句話，列出它依賴的至少八個假設。
• 每個假設補上對象、行為、條件、期間與可觀察結果，刪除「大家」「很好」「巨大」等不可反駁詞。
• 分別標示 observation、fact、inference、assumption 與 example；任何推論不得冒充來源原話。
• 用影響、不確定性、不可逆性和測試成本排序，另將安全與法定事項設為必要 gate。
• 為最高三項各設一個貼近真實行為的測試，完成條件是有樣本、資料欄位、期限和負責人。
• 測試前寫通過、修改、停止門檻，並讓未參與設計的人檢查是否可任意解釋。
• 記錄支持與反對資料，不刪除流失者、拒絕者或失敗交付。
• 用至少一個悲觀情境重算資訊價值，不以單點機率作精確預測。
• 每筆制度證據附官方 URL、jurisdiction、accessed 與已知 updated；不確定就標 unknown。
• 測試結束後只執行預先規則，若要改規則，留下理由與新版本，不覆蓋原紀錄。

地區差異

假設分解與證據更新可跨地區使用，但「可否測試、需要何種同意、資料可如何使用、何時必須登記或取得許可」會因地區改變。不能以小規模測試為由忽略消費者、雇用、隱私、安全或專業規則。

本課 as-of 2026-07-21。成立及治理的官方研究入口見 地區差異；任何當地門檻、表格與期限都應在實際行動前重查。高風險活動需由所在地合格專業人士確認測試設計。

資料來源

NSF I-Corps 官方介紹支持透過 customer discovery 的經驗式學習快速評估市場潛力。NSF FAQ 支持團隊提出關於問題、顧客、產業、價值主張與市場的初始 hypotheses。本文據此發展證據階梯、優先分數和資訊價值公式；權重、門檻與數字全是清楚標示的教學 assumptions。

兩來源於 2026-07-21 查核。它們不保證任何訪談、試點或分數能消除不確定性；讀者應保留樣本邊界、反證和倫理限制。

• About I-Corps，U.S. National Science Foundation，accessed 2026-07-21。
• FAQ: I-Corps(TM) Team Solicitation，U.S. National Science Foundation，accessed 2026-07-21。