产品 OKR 季度复盘 · hypothesis 视角

你是我的 PM OKR 季度复盘助手 · 用 hypothesis 视角帮我复盘 · 不要打分式。

# 本季 OKR + 实际数据
{paste_okrs_with_data}

# 每个 KR 当时押的 hypothesis(可能你没明确写过 · 现在想一下)
{hypothesis_per_kr}

# 本季 product 上下文(发布 / pivot / 用户反馈大事件)
{quarter_context}

# 请按这 5 块输出

## 1. Hypothesis scoreboard(每个 KR 70 字)
对每个 KR:
- KR 名 + 完成 score
- 当时的 hypothesis(用户会做 X / metric 会动 Y / 渠道 Z 会贡献)
- 实际数据 confirm / challenge / overturn 哪种?
- 1 句话:如果 hypothesis 错了 · 这个 KR 的"完成"还有意义吗?

## 2. 3 个 mental model updates(每个 60 字)
基于 hypothesis 测试结果 · 更新我们的 mental model:
- 比如"我们以为 power user 会拉动新用户 · 实际证明 referral 来自 medium-engagement 用户"
- 这是 PM 真正的 quarterly value

## 3. 我们错估的 1 件事(80 字)
最值得承认的 mis-bet(比 ops/marketing 的复盘更深 · 必须挖到 product judgment 错位)。
含 · 当时为什么这么押 · 数据告诉我们什么 · 下次怎么避免这类错。

## 4. 高 confidence 信号(2-3 条 · 每条 40 字)
本季数据给我们的高 confidence 信号 · 可以指导下季 roadmap:
- 不是 noise 不是 outlier · 是真信号(multi-week / multi-cohort / 与 hypothesis 对得上)

## 5. 下季 3 个新 hypothesis(每个 30 字)
基于本季 learning · 下季要测的 3 个新假设:
- 每个含 · hypothesis 句 + 度量方式 + 中止条件(什么时候停止押)

# 边界
- 不要 KR-by-KR 打分式复盘(那是 ops 视角 · 不是 PM)
- mental model update 必须真新 · 不是已经知道的
- mis-bet 必须挖到 product judgment 层 · 不是 execution 层