第一段：假设与选点
产出是一页纸：假设句、成功判据、试点单元与不参与范围。如何选点？要包含一个条件中等的单元，避免结论只在理想环境成立。这一段最容易跳过，结果是运行到第三周还在争论到底在验证什么，周会也无法收敛议题。
第二段：基线与评测集冻结
回溯历史数据形成基线，构建含难例的评测集，连同标注规则一起冻结版本。为什么冻结？因为后续不再改口径，只能在结论中注明局限。临时改评测集，会让前后数据不可比，结论失去效力，也会让团队对结果产生怀疑。
第三段：运行与周度观测
如何开会？每周只看三到五个指标，其余按需查。指标过多会让团队忙于取数，忽略异常。周会固定回答三个问题：指标是否在区间内、出现了哪些新异常、是否需要调整方案。调整要留版本记录，否则事后说不清哪一版在跑。
第四段：结论与扩展决策
按启动时约定的决策门给结论：扩展、调整后重试、或停止。结论要写清适用条件与不适用情形，供其他单元参考。只写成功经验的试点报告，会让下一个单元重复踩同样的坑，管理层也无法判断风险边界。
适用与不适用
适合谁
- 已立项、需要在季度内出结论的试点
- 多单元连锁、需要选择代表性试点的企业
- 准备把试点结论复制到其他部门的管理者
不适合谁
- 尚未确定验证对象、只想先试试工具的项目
- 无法冻结评测口径、要求边跑边改目标的项目团队
典型场景
某物流企业验证路径规划建议，第一段定假设与三个线路；第二段冻结基线与含雨雪天气的评测集；第三段每周只看准时率、空驶率与调度改单次数；第四段按决策门判定为调整后重试，原因是改单次数偏高，结论写明了适用线路类型。
可执行步骤
- 用一页纸写清假设句、成功判据、试点单元与不参与范围，并让决策人签字
- 回溯历史数据形成基线，冻结取数口径与计算方式，并留存过程文件
- 构建含难例的评测集，冻结标注规则与版本号，之后不再修改或替换
- 每周固定三到五个指标开短会，只讨论区间、异常与是否需要调整方案
- 按决策门出结论，写明适用条件、不适用情形以及下一步的验证计划
常见坑
- 边跑边改目标，最后所有指标都能解释为成功，结论无法复用，也会误导后续投入与预算安排。
- 评测集临时加入表现好的样本，准确率虚高，扩展后回落，团队对数据彻底失去信任，汇报也不被采信。
- 观测指标列了十几项，团队忙于取数，异常反而漏看，周会变成逐项朗读数据，决策被推迟。
- 结论只写成绩不写适用条件，复制到其他单元时失效，出了问题责任也说不清在谁、如何补救。
自检与验收清单
- 一页纸假设与判据是否书面确认并签字，范围清晰
- 基线与评测集是否冻结版本，并留存过程文件与标注规则
- 周度指标是否控制在五项以内，聚焦异常而非全面汇报
- 方案调整是否留版本记录与生效时点，可追溯
- 结论是否写明适用与不适用条件，以及下一步计划
常见问题
方案中途必须调整怎么办？
允许调整，但要记录调整内容、原因与生效时点，并在结论中分段比较。若调整涉及评测口径，应在报告中标注不可直接比较，建议延长观察期重新积累数据，而不是把两种口径混在一起算。
试点单元选几个合适？
两到三个即可，其中一个应为条件中等或偏难的单元。单元过多会让观测与支持人力分散，反而降低数据质量。若业务差异大，宁可做两轮试点，也不要在第一轮铺太开，否则每处都做不深。
周会要不要业务一把手参加？
不必每周参加，但决策门评审应有其参与或书面授权。周会由业务负责人主持即可，重点是看异常与调整。把一把手拉进周会，容易变成汇报会，讨论深度反而下降，问题也会被压到会后。