三款家庭空气监测器概念中，C 的购买考虑率最高，团队准备直接立项。但开放回答显示，不少人把它理解成“自动净化器”，而概念实际只监测和提醒。C 赢得的是对一个并不存在功能的期待；如果按最高分开发，真实产品交付时反而最容易失望。
概念测试要回答的不是“哪张卡片最讨喜”，而是某个价值主张的关键假设是否同时成立：目标人群理解它解决什么问题，认为问题与自己有关，相信承诺有实现依据，并愿意在明确价格和使用条件下继续考虑。理解或可信度未过门时，购买意愿只能说明包装出的承诺有吸引力，不能成为开发批准。
概念、原型、创意和市场预测不要混成一次测试
| 对象 | 主要问题 | 合适证据 |
|---|---|---|
| 产品概念 | 为谁解决什么问题，利益和理由是否成立 | 概念理解、相关性、可信度、独特性、考虑与障碍 |
| 交互原型 | 用户能否在接近真实流程中完成任务 | 观察、成功、错误、时间和解释 |
| 广告/包装创意 | 同一价值如何表达更易注意和理解 | 信息传达、品牌归因、创意评价与行为实验 |
| 销量或采用预测 | 真实市场条件下会发生多少行为 | 价格、渠道、竞争、供给与真实选择/试销数据 |
如果概念本身没有被正确理解，换一张漂亮海报可能暂时提高分数，却不证明产品价值成立。相反，早期概念卡也不需要生产级界面；它只需足以检验当前最危险假设。GOV.UK 的原型指南指出，原型保真度应匹配要回答的问题：草图适合探索想法，真实交互问题需要更接近实际的代码原型。
先列“如果错了就不该开发”的假设
家庭空气监测器项目在写概念前，先登记四条：
- 负责家庭环境决策的人能区分“监测提醒”和“主动净化”；
- 他们确实遇到不知道何时通风或开启设备的问题；
- 对传感结果、提醒依据和数据处理的说明足以建立基本可信度；
- 在同一说明性价格、安装与维护条件下，有足够人愿意进入原型试用。
HM Treasury 2026 年的Test and Learn 指南建议优先检验对结果最关键、证据最弱的高风险假设；基础概念场景和故事板能尽早暴露问题，但不会生成最终效果证据。概念测试的价值正是用较小投入决定下一步验证什么，而不是一次问卷证明商业成功。
三张概念卡必须等信息量，不必写成同一句广告
以下概念均为说明性虚构案例。每张卡都包含相同信息槽位：适用场景、当前问题、核心方案、用户利益、工作依据、限制/要求、价格与数据处理。不是为了让文案僵硬，而是避免 A 有精美效果图和完整价格，B 只有一句口号。
| 概念 | 核心承诺 | 依据与条件 | 主要风险假设 |
|---|---|---|---|
| A：何时行动提醒 | 监测卧室空气变化，在需要通风或检查环境时提示 | 展示监测指标、提醒规则、需人工采取行动；说明性价格499元 | 提醒是否足以改变日常行动 |
| B：设备自动联动 | 在支持的净化或通风设备间自动执行预设联动 | 列出兼容边界、用户确认和本地/云端数据条件；同价 | 自动化承诺是否可信且兼容范围可接受 |
| C：一眼安心状态 | 用简化状态告诉家庭当前环境是否需要注意 | 说明只监测和解释，不直接净化；同价 | 极简表达会不会被理解成自动改善空气 |
价格、保修、安装、订阅、兼容性和隐私若会改变选择，就必须在各概念同等披露。刻意只给偏爱的方案增加实现证据，会把“信息更完整”误当作“产品更好”。尚不确定的事实应标为假设，不得用概念研究为未经验证的性能声明背书。
先让人复述，再用评分题教给他标准答案
概念展示后的第一道核心题应尽量是无辅助理解，例如：“请用自己的话说说，这个产品会为你做什么、不会做什么。”如果先连续问“它的提醒有多有用”“它是否能帮助通风”，题目已经把设计者希望传达的利益教给参与者，后面的复述不再是自发理解。
开放复述按预先定义的代码本标记正确、部分、错误和无法判断，并保存原文。空气监测案例中，“监测并提醒，需要我行动”可判正确；“自动把空气变好”是关键误解。可由两名编码者独立编码一部分文本，讨论规则而不是为了达到某个漂亮比例强行一致。
之后再分别测：
- 问题相关性：场景在其生活中是否真实发生；
- 利益吸引力：承诺的结果是否值得；
- 可信度：在所给依据和条件下是否相信能实现；
- 独特性：相对当前替代方案有何不同；
- 考虑意愿：在明确价格、维护和隐私条件下是否愿意进一步了解或试用；
- 最强理由与最大阻力：用原话解释分数。
这些维度不能随意相加成一个“概念指数”。高吸引低可信需要补证据或收缩承诺，高独特低相关可能找错人群，高考虑低理解则可能是误解带来的虚高。
单概念、顺序单概念和比较设计怎么选
单概念（monadic）让每人只看一款，减少直接对比和疲劳，更接近市场中独立接触；代价是每款都需要足够样本。顺序单概念让同一人依次独立评价多款，样本效率更高，但前一概念会设定参照，后看者也可能疲劳。先独立再比较可得到各概念绝对反应和最终取舍，但比较题会受展示集合影响。
材料复杂、差异微妙或真实场景只会看到一款时，优先单概念。版本少、材料短且决策必须直接取舍时，可采用顺序单概念，并平衡展示顺序。无论哪种设计，都要按每个概念的实际基数计算精度，不能用总样本冒充单臂样本。
900人单概念案例：不要只看最后一列
团队从实际负责家庭环境设备选择、且住处符合预定场景的人中招募900名合格参与者，按关键家庭情境分层后随机分到 A、B、C，每组300人。下面是说明性结果，比例不代表真实产品或行业基准：
| 指标 | A | B | C |
|---|---|---|---|
| 无辅助正确理解 | 246/300（82%） | 264/300（88%） | 210/300（70%） |
| 考虑意愿高两档 | 189/300（63%） | 174/300（58%） | 201/300（67%） |
| 可信度高两档 | 213/300（71%） | 156/300（52%） | 234/300（78%） |
| 认为有明显差异 | 165/300（55%） | 216/300（72%） | 180/300（60%） |
研究前设定的项目门槛是：正确理解至少75%，可信度高两档至少60%，且没有未处置的隐私或安全承诺。门槛是该项目的资源与风险决定，不是通用行业标准。
A 四项都过门，进入更真实的原型任务；B 虽然独特性最高，却因可信度52%返工，需要收缩自动联动承诺、明确兼容证据；C 的考虑率67%最高，但正确理解仅70%，先改写“监测而非净化”的边界并重新测试。当前不能宣布 C 胜出。
点估计领先，不代表已经证明差异
C 的67%比 A 的63%高4个百分点。按每组300的独立比例粗略计算，这个差异的常规95%区间约为 -3.6 到 11.6 个百分点，既包含几乎无差异，也包含对业务有意义的优势。样本量应按研究前定义的最小重要差异设计，而不是看到4个百分点后才决定“差不多算赢”。
ASA 的P 值声明强调，科学与业务决策不应只看是否跨过显著性阈值，P 值也不衡量差异大小或重要性。概念决策应结合效应大小、不确定性、理解与可信门槛、实现成本、风险和开放证据。
随机分配只隔离版本差异，不创造总体代表性
Pew Research Center 的问卷实验说明展示了随机把不同问法或选项分配给受访者，如何将组间回答差异归因于被改变的呈现。概念测试同理：分配应在资格确认后、评分前发生，版本不能由渠道、日期或前序答案决定。
同时，随机分配只让进入研究的三组更可比。如果样本来自自愿参加的智能家居爱好者，A/B/C 的相对比较仍有内部价值，但总体考虑率不能自动外推到所有家庭。报告要写目标总体、样本来源、资格、分配、每臂基数和权重，而不只写“随机900人”。
当前替代方案比抽象独特性更有解释力
在不提前暴露概念答案的前提下，记录参与者现在如何判断室内空气：凭感觉、查看天气应用、已有传感器、打开净化器或不处理。概念评价后再问“它相对你现在的方法多解决了什么、增加了什么麻烦”。
“市场上独一无二”是研究者声明，“我不用再猜什么时候通风”才是受访者价值语言。若高独特来自“从没见过但不需要”，不值得开发；若低独特来自“我已经用替代方案解决”，团队应比较切换成本而非继续堆功能。
开放回答和访谈要解释门槛失败的机制
量化结果决定哪里需要追问：从 B 中抽取高独特低可信者，理解他们怀疑传感器、设备兼容还是自动控制；从 C 中抽取错误理解者，观察是名称、图示还是利益句暗示了净化。不要只访谈给高分的人，也要包含临界、拒绝和误解者。
可以使用 AI 或人工访谈继续追问，但需固定研究目标、取得适当同意并保存可核查原话。访谈的职责是解释机制和产生修订语言，不是用几段生动引语覆盖900人的分布。
购买意愿不能直接乘市场规模
问卷里的“会考虑”发生在研究注意力、完整概念信息和假设价格下；真实市场还有可获得性、竞争、预算时点、渠道、品牌信任、安装摩擦和实际性能。把67%乘目标家庭数得到销量，会假设意愿全部转化并忽略这些约束。
概念过门后的下一证据可以是可点击原型任务、候补名单行为、价格实验、受控试用或小规模真实渠道测试。验证强度与投资和失败后果相称；早期问卷用于降低不确定性，不签发销量承诺。
在问卷派中，把版本、理解和后续追问连成证据链
团队可以在问卷派中先按随机化方案分配概念版本，分别收集无辅助理解、诊断量表和开放原因；对关键犹豫再使用 AI 访谈或人工访谈深入。导出必须保留概念卡版本、分配臂、实际曝光、素材、展示时间和质量标记。
一份可批准的概念报告不会只有总分排行榜，而会逐款回答：谁正确理解了什么，价值在哪个场景成立，最脆弱的可信假设是什么，点估计有多不确定，下一阶段要用哪种更真实证据。最高购买意愿可以是线索；只有理解、可信、相关、实现边界和后续验证路径同时清楚，才是一项产品决定。