MVP و توسعه محصول: کوچکترین محصول قابل تأیید

سود:

• توانایی درک مفهوم MVP (حداقل محصول قابل دوام) و منطق "کوچکترین واحد یادگیری" و تعیین محدوده با هوش مصنوعی
• توانایی پیاده سازی اولویت بندی ویژگی ها (MoSCoW، ضربه-تلاش) و تولید سریع نمونه اولیه/صفحه فرود با پشتیبانی هوش مصنوعی
• درک اینکه هدف MVP یادگیری است، نه فروش، و مهندسی بیش از حد گرانترین اشتباه استارتاپ است.

گران‌ترین اشتباهی که بنیان‌گذاران مرتکب می‌شوند این است که ماه‌ها برای تکمیل محصولی صرف می‌کنند که مطمئن نیستند کسی می‌خواهد. وقتی به بازار می روند، متوجه می شوند که یا مشکل اشتباه بوده است یا راه حل. راه اجتناب از این فاجعه MVP است: حداقل محصول قابل دوام - کوچکترین نسخه محصولی که بیشترین یادگیری را با کمترین تلاش ارائه می دهد. در این واحد، ما از هوش مصنوعی (هوش مصنوعی) برای تعیین محدوده MVP، اولویت‌بندی ویژگی‌ها و تولید نمونه‌های اولیه/تیزرهای سریع استفاده خواهیم کرد. انتقادی ترین جمله: هدف MVP یادگیری است نه فروش. گران ترین اشتباه، مهندسی بیش از حد مفروضات غیرمستند است.

MVP چیست و چیست؟

MVP یک مفهوم اشتباه است. MVP یک "محصول درهم و برهم" نیست. این کوچکترین تجربه کاملی است که برای آزمایش یک فرضیه خاص لازم است. کلمه کلیدی "یادگیری" است. از خود بپرسید: "من سعی می کنم به چه سوالی پاسخ دهم؟" MVP دارای ویژگی های کافی – نه بیشتر و نه کمتر – برای پاسخ به این سوال است. گاهی اوقات یک MVP حتی ممکن است یک برنامه کاربردی نباشد: یک صفحه فرود، یک ویدیو، یک سرویس دستی (روش "جادوگر پشت" که به نظر می رسد خودکار در جلو است در حالی که یک انسان در پس زمینه کار می کند) نیز می تواند MVP باشد.

نقطه مقابل MVP مهندسی بیش از حد است – تلاش صرف ویژگی‌ها، مقیاس و کمال‌هایی که هنوز مورد نیاز نیستند – و آبکاری طلا – صیقل دادن جزئیاتی که هیچ‌کس نمی‌خواهد. اینها موذیانه ترین قاتلان پول و زمان استارتاپ هستند. زیرا آنها احساس می کنند "کار می کنند" اما یادگیری را به تاخیر می اندازند.

نکته: قبل از افزودن یک ویژگی، بپرسید: "آیا می‌توانم آنچه را که می‌خواهم آزمایش کنم بدون این ویژگی دریافت کنم؟" اگر پاسخ "بله" است، این ویژگی به MVP تبدیل نمی شود. هر جمله "اما ما به این هم نیاز داریم" که باعث رشد MVP می شود، هزینه ای است که یادگیری را به تاخیر می اندازد.

اولویت بندی ویژگی ها

از آنجایی که زمان و هزینه نامحدودی وجود ندارد، لازم است تصمیم بگیرید که کدام ویژگی ابتدا ساخته می شود. دو روش کاربردی:

MoscoW: ویژگی ها را به چهار تقسیم می کند - باید، باید، می تواند، نمی شود. MVP فقط یک مجموعه "باید" است.

ماتریس تأثیر-تلاش: هر ویژگی را در محور «تاثیر بر مشتری» و «تلاش برای انجام» قرار می دهد. آنهایی که تاثیر زیاد- تلاش کم ابتدا انجام می شود. آنهایی که با تاثیر کم و تلاش زیاد کنار گذاشته می شوند. هوش مصنوعی کمک خوبی برای درج سریع لیستی از ویژگی‌ها در این ماتریس است - اما لازم است پیش‌بینی «تأثیر» با سیگنال مشتری واقعی اصلاح شود.

گام به گام: طراحی MVP با هوش مصنوعی

1. سوال یادگیری را بنویسید. "این MVP چه فرضی را آزمایش خواهد کرد؟"
2. ویژگی های نامزد را فهرست کنید همه چیز را در ذهن خود بریزید.
3. با هوش مصنوعی اولویت بندی کنید. استخراج با MoSCoW یا اثر تلاش. خوشه "باید" را پیدا کنید.
4. سبک ترین فرم را انتخاب کنید. آیا کد مورد نیاز است یا صفحه فرود/ویدیو/سرویس دستی کافی است؟
5. نمونه اولیه/صفحه را تولید کنید. از هوش مصنوعی متن سفید، جریان یا پیش نویس شبه کد بخواهید.
6. معیارهای موفقیت خود را از قبل مشخص کنید. "اگر من این نتیجه را ببینم، این فرض تایید می شود."
7. انتشار دهید و یاد بگیرید. اندازه گیری رفتار واقعی؛ بنیانگذار تصمیم می گیرد.

سه کیف کوچک

مورد 1 - MVP بدون نوشتن کد. یک بنیانگذار به فکر اپلیکیشنی بود که همسایگانی را که غذاهای خانگی می‌فروشند با مشتریان مرتبط می‌کرد. او به جای اینکه ماه‌ها وقت صرف نوشتن کد کند، با یک صفحه دمو و یک خط واتس‌اپ شروع کرد. سفارشات مطابق دستی (روش "جادوگر پشت"). او 40 سفارش واقعی را در دو هفته دریافت کرد و فهمید که گلوگاه واقعی تدارکات تحویل است. اگر کد نوشته بود ماه ها بعد این را یاد می گرفت. MVP یادگیری را به جلو آورد.

مورد 2 - تله مهندسی بیش از حد. یک تیم 4 ماه را صرف ساختن زیرساختی کرد که «در مقیاس میلیون ها کاربر» در حالی که هنوز یک مشتری نداشت. وقتی محصول بیرون آمد، هیچ کس آن را نمی خواست. مشکل اشتباه بود تقریباً تمام تلاشی که صرف شد به هدر رفت. درس: مشکل مقیاس پس از حل مشکل کشش یک لوکس است. اول آنچه را که هر کسی می خواهد ثابت کنید.

مورد 3 - قدرت اولویت بندی. یک بنیانگذار فهرستی از 30 ویژگی داشت. او از هوش مصنوعی ماتریس تاثیر-تلاش ایجاد کرد و ستون "تاثیر" را با سیگنال مکالمات مشتری واقعی تصحیح کرد. فقط 4 مورد از 30 ویژگی "باید" بود. MVP به جای 6 ماه در 3 هفته منتشر شد. مشتری نشان داد که اکثر 26 ویژگی باقی مانده اصلاً مورد نیاز نیستند.

چهار قالب قابل کپی

1) سوال یادگیری + دامنه MVP:

نقش شما: مربی محصول ناب. فرضیه ای که می خواهم آزمایش کنم این است:[به عنوان مثال. "تجار ماهانه برای مجموعه ها پرداخت می کنند"]. (1) کوچکترین محصول مورد نیاز برای تأیید این فرض را توصیف کنید، (2) نشان دهید که آیا نسخه ای از این که نیازی به کد ندارد (صفحه فرود، ویدیو، خدمات دستی) امکان پذیر است، (3) در مورد ویژگی های "جذاب اما غیر ضروری" هشدار دهید که نباید به MVP تبدیل شود.

2) اولویت بندی مسکو:

لیست ویژگی های زیر را به MoSCoW تقسیم کنید: باید / باید / می تواند / نمی شود. فقط مواردی که "باید برای فرضی که می خواهم آزمایش کنم" باید گنجانده شوند. در یک جمله بنویسید که چرا هر ویژگی در آن خوشه است. فهرست: [ویژگی ها].

3) ماتریس تاثیر-تلاش:

ویژگی های زیر را در محورهای «تاثیر بر مشتریان (1-5)» و «تلاش برای انجام (1-5)» امتیاز دهید و آنها را در 4 ربع قرار دهید. آنهایی که تاثیر زیاد و کم تلاش را به عنوان «اول انجام دهید» و موارد کم تأثیر با تلاش زیاد را با «انجام نکنید» علامت بزنید. به من یادآوری کنید که امتیازهای تأثیرگذاری باید در مقابل تعامل واقعی من با مشتری تأیید شود. فهرست: [ویژگی ها].

4) متن صفحه فرود:

یک متن صفحه splash برای MVP من بنویسید. بخش ها: (1) عنوان به زبان مشتری (ارزش پیشنهادی)، (2) روایت مشکل-راه حل، (3) 3 امتیاز سود، (4) تماس واضح (پیش ثبت نام / لیست انتظار). استفاده از وعده های اغراق آمیز؛ فقط ادعا می کند که می توانم تأیید کنم. ترکی، ساده، صمیمی.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

تمام ویژگی های محصول من را فهرست کنید.

این دستور مغایر با منطق MVP است. فهرست آرزوهای طولانی را ایجاد می کند که یادگیری را به تاخیر می اندازد و مهندسی بیش از حد را دعوت می کند.

اعلان قدرتمند:

تنها فرضی که می خواهم آزمایش کنم این است: [x]. کوچکترین MVP را توصیف کنید که این فرض را تأیید می‌کند، نسخه‌ای را پیشنهاد می‌کند که نیازی به کد ندارد، ویژگی‌ها را با MoSCoW جدا می‌کند و فقط باید تنظیم شود. به من کمک کنید معیارهای موفقیتم را از قبل ننویسم (که نتیجه این فرضیه را تایید می کند).

رویکرد

میزان یادگیری

هزینه

ریسک

ساخت محصول کامل از ابتدا

خیلی کند

بالا

پول را روی چیزهای اشتباه قرار ندهید

مهندسی فوق العاده / آبکاری طلا

کند

بسیار بالا

گران ترین اشتباه

فقط MVP باید دارای ویژگی باشد

سریع

پایین

قابل مدیریت

MVP بدون کد (لندینگ/ال)

سریع ترین

پایین ترین

یادگیری اولیه

اشتباهات رایج

• اشتباه گرفتن MVP برای یک محصول کامل. MVP کوچکترین واحد یادگیری است، نه پایان صیقلی.
• مهندسی بیش از حد گذراندن ماهها در مقیاس/کمال زمانی که هیچ مشتری در اطراف نیست. گران ترین اشتباه
• تعریف نکردن سوال یادگیری یک MVP که نمی داند چه چیزی را آزمایش می کند، اتلاف بدون جهت است.
• تعیین معیارهای موفقیت بعدا. اگر معیارها از قبل نوشته نشده باشند، هر نتیجه ای به عنوان "موفقیت" تعبیر می شود.
• دور زدن گزینه های بدون کد صفحه فرود/ویدئو/نوشتن کد زمانی که بتوانید آن را به صورت دستی با سرویس تست کنید.

احتیاط: ممکن است هوش مصنوعی یک نمونه اولیه یا پیش نویس کد تولید کند، اما شما مسئول امنیت، دقت و مطابقت قانونی کد تولید شده هستید. به خصوص در MVP هایی که شامل پرداخت ها، داده های شخصی یا امنیت است، خروجی هوش مصنوعی یک طرح اولیه است. ضروری است که یک توسعه دهنده/کارشناس ذیصلاح قبل از پخش زنده آن را بررسی کند.

به طور خلاصه

MVP کوچکترین محصولی است که بیشترین یادگیری را با کمترین تلاش ارائه می دهد. هدف آن فروش نیست، بلکه آزمایش یک فرض است. گران ترین اشتباه مهندسی بیش از حد و طلاکاری محصول اثبات نشده ای است که هیچ کس نمی خواهد. هر MVP با یک سوال یادگیری شروع می شود. ویژگی‌ها توسط MoSCoW یا Impact-effort استخراج می‌شوند و فقط خوشه «باید» ساخته می‌شود. اغلب بهترین MVP حتی قبل از کد قرار می گیرد: صفحه فرود، ویدیو یا سرویس دستی. هوش مصنوعی شتاب‌دهنده‌ای قدرتمند در تعیین محدوده، اولویت‌بندی و تولید نمونه‌های اولیه/پیش‌نویس‌های صفحه است. اما برآوردهای «تأثیر» باید توسط سیگنال واقعی مشتری تصحیح شود و خروجی‌های فنی/حقوقی باید به‌طور ماهرانه بررسی شوند.

وظیفه کاربردی

یک فرض را انتخاب کنید (الگوی "سوال یادگیری"). از هوش مصنوعی کوچکترین MVP که این فرض را آزمایش می کند و در صورت امکان نسخه بدون کد بخواهید. ویژگی‌های کاندید خود را با الگوی "MoSCoW" جدا کنید و فقط باید تنظیم شود. در نهایت، پیش‌نویس صفحه فرود بدون حاشیه را با الگوی «متن صفحه فرود» تهیه کنید و معیارهای موفقیت خود را (مثلاً حداقل 5 پیش‌ثبت‌نام از 20 بازدیدکننده) قبل از انتشار یادداشت کنید.

چک لیست

• [ ] آیا من یک سوال یادگیری را در آزمون های MVP خود به وضوح نوشته ام؟
• [ ] آیا نسخه MVP بدون کد را ارزیابی کرده ام؟
• [ ] آیا ویژگی ها را اولویت بندی کردم و فقط خوشه "باید" را ترک کردم؟
• [ ] آیا معیارهای موفقیت را قبل از انتشار تعریف کرده ام؟
• [ ] آیا من خروجی فنی/حقوقی- بحرانی را به بررسی متخصص سپرده ام؟