ICE模型中的C代表成功概率，即实验达到预期效果的可能性。我们在设计实验时，一定要尽可能提高成功概率。而这需要扎实的数据洞察作为支撑。

回归到上一篇文章，讲的就是如何从数据中找到足够有力的洞察和支持，包括各类定量和定性的分析。

定量数据能揭示用户行为模式，定性数据如用户反馈则能还原用户心理。除此之外，竞品分析、行业报告等也能为实验假设提供有价值的参考。唯有将各类数据高度整合，才能真正洞察用户需求，找到最有可能成功的解决方案。

举例，如果我们想要测试是否延长订单支付的有效时间，可以提升订单支付成功率。

首先可以通过数据分析，观察不同支付时效下的订单支付转化情况。

其次可以收集用户反馈，了解他们对支付时限的看法。

最后再参考同行业优秀产品的做法，形成完整的决策依据。