lean-startup

lean-startup

熱門

使用「建立—衡量—学习(Build-Measure-Learn)」循环来设计 MVP、验证学习实验以及做出转向或坚持(Pivot or Persevere)的决策。当使用者提及「MVP 范围」、「验证学习」、「转向或坚持」、「虚荣指标」、「测试假设」、「创新会计」、「建立—衡量—学习」、「最小可行实验」、「我们是否该转向」、「低成本测试商业构想」或「先做出最小版本」时使用。亦适用于决定首个版本应包含哪些功能、衡量新创进展,或评估是否改变产品策略方向。涵盖创新会计与可行动指标。若需进行 5 天原型测试,请参阅 design-sprint;若需分析客户动机,请参阅 jobs-to-be-done。

1706星標
171分支
更新於 2026/7/22
SKILL.md
唯讀
名稱
lean-startup
描述

使用「建立—衡量—学习(Build-Measure-Learn)」循环来设计 MVP、验证学习实验以及做出转向或坚持(Pivot or Persevere)的决策。当使用者提及「MVP 范围」、「验证学习」、「转向或坚持」、「虚荣指标」、「测试假设」、「创新会计」、「建立—衡量—学习」、「最小可行实验」、「我们是否该转向」、「低成本测试商业构想」或「先做出最小版本」时使用。亦适用于决定首个版本应包含哪些功能、衡量新创进展,或评估是否改变产品策略方向。涵盖创新会计与可行动指标。若需进行 5 天原型测试,请参阅 design-sprint;若需分析客户动机,请参阅 jobs-to-be-done。

精实创业方法论(Lean Startup Methodology)

一种建构新创公司与推出新产品的系统化方法,旨在缩短开发周期,并快速探索商业模式是否可行。

核心原则

创业是一种管理形式。 成功不需要完美的计划或绝妙的洞察——它需要的是一套系统化流程,用来测试假设、从客户身上学习并快速迭代。大多数新创公司的失败,并不是因为做不出计划好的产品,而是因为做出了没人要的东西:请将每个计划都视为一组等待证伪的假设,并将精力投入在消除浪费与加速**验证学习(validated learning)**上,而不是盲目执行固定的路线图。

评分机制

目标:10/10 分。 根据五项快速诊断标准来评估计划、实验或指标组合——若答案为「是」则得 1 分;若同时获得验证阶梯(Validation Ladder 第 3 级以上)的数据支持,则得 2 分

  • 9-10 分: 列出所有关键信念假设(leap-of-faith assumptions)并依风险排序、最高风险的假设已透过实际 MVP 进行测试、定义了可行动指标(actionable metrics),且在实际开发前已设定明确的转向(pivot)标准。
  • 5-6 分: 具备假设和某种 MVP,但指标属于虚荣指标(vanity metrics)或未定义转向标准——无法依据数据做出决策。
  • ≤3 分: 瀑布式思维——先开发出完整产品、直接询问客户想要什么,或在达成产品/市场契合(Product/Market Fit)前就盲目扩张。

请说明当前得分,并指出得分最低的诊断项目以便优先改善。

建立—衡量—学习循环(Build-Measure-Learn Loop)

核心循环:构想(IDEAS)→ 建立(BUILD / 产品)→ 衡量(MEASURE / 数据)→ 学习(LEARN / 认知)→ 回到构想。

关键洞察: 请逆向规划此循环:

  1. 我们想学习/验证什么?(待测试的假设)
  2. 我们要如何得知是否验证成功?(衡量指标)
  3. 我们最少需要建立什么?(MVP)

目标: 将穿越整个循环的总时间降至最低。

规划实验时请参阅 references/build-measure-learn.md——包含逆向规划流程、实验设计范本、不同产品类型的循环范例,以及避免陷入开发/虚荣指标陷阱的说明。

验证学习(Validated Learning)

透过观察真实行为的实验,去了解客户真正想要什么——而不是依赖功能需求单、问卷调查或焦点小组(因为人们往往无法准确预测自己的行为)。要衡量客户做了什么,而不是他们说了什么,并执行有可能证伪你假设的实验。表面上的胜利(如仅有下载量、无实际互动的注册量)并不属于学习。

验证阶梯(Validation Ladder):

层级 证据 强度
1 「我认为客户想要这个」 最弱(个人观点)
2 「客户说他们想要这个」 较弱(口头偏好)
3 「客户注册了抢先体验」 中等(低度承诺)
4 「客户支付了订金」 强(实际承诺)
5 「客户正在积极使用」 最强(显性偏好)

目标: 在大规模开发之前,证据等级需达到 Level 4-5。

最小可行性产品(Minimum Viable Product, MVP)

以最少精力取得最大程度「验证学习」的新产品版本。它不是原型 Prototype(验证技术可行性)、不是 Beta 版(验证品质),也不是最小可售产品——它是一个学习工具,通常规模小得令人尴尬且品质粗糙,而且往往比你想象的要小得多。

MVP 类型:

类型 说明 适用时机 范例
礼宾式 (Concierge) 以人工服务伪装成自动化 测试解决方案是否有价值 Food on the Table(人工安排餐点计划)
绿野仙踪式 (Wizard of Oz) 假自动化,后台全靠人工操作 测试是否真的需要自动化 Zappos(无库存,直接从零售店购买鞋子)
冒烟测试 (Smoke test) 一页式网站 + 注册表单,尚无产品 在实际开发前测试市场需求 Dropbox 影片(说明概念并测量注册量)
单一功能式 (Single feature) 仅提供一项核心功能 测试哪项功能最具价值 Twitter(仅提供动态状态更新)
组合拼装式 (Piecemeal) 拼接现有的工具服务 在自研系统前测试工作流程 Groupon(使用 WordPress + 电子报)

设计思考问题: 最高风险的假设是什么?能测试该假设的最简版本是什么?我们要如何衡量它是否通过验证?

选择与规划 MVP 规模时请参阅 references/mvp-design.md——包含 7 种类型深度剖析、类型选择决策矩阵、规模上下限评估,以及 MVP 设计画布。

关键信念假设(Leap-of-Faith Assumptions)

指那些一旦失误就会导致事业失败的根本假设。请找出这些假设,按风险高低排序(哪种失败是致命的?),并优先测试风险最高者——绝不要按开发难易度排序测试。

假设类型 核心问题 测试方法
价值假设 (Value hypothesis) 客户在乎这个痛点问题吗? 冒烟测试、礼宾式 MVP
成长假设 (Growth hypothesis) 客户会如何发现我们? 通道/渠道测试、推荐引流实验
留存假设 (Retention hypothesis) 客户会持续回访/使用吗? 同期群分析(Cohort)、参与度指标
变现假设 (Monetization hypothesis) 客户愿意掏钱付款吗? 预购、价格测试

范例——Dropbox: 关键信念假设:「人们会愿意下载并使用档案同步工具。」测试:在搭建大规模基础设施前,先制作概念演示影片。结果:公测名单一夜之间从 5,000 人暴增至 75,000 人——市场需求获得验证。

梳理与排序假设时请参阅 references/assumptions.md——包含影响度—不确定性矩阵(Impact-Uncertainty matrix)、优先级评分模板、各假设类型的测试方法,以及特定产业的假设清单。

创新会计(Innovation Accounting)

当传统财务指标失效时(营收与客户数刚开始皆为零,且虚荣指标看似好看却无法辅助决策),用以衡量新创进展的方法。

1. 建立基线(Baseline)

精准测量当前的真实状况,即使数据为零或令人尴尬:转换漏斗(注册 → 活跃 → 留存 → 付费)、参与度(DAU/MAU、单次停留时长、功能使用率)、单元经济(CAC、LTV、流失率)。

2. 优化引擎(Tune the Engine)

透过实验来改善基线指标:价格 A/B 测试(9 美元 vs. 19 美元/月)、新手引导完成率、获客渠道(SEO vs. 付费广告 vs. 转推荐)。每次实验都旨在透过验证学习实现可衡量的提升。

3. 转向或坚持(Pivot or Persevere)

当指标优化陷入瓶颈时,依据客观证据做出决策(相关标准与转向类型见下文转向或坚持)。

建立基线仪表板时请参阅 references/innovation-accounting.md——包含漏斗、同期群与商业经济指标架构。

可行动指标 vs. 虚荣指标(Actionable vs. Vanity Metrics)

虚荣指标让你自我感觉良好,但无法改变行为;可行动指标则能驱动决策,并厘清因果关系。

虚荣指标 为何有害 可行动的替代指标
总注册人数 曲线只增不减,缺乏脉络背景 注册 → 活跃转换率 %(Conversion rate)
页面浏览量 (Page views) 无法反映实际价值 停留时间跳出率 (Bounce rate)
总使用者数 包含不活跃与已流失的用户 活跃使用者(DAU、WAU、MAU)
下载量 不代表实际有在使用 DAU/下载量(开通/启动率 Activation rate)
总营收 缺乏细分脉络 每同期群营收LTV/CAC

可行动指标的三大特征: 可行动(因果关系明确且可重复验证)、易厘清(简单明瞭,人人皆懂)、可稽核(底层原始数据可被核对检查)。

范例: 虚荣:「我们有 10 万名用户!」;可行动:「渠道 X 的用户留存率是渠道 Y 的 2 倍——应加码投入渠道 X。」

同期群分析(Cohort analysis): 将用户依注册日期分组,并追踪其行为随时间的演变——这是判断产品是否真的在进步的唯一有效方法。

建立同期群数据表或选择追踪指标时请参阅 references/metrics.md——包含五步骤同期群演练,以及结合精实创业阶段的 AARRR 海盗指标。

转向或坚持(Pivot or Persevere)

转向(Pivot)是指一种结构化的方向修正,旨在对产品、战略或成长引擎提出并测试新的假设。

应选择转向的时机: 实验屡次无法验证假设、多次迭代后指标依旧平淡、客户反馈与最初愿景背道而驰,或进展过于缓慢导致资金耗尽风险上升。应选择坚持的时机: 指标持续改善(即使速度较慢)、获得了清晰的认知学习,且各项调整皆朝向正确方向迈进。

转向类型:

转向类型 改变内容 范例
局部放大 (Zoom-in) 单一功能演变成完整产品 Instagram(从 Burbn 独立出相片滤镜功能)
全局缩小 (Zoom-out) 原有产品退化为单项功能 Flickr(从 Game Neverending 提取出相片分享功能)
目标客户群 (Customer segment) 解决相同问题,但换了客户群体 Groupon(从社会活动倡议平台变更为在地优惠)
客户需求 (Customer need) 锁定相同客户,但解决不同问题 Potbelly(从古董店转型为三明治连锁店)
平台转变 (Platform) 从应用程序 ↔ 平台相互转变 YouTube(从约会交友网站变为影音平台)
商业架构 (Business architecture) 高毛利/低销量 ↔ 低毛利/高销量 Salesforce(从传统软体包转为 SaaS 订阅)
价值捕获 (Value capture) 改变获利与变现模式 Android(从收费软体变为免费 + App 收益分润)
成长引擎 (Engine of growth) 切换病毒式、黏着式或付费式模式 Facebook(从校园病毒式传播转向付费广告)
渠道转变 (Channel) 改变接触客户的管道方式 Salesforce(从直销团队转向自服务平台)
技术转变 (Technology) 采用不同技术提供相同解决方案 Apple(从 Intel 芯片转向 ARM 芯片)

频率: 成功的新创公司在达成产品/市场契合(Product-Market Fit)之前,通常会经历 1 到 5 次转向。反面模式(Anti-pattern): 尚未验证新方向能否解决核心问题就冒然「转向」。

当数据暗示需要转向时请参阅 references/pivots.md——包含数据驱动的转向信号、结构化转向会议议程、先导指标(Leading indicators),以及 Instagram、Slack、YouTube 的转向案例。

三大成长引擎(The Three Engines of Growth)

新创公司可持续获取与留存客户的方式。请先选择单一引擎进行深度优化,再考虑拓展其他引擎——同时运作多个引擎会分散专注度与学习效率。

1. 黏着式成长引擎(Sticky Engine of Growth)

由留存率驱动:成长率 = 新客户获取率 − 客户流失率。需追踪流失率、留存同期群(30/60/90 天)及 DAU/MAU。适用于 SaaS、订阅制、社群网络。策略:不断改进产品,直到自然成长速度超越流失速度。

2. 病毒式成长引擎(Viral Engine of Growth)

由旧客户引荐新客户:病毒系数 = (% 发出邀请者) × (平均发出邀请数) × (% 接受邀请加入者);系数高于 1.0 代表呈现指数级、自我可持续的爆发成长。需追踪病毒系数、病毒循环周期时长及推荐来源归因。适用于 Dropbox、Hotmail、WhatsApp。策略:将病毒式传播机制直接融入产品设计中。

3. 付费式成长引擎(Paid Engine of Growth)

透过付费投放获取客户:前提必须满足 LTV > CAC(目标 LTV/CAC > 3 倍)。需追踪 CAC、LTV 及回收期(Payback period)。适用于电子商务与传统商业模式。策略:持续优化获利,直到单名客户带来的利润足以支应获取更多新客户的成本。

选择或优化成长引擎时请参阅 references/growth-engines.md——包含降低流失率战术、K 因子与病毒循环设计、LTV/CAC 最佳化、渠道经济对照表,以及产品与引擎匹配架构。

五个为什么(The Five Whys)

根本原因分析法:当问题发生时,连续追问五次「为什么?」,接着在每个层面上依比例进行对等投资与改善——而不是仅针对表面症状做对症下药。

范例——网站宕机:

  1. Why? Server ran out of