方案优化最怕两件事：把“感觉不好”当作问题，把“再提升体验”当作行动。AI 可以帮你把这层模糊感拆开，但前提是先给它事实，而不是让它凭空编一份万能方案。
输入先区分现象与猜测
现象是“新用户在第二步退出比例升高”；猜测才是“按钮不够明显”。两者不能混在一起。先写清目标、当前现象、已有做法、不可改变的约束和可投入资源，再让模型提出需要验证的假设。
| 信息 | 写法 | 作用 |
|---|---|---|
| 现象 | 发生在何处、何时、影响谁 | 限定问题边界 |
| 约束 | 预算、周期、权限、合规要求 | 过滤不可执行方案 |
| 假设 | 可能原因而非结论 | 决定验证动作 |
| 信号 | 什么变化算有效 | 避免凭感觉复盘 |
让建议自带验证方式
基于以下事实，帮我做一份小步优化计划。请区分“已知现象、待验证假设、可执行动作、成本或风险、验证信号”。每个动作只解决一个主要假设，并给出停止条件。不要把未经证实的原因写成事实，也不要提供法律、财务或医疗结论。
输出后先挑成本最低、可逆性最高的一项试做，再记录结果。若要整理实验过程，可参考将资料和结论整理成可复核报告的流程，把每次改动与证据对齐。
