除了影响力和成功概率，易实施性也是评估实验价值的重要指标。资源总是有限的，我们需要以最小的成本，最快地验证实验效果。最好的方法就是通过 MVP 的方式与最低成本去验证实验假设。
1. MVP（最小可行产品）策略的应用MVP的核心思想是用最低成本快速开发原型，尽早与用户见面，通过获取用户反馈来验证产品假设，进而不断迭代优化。
这种策略也非常适用于增长实验的设计。设计增长实验 MVP 的时候，你要去考虑2个问题：
1）如何用最小资源快速验证假设
如果实验假设可以仅通过数据分析就证明或者证伪，那这个其实也是增长实验的MVP，你甚至不需要去开发这个实验，只是通过数据就证明或者证伪了，这也是非常好的结果。
如果无法通过数据分析直接验证，是否有可能不用做完整的版本，而是开发一个小版本，就足以验证假设是对的还是错的？
2） MVP实验是否能提供可信的决策参考
我们需要的是有效的结果和洞察，所以不能把实验的版本过分简化，导致最终的结论不完整，无法证实或证伪实验想法，那这就不是一个可信的增长实验MVP。
2. 个人化注册流程的MVP设计案例实验假设是不同的用户画像需求不同，需要设计个人化的流程可以更好地满足需求，提升成功注册转化率。
针对这样的实验假设， 如果贸然开发一整套个性化方案，会发现工程资源投入、设计资源投入、数据资源投入都是非常高的，那增长实验的容易程度的得分就会非常低。
所以，不妨想办法把它转化成一个轻量级MVP。比如只选 25 岁左右的女性，只针对这种人群来做个人化的注册流程， 然后对该人群进行小流量AB测试，验证效果。
如此一来实验资源投入会大大降低，如果提升明显，再扩大实验规模。
3. 无限滚屏功能的反面案例艾奇是美国的一家创意手工电商平台，他们的产品团队花了半年时间开发出了无限滚屏功能，上线后发现各项指标非但没有提升，反而出现下降。整个团队灰心丧气，最终只能回滚到老版本。
再来一次的话，他们应该怎么做呢？其实可以通过 MVP 方案测试，比如将原本只展示 50 个商品的页面，变成展示 100 个，通过这样的方式去验证是不是更多的商品能够提升用户的购买转化。
所以，更高效的做法是：先小范围试错，观察数据表现，成功后再迭代，而不是一口气追求完美 。
从0到1快速验证，从1到100再反复打磨，这是一条极大提升实验成功概率和投入产出比的有效途径。
4. Facebook通过MVP快速验证实验假设事实上，很多优秀的产品在实验设计上已经形成了一套成熟的方法论。以Facebook的增长实验流程为例，从想法提出到正式上线，每个阶段都经过了缜密的数据验证：
- 通过各类分析初步验证想法可行性，排除不靠谱的想法
- 快速开发一个MVP进行小流量AB测试
- 根据实验结果迭代优化原型
- 扩大实验流量，进一步验证效果
- 评估是否达到全量发布的标准
这套流程能最大限度降低实验风险，确保每一个新功能都能经受住市场检验，避免盲目开发。