1. 一个具体问题
一个团队说新功能一定能提高留存。留存上升时，他们认为假设得到证明；留存下降时，又说功能需要更长时间或者用户尚未理解。如果任何结果都能被解释成支持，团队就无法从实验中学习。
2. 一句话解释
一个经验主张具有可证伪性，意味着能说明至少某些可能观察到的结果会与它冲突。
3. 出处与原意
Karl Popper 将可证伪性作为科学与非科学区分的重要讨论标准，在《科学发现的逻辑》等作品中展开。它不等于“容易证明错误”，也不意味着不可证伪的伦理、数学或审美命题没有意义。
4. 原理与机制
全称经验断言不能仅靠有限支持案例被最终证明，但一个可靠反例可能迫使我们修改它。现实检验又依赖测量方法、辅助假设和数据质量，所以出现异常时并不总能立刻判定核心理论错误。重要的是预先写清预测、观测条件和修订规则，避免事后任意移动目标。概率性假设通常不会被一次失败逻辑推翻，需要统计检验、重复观察和对替代解释的比较；不能把可证伪性简化成机械的一次通过或失败。
预先约定失败条件还有组织作用：当负责人对项目投入很深时，大家容易只挑有利指标。公开主要指标、观察窗口和异常处理规则，可以让结果讨论不依赖谁声音更大。如果中途发现原指标不合理，可以修改，但应保留原方案与修改理由，把新的检验视为新的问题。透明修订与事后改写历史之间，有关键区别。
5. 一个完整案例
假设案例：团队把“推荐功能有用”改写为“对新注册用户，在曝光充分且其他流程不变时，四周内七日回访率至少提高两个百分点”。实验前约定样本、主要指标和判断区间，并记录推荐是否正常触达。结果与提升不相容时，团队检查埋点和实验执行；确认无明显问题后，承认原假设未获支持，研究用户是否根本不需要推荐。它没有把任何下降都归咎于用户，而是留下了真实修改观点的通道。
6. 适用条件与反例
适合研究设计、产品假设和故障原因验证。商业决策还要考虑成本与风险，即使一个说法可检验，也未必值得实施。对于无法控制的历史事件，仍能比较证据与预测，但检验强度可能有限。
7. 今天可以尝试的行动
把一个正在坚持的判断写成具体预测，然后补完一句：“如果在这些条件下看到这样的结果，我会降低信心或改变方案。”若无法填写，先澄清概念和指标，再收集更多支持故事。