用 MVP(最小可行性产品) 做低成本快速验证,为什么不灵了?| Liga译文
初创企业的故事大多始于一次「灵光乍现」。创始人们窥见一个没有良好解决方案的问题,于是便琢磨起: “我可以如何解决它?”
不过很遗憾,这并不是一个正确的问题——这也是九成的初创公司走向失败的一个重要原因。据 Exploding Topics 报道,10% 的初创企业无法顺利度过第一年,而 70% 的企业也在第 2~5 年宣告失败。 最终,只有十分之一的初创企业能够幸存。
在过去 20 年与创业者的合作中,我参与了 20 多家初创企业从创意萌生到 IPO 的全过程——能获得成功的公司少之又少。我从中学到最有用的一课,不是「企业为什么能成功」,而是它们「会被什么击败」。
其中大部分首次创业者不够投入,往往仅凭直觉就匆忙拼凑出一个不经测试的产品,而其他人则是过于投入而忽略了市场验证和测试,产品功能要么太过单一,要么过分臃肿。
你可能想说:“这不就是没有通过 MVP (Minimum Viable Product,最小可行性产品)进行快速学习吗?”
——说的很好,但也不准确。
这个问题的关键在于「V」是什么。在商业语境下,真正重要的是 Viable 还是 Valuable?
首先,让我们从灯泡的故事讲起。
灯泡带来的启示
你或许在小学时学过「爱迪生发明了电灯泡」。
但事实并非如此。
在爱迪生之前,包括埃比尼泽·金纳斯利(Ebenezer Kinnersley)、汉弗里·戴维 (Humphry Davy)和约瑟夫·斯万(Joseph Swan)在内的许多发明家已经发明出了各式各样的白炽灯丝。甚至在 19 世纪 70 年代,当爱迪生转向安全、可持续、经济且无异味的照明方案研究时,就已经有了一些关于白炽灯泡的专利(当时主要的室内照明方案是煤气灯)。
作为一名创新者和企业家,爱迪生早就决定,商业变现不必依靠发明本身。他更感兴趣的是「完善」,即让事情变得更好或更便宜。 我很喜欢《纽约客》的说法:
爱迪生从不寻找需要解决方案的问题,他所找的是需要修改的解决方案。
当时现有的灯泡解决方案不太实用,而且灯泡的使用寿命也不长。也就是说,它们是可行的,但并不是特别有价值。
这正是爱迪生能够脱颖而出的原因。爱迪生和他的团队在位于加州门洛帕克的总部对 3,000~6,000 种材料和灯丝进行了测试,直到 1879 年才发现碳是最佳的解决方案。一年后,他们发现碳化竹子可以燃烧超过 1,000 个小时,于是今天为人熟知的白炽灯泡诞生了。
爱迪生如此努力创造的不是 MVP,而是 MVE(Minimum Valuable Experience)——最低价值体验。
如何将人们迫切需要的东西,变得易于获得、经济实惠且经久耐用? 这才是真正的「灵光一现」。
A.C.T 框架
了解如何建立 MVE 前,有两个关键点需要注意:
- 你的故事就是策略。
- 表达的方式非常重要,它决定了用户对产品是「无感」还是「每月复购」。
所有的一切都是为了了解你的用户,了解什么话术和信息能够引起他们的共鸣,以及哪些策略、触点和触发条件能够刺激他们采取行动。
为了快速高效地建立 MVE,我开发了「A.C.T 框架」。它有助于快速明确方向并节省大量无用的营销活动。A.C.T 框架由三个重要部分组成:
- Audience 受众
- Communication 交流
- Touchpoints 触点
A = 受众群体:你要对「谁」说话?
想要知道说些什么,首先得弄清楚你要跟谁交流。
- 谁是你的理想客户?
- 客户考虑新的解决方案时,想要/需要/使用的是什么?
- 在寻找新方案的过程中,他们会搜索什么?
- 是哪些习惯、行为、目标或者决定性特征吸引了他们来使用你的产品?
C = 交流:你要说什么?
这是一件「用什么方式传递什么信息」的艺术。
你必须用能够引起客户共鸣的语言和方式,用他们的方法跟他们交流,去传达那些适配他们味蕾(和钱包)的愿景或动机。
T = 触点:在哪分享信息?
弄清楚「和谁说」以及「说什么」之后,就可以好好想想「该怎么做」了。
设计能刺激客户采取实际行动的触点和触发条件,包括官网展示、社媒传播和邮件营销等等。其核心目的是辨别和确定最有效且投资回报率最高的渠道和策略。
这也是最容易出错的部分。有时候,你可能只需要一个简单的注册表单,而有的时候则需要采取更有策略性(如建立私域群组)或更复杂(如一个详细的销售漏斗和沉浸式故事)的方法。
案例应用
假设现在要推出一款全新的无酒精啤酒饮料,你会如何应用 A.C.T 框架回答以上问题?
(花点时间,动动小脑瓜 )
下面分享我的回答。别担心,问题没有标准答案,思路和分析才是重点。
A:无酒精啤酒的理想受众是谁?
传统人口统计特征中的年龄、性别或地理位置等数据并不能提供太多有效信息,因为无酒精啤酒很可能不在任何标签中。
从行为角度来看,购买无酒精啤酒的人喜欢喝啤酒,但不喜欢酒精对健康、行为能力和工作效率的影响;他们富有猎奇心,足够开放,愿意尝试和接受新鲜事物。
C:要向他们传递什么信息?
我需要让理想客户知道,这款饮品提供了最接近啤酒的体验:它采用高品质原料,通过手工精酿制成,其炫酷的包装甚至可以媲美最流行的 IPA 啤酒。最重要的是,它的热量很低,并且不会产生任何宿醉感。
T:在什么渠道发布和传播信息?
无酒精啤酒代表了一种健康但仍然可以享受乐趣的生活态度,所以年轻化的短视频平台是很好的渠道。如果是线下宣传,健身房旁边的水吧或者支持多人聚餐的健康餐厅也是不错的选择。
A.C.T 框架有助于了解「哪些体验或触点可以带来产品吸引力」。
对某些人来说,最好的触点可能是社交媒体上某个热门话题下的一张精美表单;对其他人而言,可能是一个关于产品如何提升生活品质的巧妙故事,或者一场能够清楚传递「我们如何能帮你成为更好的自己」的精彩活动。不同的品牌和产品会有不同的答案。
而「A.C.T + MVE」能让你快速迭代,获得最有价值的体验。当你专注于研究潜在客户真正重要的事情时,你就能点亮他们的生活。
在我看来,这是通往商业成功的唯一可行路径。
原文作者为 Pete Sena,内容经 LigaAI 翻译整理。
了解更多技术干货、研发管理实践等分享,请关注 LigaAI。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
eBPF + LLM:实现可观测性智能体的基础设施
本文整理自云杉网络 DeepFlow 产品负责人向阳在 QCon 全球软件开发大会(北京站)2024 上的演讲分享,主题为「eBPF + LLM:实现可观测性智能体的基础设施」。回看链接,PPT下载。 报名倒计时第二天!快来参与可观测性开源开发者Meetup | 南京站 今天很高兴与大家分享 DeepFlow 在可观测性智能体方面所做的一些工作。今天的话题主要包括两个方面:如何使用 eBPF 解决数据质量的问题,如何在此基础上使用 LLM 构建高效率的智能体。从这两方面出发,我们能看到为何说 eBPF 和 LLM 是实现可观测性智能体的关键基础设施。 上面第一个问题实际上是一个数据治理问题,得到高质量数据有很多方法,例如利用组织规范要求、提升研发工程效能等。今天我分享的主要是后者,具体来说是如何利用 eBPF 这种创新的技术零侵扰获取全栈可观测性数据。在我们有了高质量数据之后,利用 LLM,结合提示词工程、RAG、微调等手段,才能够建设高效的可观测性智能体。今天分享的实践来自于我们的可观测性产品 DeepFlow,同时它也是一个越来越流行的开源项目。最后我也会分享一下关于可观测性智能体...
- 下一篇
KubeAI大模型推理加速实践|得物技术
一、背景 最近我们在生产环境批量部署了大模型专用推理集群,并成功让包括70B在内的大模型推理速度提升50%,大幅缩减部署成本,稳定应用于生产环境。本文基于我们在部署大模型推理集群时的一些经验,分享一些有效提升大模型的推理速度方法。最后,我们在结尾处推荐了几个经过我们评测且表现优异的大模型推理框架。希望这些建议能帮助读者在项目中选择适合自己的推理框架。 OpenAI的科学家Hyung Won Chung在2023年的公开演讲《Large Language Models》[8]中指出,大模型的某些能力仅在达到特定规模时才能显现,可见未来大模型的参数量肯定会越来越大,这也是大模型的发展趋势。随着参数量的增加,对大模型的推理速度要求越来越高,有哪些方法可以提高大模型的推理速度或吞吐量? 首先我们将探讨大模型的加速优化方向,随后文章将依据时间线,介绍一些业界内较为经典的实用大模型加速技术,包括但不限于“FlashAttention[1]”和“PageAttention[3]”等技术。 以下为按时间顺序业界的一些经典大模型推理加速技术,本文试图为读者提供一个按时间发展顺序的大模型加速方法综述。 ...
相关文章
文章评论
共有0条评论来说两句吧...