第 51–60 天：十人封闭测试

十条「挺好用」抵不上一次看见用户在哪个按钮前停了四十秒。

一、封测不是发版，是观察

以下情境为教学假设，人物、引语和数字不代表经核实的真实案例。

一位开发者把产品发给 30 个人，邀请写的是「随便用用，有问题告诉我」。三天后收到 2 条回复：「挺好用」「界面不错」。他把这当成正面信号，直接准备上线。两周后真实用户进来，第一周流失大半，他才发现注册后的第一个页面没有说明下一步。

问题不在那 30 个人，而在邀请方式：没有任务、没有观察、没有记录，收到的只能是礼貌。 封测要的不是评价，是看见动作——用户在哪里停、点了什么、回头找了什么、最后有没有拿到结果。

这一阶段通常没有足够样本做统计，也不该假装有。10 个人的价值在于发现阻断，报告本批观察而不估总体转化率。

二、招 10 个人的四个条件

招募时把“我们想观察你怎么用，你可随时暂停或退出；是否录制会另行说明”写在邀请里。这句话会筛掉一部分人，但留下的 10 个人更接近真实用户。作为交换，可以给一个月免费使用或一份小礼物，但不要用「帮忙看看」这种人情措辞。

渠道按距离排序：现有等待名单、社群里的活跃提问者、竞品差评里留下具体场景的人，最后才是熟人推荐。每约一个人就记下来源，整理时才能判断某类问题是否只出现在同一渠道的人群里。

三、任务脚本的写法

脚本不是功能清单，而是三个有起点、有终点、有成功判据的任务。主路径一个，高频边界一个，错误恢复一个。

一份完整脚本示例（T1）：

任务：完成第一次交付
对用户说：「假设你刚听说这个工具，手上有一份 CSV。请从注册开始，
拿到一份处理后的结果，并把它保存下来。过程中请把想法说出来。」
起始状态：全新浏览器、未登录、无历史数据、邮箱可正常收信
成功判据：注册 → 输入 → 看到结果 → 导出，四步完成且全程无协助
观察点：哪一步停顿超过 30 秒；是否回头找说明；是否误点导航；
        看到结果后是否知道下一步；是否主动尝试导出

写脚本时避免三类词：「请测试注册功能」是在考记忆，「你觉得这个页面怎么样」是在要评价，「这里可以点」是在给答案。要写用户的目标，不写产品的功能名。

一场45分钟这样分配：5 分钟说明与同意，15 分钟 T1，10 分钟 T2，10 分钟 T3，最后留 5 分钟追问。超时就停，不要为了做完三个任务而压缩追问；未完成的任务本身就是记录。

正式测试前找一位不在目标人群里的同事预演一次，45分钟的脚本可用于检查歧义与任务长度。预演的记录不计入 10 人，也不要拿预演里发现的问题当作用户证据。

四、观察记录表

七列，缺一列就会在整理时说不清。

填写规则：原话逐字记，不改写成结论；耗时记到卡点，不只记总时长；卡点写到具体控件或页面，不写「体验不好」；截图只截必要区域，避免带入无关个人信息。每场结束后 5 分钟内整理，隔一天细节就会丢。

工具用一张表格就够，不必上专业测试平台。关键是每一行都能回到一段录像或一句原话；如果某一行只有你的判断而没有证据，整理时先删掉它，避免把自己的猜测写进结论。

五、不干预原则

只记录，不指导。用户问「这样对吗」，回答「按你平时的方式做就好」；用户找不到按钮，不要指，先看他往哪里找。你越早介入，越测不到真实路径。

除安全、隐私、参与者不适等应立即中止的情形外，本例在用户完全停住超过3分钟时，可以给一条最小提示，例如「这个页面需要先选一个文件」，并在记录里标注「已提示」。被提示过的任务不计入独立完成，否则 7/10 的判据会失真。

还有三条纪律：不辩护（「这里其实是为了……」）、不解释设计、不在任务中途问「你觉得怎么样」。任务结束后再追问「刚才你在找什么」「你原本以为会发生什么」，这两问比满意度评分有用。

如果只有你一个人执行，先取得适用的录制同意；不录制时也可用必要的观察笔记记时间点，不要一边提问一边打字。回看录像时只标注三类时刻：停顿超过 30 秒、点了又退回、说出疑问。这三类时刻通常对应真正的卡点。

六、问题分级

P0 的定义要窄：不能完成、结果错、钱错、数据泄露。用户说「有点慢」「不太好看」不是 P0。反过来，只要出现一次金额错误或数据丢失，即使只有一个人遇到，也按 P0 处理。

P0立即停止相关损害并修复，不能只按编号决定发布；P1若涉及适用法律义务、系统性误导或无法接受的损害也应先处理，其余轻微摩擦可明确记录后置。把 P1 当 P0 修，是封测阶段最常见的延期原因：修完一个又发现三个，十天过去，发布还在原地。

P0 修完后要找原卡住的用户复测同一个任务，复测通过才销项；如果对方不方便，至少找一位同条件的新用户走同一段。只靠自测通过就销项，等于把「我修好了」当成「用户能用」。

七、远程测试与现场测试

多数个人项目从远程开始更现实。远程的补偿办法是要求用户全程出声思考，并在关键停顿处追问，而不是等他做完再回忆。

八、预先写判据，修复版单独记录

本例测试前写：目标10人、同版同任务、主路径至少7人独立完成、恢复至少5人完成，且没有未处置的法律/安全/数据/资金硬阻断。7/10与5/10只是内部教学门槛，不是统计证明。

若只有6人到场，报告实际6人结果与缺失角色，不临时把门槛改成5/6来宣告原计划通过。可补招，或因风险和预算选择限范围再测/暂缓；调整目标须在下一轮招募前记理由。

初版6/10后修复再测3人，应记录“v1为6/10，v2为3/3”，不能拼成9/13称作修复版完成率。原问题复验与新版一般可用性取样分开：前者确认缺陷修复，后者需预先设队列、任务、人数及停止规则。本例为v2预定新招10人、同样7/10与5/10门槛；预算只容3人时先做定向复验，其余验证未完成，不为凑数字无限补测。

7/10的Wilson 95%区间约39.7%–89.2%，是在独立、相同成功概率二项模型下的计算；定向招募不自动满足代表性，区间不修复同群、同设备和主试者偏差。即使招到101人，也不能据此声称市场成功率已验证。

8.1 45分钟脚本与工时账本

说明同意5 + T1 15 + T2 10 + T3 10 + 追问5 = 45分钟
执行：10 × 45 ÷ 60 = 7.5小时
整理：10 × 24 ÷ 60 = 4小时
定向复验：3 × 30 ÷ 60 = 1.5小时
合计：7.5 + 4 + 1.5 = 13小时

累计20小时任务额度余7小时，15小时额度余2小时；这些是局部额度示例，不要求连续十天工作。按01统一日历，第51–60天8个工作日，半职32小时、全职64小时，扣13后分别余19/51小时，可用于招募、预演、修复和其他已登记任务。若要执行新版10人一般测试，还需另估工时，不把它藏进1.5小时定向复验。

若初测仅6人，执行6×45/60=4.5小时、整理6×24/60=2.4小时，再加1.5小时定向复验，共8.4小时；较省工时不等于证据同样完整。

九、常见错误

十、行动清单

• 写下目标人群的一个具体行为，用它筛人。
• 列出 15 个候选，按四个条件筛到 10 人。
• 为 T1、T2、T3 各写一句用户目标与成功判据。
• 准备 T2 的边界文件与 T3 的断网方法。
• 打印或建好七列记录表，先填一行示例。
• 约定每场45分钟，前 5 分钟说明「我不会教你」。
• 每场结束 5 分钟内整理原话与卡点。
• 第 60 天按 7/10、零 P0、5/10 三条判据做放行决定。

使用边界与实操验收

记录版本、队列、角色、任务和是否提示。只有目标用户主动完成的任务计独立完成；采购人访谈是另一类证据，不能用采购角色硬替换实际使用者。

涉及可识别个人的记录时，先确定处理基础、告知用途与期限，只收任务必需内容。研究同意不等于公开引用许可；删姓名后仍可识别的引语仍按个人信息处理。录屏使用虚构或已获授权的样本，关闭通知，遇到第三人、账户或敏感资料先暂停。公开、委托及跨境处理分别核对适用条件，不能靠“已脱敏”一概放行。目的完成后按规则删除；法定保留或技术上难以删除的，按适用规定限制处理。

验收：脚本各段合计45分钟，邀约一致；10人执行整理及3人定向复验合计13小时；补测前写好新版规则。录制可拒绝或暂停，必要事实仍可用观察笔记确认，不因没录像就删除有效观察。

关键参考与核验范围

以下链接支持对应的规则；本文的招募条件、任务设计与判据均为方法演示，不构成法律或合规意见。核验日期：2026-10-23。

• 中华人民共和国个人信息保护法 ：按可识别性和处理行为核对第4、13、17、25、47条，内部研究与公开引用分开，删除和必要保留分别处理。

• 电子商务法 ：封测若收取定金、预售或承诺上线后权益，转入经营行为时要履行告知与履约义务，邀请文案不宜留下无法兑现的承诺。

• NIST比例区间公式 ：支持Wilson计算，不证明便利样本代表总体。计算复现见第10篇。

系列导航

• 上一篇：第 31–50 天：主路径 MVP 的范围
• 下一篇：第 61–70 天：上线前的十五件事
• 回到目录：一个人的前 100 天：从想法到第一批付费用户
• 相关阅读：一个人的服务生意