യൂണിറ്റുകൾ
1. സംരംഭകത്വത്തിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആമുഖം: റോളുകൾ, അതിരുകൾ, മൂല്യനിർണ്ണയം, ധാർമ്മികത 2. ഐഡിയ ജനറേഷനും പ്രശ്‌ന കണ്ടെത്തലും: യഥാർത്ഥ വേദന കണ്ടെത്തുന്നു 3. വിപണി മൂല്യനിർണ്ണയവും ഉപഭോക്തൃ സംഭാഷണ സമന്വയവും 4. എതിരാളികളുടെ വിശകലനവും സ്ഥാനനിർണ്ണയവും: വിപണിയിൽ നിങ്ങളുടെ സ്ഥാനം കണ്ടെത്തുന്നു 5. മൂല്യ നിർദ്ദേശവും ബിസിനസ് മോഡൽ ഡിസൈനും: ക്യാൻവാസും റവന്യൂ ലോജിക്കും 6. MVP, ഉൽപ്പന്ന വികസനം: ഏറ്റവും ചെറിയ പരിശോധിച്ചുറപ്പിക്കാവുന്ന ഉൽപ്പന്നം 7. ഫിനാൻഷ്യൽ മോഡൽ ഡ്രാഫ്റ്റ്: യൂണിറ്റ് ഇക്കണോമിക്സ് ആൻഡ് പ്രൊജക്ഷൻ 8. പിച്ച് ഡെക്കും നിക്ഷേപകൻ്റെ കഥയും: ബോധ്യപ്പെടുത്തുന്നതും എന്നാൽ സത്യസന്ധവുമായ അവതരണം 9. വളർച്ചയും വിപണനവും: മാർക്കറ്റ് എൻട്രി, ഫണൽ, ചാനൽ ടെസ്റ്റിംഗ് 10. മെട്രിക്‌സ്, ട്രാക്ഷൻ, ഓവർക്ലെയിമിംഗ് ഒഴിവാക്കൽ 11. നിയമം, ധാർമ്മികത, സ്വകാര്യത, അവസാനം മുതൽ അവസാനം വരെ ഭരണം
യൂണിറ്റ് 2 / 11

ഐഡിയ ജനറേഷനും പ്രശ്‌ന കണ്ടെത്തലും: യഥാർത്ഥ വേദന കണ്ടെത്തുന്നു

നേട്ടങ്ങൾ:

  • പ്രശ്‌ന-അധിഷ്‌ഠിത ചിന്തകൾ മനസിലാക്കാനുള്ള കഴിവ്, പരിഹാരത്തെ അടിസ്ഥാനമാക്കിയുള്ള ചിന്തയല്ല, പ്രശ്‌ന മേഖലകൾ പര്യവേക്ഷണം ചെയ്യുന്നതിനും ആശയങ്ങൾ സൃഷ്ടിക്കുന്നതിനും കൃത്രിമബുദ്ധി ഉപയോഗിക്കുക
  • ഒരു പ്രശ്നം 'വിറ്റാമിനാണോ വേദനസംഹാരിയാണോ' എന്ന് വേർതിരിച്ചറിയാനും കൃത്രിമബുദ്ധി ഉപയോഗിച്ച് അനുമാനിക്കാനും ഉള്ള കഴിവ്
  • ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉൽപ്പാദിപ്പിക്കുന്ന ആശയങ്ങളുടെ പട്ടിക ഒരു ആരംഭ പോയിൻ്റാണെന്നും യഥാർത്ഥ വേദന ഈ മേഖലയിൽ മാത്രമേ പരിശോധിക്കാൻ കഴിയൂ എന്നും മനസ്സിലാക്കാൻ കഴിയും.

മിക്ക സ്റ്റാർട്ടപ്പുകളും മരിക്കുന്നത് ഒരു മോശം ആശയം കൊണ്ടല്ല, മറിച്ച് ആരും യഥാർത്ഥത്തിൽ പരിഹരിക്കാൻ ആഗ്രഹിക്കാത്ത ഒരു "പ്രശ്നത്തിന്" ഒരു ഉൽപ്പന്നം ഉണ്ടാക്കിയതുകൊണ്ടാണ്. സ്റ്റാർട്ടപ്പ് സ്ഥാപകർ പലപ്പോഴും ഒരു പരിഹാരത്തോടെ ആരംഭിക്കുന്നു: "ഞാൻ ഒരു അപ്ലിക്കേഷൻ നിർമ്മിക്കാൻ പോകുന്നു, ഇത് ഇങ്ങനെയാണ് പ്രവർത്തിക്കുക." എന്നിരുന്നാലും, പരിചയസമ്പന്നരായ സ്ഥാപകർ ഒരു പ്രശ്നത്തിൽ നിന്ന് ആരംഭിക്കുന്നു: "ആളുകൾ ഇപ്പോൾ എന്ത് യഥാർത്ഥ വേദനയാണ് അനുഭവിക്കുന്നത്, അതിന് പണം നൽകാൻ അവർ തയ്യാറാണോ?" ഈ യൂണിറ്റിൽ നമ്മൾ AI (ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് — ആശയങ്ങളും വാചകങ്ങളും സൃഷ്ടിക്കുന്ന സോഫ്റ്റ്‌വെയർ) ശരിയായ ക്രമത്തിൽ ഉപയോഗിക്കാൻ പഠിക്കും, അതായത് ആദ്യം പ്രശ്നം കണ്ടെത്തുന്നതിന്. നമുക്ക് ആദ്യം മുതൽ പരിധി നിശ്ചയിക്കാം: AI-ക്ക് നൂറുകണക്കിന് ആശയങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും, എന്നാൽ ഈ മേഖലയിലെ ആളുകൾക്ക് മാത്രമേ ഏത് വേദനയാണ് യഥാർത്ഥമെന്ന് പറയാൻ കഴിയൂ.

പ്രശ്നാധിഷ്ഠിതമായി ചിന്തിക്കുന്നു, പരിഹാരത്തെ അടിസ്ഥാനമാക്കിയുള്ളതല്ല

ആളുകൾ അവരുടെ ജോലി ചെയ്യുമ്പോഴോ ജീവിക്കുമ്പോഴോ നേരിടുന്ന ബുദ്ധിമുട്ടുകളുടെ ഒരു കൂട്ടമാണ് പ്രശ്ന ഇടം. ഈ ബുദ്ധിമുട്ടുകൾ പരിഹരിക്കാൻ ഉൽപ്പാദിപ്പിക്കുന്ന ഉൽപ്പന്നങ്ങളും സേവനങ്ങളുമാണ് സൊല്യൂഷൻ സ്പേസ്. പരിഹാര മേഖലയിലേക്ക് നേരെ ചാടുന്നതാണ് പുതുമുഖങ്ങളുടെ തെറ്റ്; പരിഹാരം സങ്കൽപ്പിക്കുന്നത് രസകരമായതിനാൽ, പ്രശ്നം മനസ്സിലാക്കുന്നത് വിരസവും വിഷമകരവുമാണ്. എന്നിരുന്നാലും, തെറ്റായ പ്രശ്നത്തിനുള്ള മികച്ച പരിഹാരം മാലിന്യമാണ്.

ഒരു നല്ല പ്രശ്നത്തിന് മൂന്ന് സ്വഭാവങ്ങളുണ്ട്. ഇത് പതിവായി സംഭവിക്കുന്നു (അപൂർവമായ ഒരു പ്രശ്നം ആരും ശീലമാക്കുന്നില്ല). ഇത് വേദനാജനകമാണ് (മിതമായ അസ്വാസ്ഥ്യത്തിന് ഒരാൾ പരിശ്രമിക്കുന്നില്ല). ചെലവേറിയത് (പ്രശ്നത്തിന് സമയമോ പണമോ പ്രശസ്തിയോ ചിലവാകുന്നെങ്കിൽ ഒരു പരിഹാരം വിലമതിക്കുന്നു). ഈ മൂന്ന് അക്ഷങ്ങളിലെ പ്രശ്നങ്ങൾ "കുഴിക്കാൻ" നിങ്ങൾക്ക് AI ഉപയോഗിക്കാം.

വിറ്റാമിനോ വേദനസംഹാരിയോ?

സംരംഭകത്വത്തിലെ ഏറ്റവും ഉപയോഗപ്രദമായ വേർതിരിവുകളിൽ ഒന്നാണിത്. വേദനസംഹാരികൾ യഥാർത്ഥവും ഉടനടി വേദനയും പരിഹരിക്കുന്നു; അല്ലാത്തപക്ഷം, ഒരു വ്യക്തിക്ക് തൻ്റെ ജോലി ചെയ്യാൻ കഴിയില്ല, അതിനാൽ പണം നൽകാനുള്ള സന്നദ്ധത ഉയർന്നതാണ് (ഉദാഹരണത്തിന്, പണം നൽകാതെ ജോലി ചെയ്യാൻ കഴിയാത്ത ഒരു വ്യാപാരിയുടെ ഒരു ശേഖരണ സംവിധാനം). വിറ്റാമിനുകളാകട്ടെ, സുഖകരവും എന്നാൽ വിതരണം ചെയ്യാവുന്നതുമായ ഒരു മെച്ചപ്പെടുത്തലാണ്; "ഉണ്ടായാൽ നല്ലതായിരിക്കും", പക്ഷേ അതില്ലാതെ ജീവിതം മുന്നോട്ട് പോകുന്നു (ഉദാഹരണത്തിന്, ഒരു വർണ്ണാഭമായ മോട്ടിവേഷണൽ ആപ്പ്). വിറ്റാമിനുകൾക്ക് പണം സമ്പാദിക്കാൻ കഴിയും, പക്ഷേ ഇത് വളരെ കഠിനമായ പാതയാണ്. നിങ്ങൾ AI-ക്ക് ഒരു ആശയം നൽകുമ്പോൾ, അത് ഉടൻ ചോദിക്കുന്നു "ഇതൊരു വേദനസംഹാരിയാണോ അതോ വിറ്റാമിനാണോ, എന്താണ് തെളിവ്?" അവരെ ചോദ്യം ചെയ്യുക.

നുറുങ്ങ്: ഒരു പ്രശ്നം വേദനസംഹാരിയാണോ എന്ന് കണ്ടെത്താനുള്ള ഏറ്റവും വേഗമേറിയ മാർഗം ചോദിക്കുക എന്നതാണ്: "ഈ പ്രശ്നം പരിഹരിക്കാൻ ആളുകൾ ഇപ്പോൾ എന്താണ് ചെയ്യുന്നത്, അവർ അതിനായി എത്ര സമയം/പണം ചെലവഴിക്കുന്നു?" പണം/പ്രയത്നം നിലവിൽ ഒരു പരിഹാരത്തിനായി ചെലവഴിക്കുന്നുണ്ടെങ്കിൽ (അത് മോശമാണെങ്കിലും) വേദന യഥാർത്ഥമാണ്.

ഘട്ടം ഘട്ടമായി: AI ഉപയോഗിച്ചുള്ള പ്രശ്നം കണ്ടെത്തൽ

  1. ഒരു ആളുകൾ/വിഭാഗം തിരഞ്ഞെടുക്കുക. "എല്ലാവർക്കും" (ഉദാ. "സോളോ ദന്തഡോക്ടർമാർ") എന്നല്ല, ഒരു പ്രത്യേക ഗ്രൂപ്പിനായി ചിന്തിക്കുക.
  2. നിങ്ങളുടെ ദിവസങ്ങൾ സ്ക്രാച്ച് ചെയ്യുക. AI-ൽ നിന്ന് ആ ഗ്രൂപ്പിനുള്ള ഒരു സാധാരണ ദിവസം, അവരുടെ ആവർത്തിച്ചുള്ള നിരാശകൾ, അവരുടെ നിലവിലെ കോപ്പിംഗ് തന്ത്രങ്ങൾ എന്നിവ വേർതിരിച്ചെടുക്കുക.
  3. പ്രശ്നങ്ങളെ അനുമാനങ്ങളാക്കി മാറ്റുക. ഓരോ ബുദ്ധിമുട്ടും പരീക്ഷിക്കാവുന്ന ഒരു വാക്യമാക്കി മാറ്റുക: "ഗ്രൂപ്പ് X, Y അവസ്ഥയിൽ Z അനുഭവിക്കുന്നു."
  4. വിറ്റാമിൻ/പെയിൻ റിലീവർ ഫിൽട്ടർ. ഈ അക്ഷത്തിൽ ഓരോ അനുമാനവും വിലയിരുത്തുക; ദുർബലരെ ഇല്ലാതാക്കുക.
  5. ഒരു തെളിവ് ചോദ്യം സൃഷ്ടിക്കുക. എല്ലാ ശക്തമായ സിദ്ധാന്തത്തിനും "ഒരാഴ്ചയ്ക്കുള്ളിൽ ഞാൻ ഇത് എങ്ങനെ പരിശോധിക്കും?" ചോദ്യത്തിന് ഉത്തരം നൽകുക.
  6. വയലിലേക്ക് കൊണ്ടുപോകുക. ആത്യന്തിക ഫിൽട്ടർ ഒരു യഥാർത്ഥ മനുഷ്യനോടാണ് സംസാരിക്കുന്നത്, ഒരു AI (അടുത്ത യൂണിറ്റ്) അല്ല.

ശ്രദ്ധിക്കുക: AI നിർമ്മിക്കുന്ന പ്രശ്നങ്ങളുടെ പട്ടിക ഒരു "ആരംഭ പോയിൻ്റ്" ആണ്, യാഥാർത്ഥ്യമല്ല. AI സാമാന്യവൽക്കരിക്കുന്നു; നിങ്ങളുടെ സെഗ്‌മെൻ്റിൻ്റെ യഥാർത്ഥ വേദന ലിസ്റ്റിൽ ഇല്ലായിരിക്കാം, അല്ലെങ്കിൽ ലിസ്റ്റിലെ ഒരു ഇനം നിങ്ങൾക്ക് ബാധകമായേക്കില്ല.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - പരിഹാരത്തിൽ നിന്ന് പ്രശ്നത്തിലേക്ക് തിരിയുന്നു. ഒരു സ്ഥാപകൻ "ഒരു AI പാചകക്കുറിപ്പ് ആപ്പ്" നിർമ്മിക്കാൻ ആഗ്രഹിച്ചു (അദ്ദേഹം പരിഹാരത്തോടെ ആരംഭിച്ചു). തൻ്റെ ടാർഗെറ്റ് പ്രേക്ഷകരുടെ (പുതിയ മാതാപിതാക്കൾ) ദിവസത്തിലേക്ക് AI കുഴിച്ചുനോക്കിയപ്പോൾ, യഥാർത്ഥ വേദന പാചകക്കുറിപ്പല്ല, മറിച്ച് "കയ്യിൽ ഉള്ളത് വേഗത്തിൽ കഴിക്കുക" എന്നും "സമയക്കുറവ്" എന്നിവയാണെന്നും അദ്ദേഹം കണ്ടെത്തി. അദ്ദേഹം പ്രശ്നം പുനർനിർവചിച്ചു: "കുറവ് മെറ്റീരിയൽ, കുറവ് സമയം". ഉൽപ്പന്ന ആശയം സമൂലമായി മാറുകയും കൂടുതൽ വ്യക്തമാവുകയും ചെയ്തു. ആത്യന്തികമായി, അവൻ 15 ആളുകളോട് സംസാരിച്ചു; 12 പേർ ഈ വേദന സ്ഥിരീകരിച്ചു.

കേസ് 2 - വിറ്റാമിൻ വളരെ നേരത്തെ ഇല്ലാതാക്കുന്നു. "ജീവനക്കാർക്ക് ദിവസേന പ്രചോദനാത്മകമായ ഉദ്ധരണികൾ അയയ്ക്കുന്ന" ഒരു ആപ്പ് ഒരു ടീം പരിഗണിക്കുകയായിരുന്നു. വിറ്റാമിനുകൾ/വേദനസംഹാരികൾ എന്നിവ പരിശോധിക്കാൻ നിങ്ങൾക്ക് AI ലഭിക്കുമ്പോൾ "ആളുകൾ ഇപ്പോൾ എന്താണ് ഇതിനായി ചെലവഴിക്കുന്നത്?" ചോദ്യം സത്യസന്ധമായി നോക്കിയപ്പോൾ "ഒന്നുമില്ല" എന്നായിരുന്നു ഉത്തരം. പ്രചോദനത്തിൻ്റെ ഒരു വാക്കിനായി ആരും പണം / പരിശ്രമം ചെലവഴിക്കുന്നില്ല. അവർ ഈ ആശയം നേരത്തെ ഉപേക്ഷിച്ചു; അവർ മാസങ്ങളോളം ഉൽപ്പന്നങ്ങൾ വികസിപ്പിച്ച ശേഷം പഠനത്തിൽ നിന്ന് രക്ഷപ്പെട്ടു. നിങ്ങൾ ആരംഭിക്കുന്നതിന് മുമ്പ് ശ്രദ്ധിക്കപ്പെടുന്ന ഒന്നാണ് വിലകുറഞ്ഞ പരാജയം.

കേസ് 3 - രഹസ്യ വേദനസംഹാരി. ഒരു സ്ഥാപകൻ ചെറിയ ടൂർ കമ്പനികളിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു. AI ഈ ഗ്രൂപ്പിൻ്റെ ദിനമാക്കി; നിരവധി പ്രശ്‌നങ്ങൾ ഉണ്ടായിരുന്നു, പക്ഷേ ഒന്ന് വേറിട്ടു നിന്നു: സ്ഥിരമായ ഇരട്ട ബുക്കിംഗുകളും വാട്ട്‌സ്ആപ്പും റിസർവേഷനുകളുടെയും കളക്ഷനുകളുടെയും മാനുവൽ ട്രാക്കിംഗും കാരണം പണം നഷ്‌ടപ്പെട്ടു. ഇതൊരു പതിവ്, വേദനാജനകവും ചെലവേറിയതുമായ ഒരു പ്രശ്നമായിരുന്നു - ക്ലാസിക് വേദനസംഹാരി. അദ്ദേഹം മറ്റ് 6 ആശയങ്ങൾ ഉപേക്ഷിച്ച് ഈ ഒരു വേദനയിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ഒരു ദിവസം കുഴിക്കുന്നത്:

നിങ്ങളുടെ റോൾ: ഉപഭോക്തൃ കണ്ടെത്തൽ വിദഗ്ധൻ. ടാർഗെറ്റ് ഗ്രൂപ്പ്: [ഉദാ. ഒറ്റ ജോലി ചെയ്യുന്ന ദന്തരോഗവിദഗ്ദ്ധൻ]. ഈ വ്യക്തിയുടെ ഒരു സാധാരണ പ്രവൃത്തിദിനം ഓരോ മണിക്കൂറിലും വിവരിക്കുക. ഓരോ ഘട്ടത്തിലും നിങ്ങൾ നേരിടുന്ന ആവർത്തിച്ചുള്ള പ്രശ്‌നങ്ങളും നിങ്ങൾ നിലവിൽ അവ കൈകാര്യം ചെയ്യുന്ന രീതിയും പട്ടികപ്പെടുത്തുക (നിലവിലെ പരിഹാരം/പ്രതിവിധി). നിങ്ങൾക്ക് ഉറപ്പില്ലാത്തിടത്ത്, "അനുമാനം, സ്ഥിരീകരിക്കണം" എന്ന് എഴുതുക. നിങ്ങൾ പൊതുവൽക്കരിക്കുകയാണെന്ന് ഓർക്കുക.

2) പ്രശ്നം ഒരു സിദ്ധാന്തമാക്കി മാറ്റുന്നു:

വേദന പോയിൻ്റുകളുടെ ഇനിപ്പറയുന്ന ലിസ്റ്റ് എടുത്ത് ഓരോന്നും ഈ പാറ്റേണിലേക്ക് മാറ്റുക: "[സാഹചര്യത്തിൻ്റെ] നിമിഷത്തിൽ [സെഗ്‌മെൻ്റ്] [വേദന] അനുഭവിക്കുന്നു, അതിൻ്റെ ഫലമായി [ചെലവ്]." തുടർന്ന് ഓരോ സിദ്ധാന്തവും "വേദനസംഹാരി/വിറ്റാമിൻ" എന്ന് അടയാളപ്പെടുത്തി ഒരു വാക്യത്തിൽ യുക്തി എഴുതുക.

3) വിറ്റാമിൻ/പെയിൻകില്ലർ സ്ട്രെസ് ടെസ്റ്റ്:

ഇനിപ്പറയുന്ന പ്രശ്ന സിദ്ധാന്തം വിലയിരുത്തുക: [അനുമാനം]. (1) ആവൃത്തി, (2) വേദന തീവ്രത, (3) ചെലവ് എന്നിവയുടെ അച്ചുതണ്ടിൽ 1-5 സ്കോർ. (4) "ഈ പ്രശ്‌നത്തിനായി ആളുകൾ ഇപ്പോൾ എന്താണ് ചെയ്യുന്നതും ചെലവഴിക്കുന്നതും?" എന്ന ചോദ്യത്തിന് ഉത്തരം നൽകുക. (5) മൊത്തത്തിലുള്ള വേദന നിവാരണ സ്കോർ നൽകുക, മോശമാണെങ്കിൽ, എന്തുകൊണ്ടാണ് ഇത് മോശമായതെന്ന് വിശദീകരിക്കുക.

4) വിലകുറഞ്ഞ ടെസ്റ്റ് ഡിസൈൻ:

കോഡ് എഴുതാതെ, ഇനിപ്പറയുന്ന അനുമാനം ഒരാഴ്ചയ്ക്കുള്ളിൽ പരിശോധിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു: [ഉപദേശം]. എനിക്ക് 3 ചെലവുകുറഞ്ഞ ടെസ്റ്റിംഗ് രീതികൾ നിർദ്ദേശിക്കുക (ഉദാ. അഭിമുഖം, പ്രീ-രജിസ്‌ട്രേഷൻ പേജ്, മോക്ക് ഡോർ ടെസ്റ്റ്). ഓരോന്നിനും: ഞാൻ എന്താണ് അളക്കുന്നത്, എത്ര ആളുകൾ മതി, ഏത് ഫലം "കയ്പേറിയ സത്യം" പറയുന്നു, ഫലം "വേദനയില്ല" എന്ന് പറയുന്നു.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

എനിക്ക് 20 സ്റ്റാർട്ടപ്പ് ആശയങ്ങൾ തരൂ.

ഈ പ്രോംപ്റ്റ് സന്ദർഭവും ഭാഗങ്ങളും ഇല്ലാതെ ആശയങ്ങളുടെ ഒരു മാലിന്യക്കൂമ്പാരം ഉണ്ടാക്കുന്നു; എല്ലാം പരിഹാരം അധിഷ്ഠിതമാണ്, ഒന്നും യഥാർത്ഥ വേദനയെ അടിസ്ഥാനമാക്കിയുള്ളതല്ല.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: പ്രശ്‌ന-കേന്ദ്രീകൃത ഉപഭോക്തൃ കണ്ടെത്തൽ ഉപദേഷ്ടാവ്. വിഭാഗം:[ചെറിയ ടൂർ കമ്പനി ഉടമകൾ]. അവരുടെ ജോലി ചെയ്യുമ്പോൾ ഈ ഗ്രൂപ്പ് അനുഭവിക്കുന്ന ഏറ്റവും സാധ്യതയുള്ള 8 വേദനകൾ എഴുതുക, ഓരോന്നും "സെഗ്മെൻ്റ്-സാഹചര്യം-വേദന-ചെലവ്" പാറ്റേണിൽ. ഓരോ വേദനയും ഒരു വേദനസംഹാരി/വിറ്റാമിൻ എന്ന് ലേബൽ ചെയ്യുക, കൂടാതെ ഒരു ആഴ്‌ചയിലെ വിലകുറഞ്ഞ പരിശോധനയിലൂടെ 3 ശക്തമായത് എങ്ങനെ പരിശോധിക്കാമെന്ന് എന്നോട് പറയുക.

സമീപിക്കുക

ഔട്ട്പുട്ടിൻ്റെ സ്വഭാവം

സ്ഥിരീകരണക്ഷമത

പരിഹാരം ഉപയോഗിച്ച് ആരംഭിക്കുക

രസകരമായ എന്നാൽ അടിസ്ഥാനരഹിതമായ ആശയം

താഴ്ന്ന

വിഭജിക്കാത്ത അഭിപ്രായങ്ങൾ അഭ്യർത്ഥിക്കുന്നു

പൊതുവായ, വ്യതിരിക്തമല്ല

താഴ്ന്ന

പ്രശ്നം + സെഗ്മെൻ്റ് + സിദ്ധാന്തം

പരിശോധിക്കാവുന്ന വേദനകളുടെ പട്ടിക

ഉയർന്നത്

പ്രശ്നം + വിലകുറഞ്ഞ ടെസ്റ്റ് ഡിസൈൻ

ഫീൽഡിലേക്ക് പോർട്ടബിൾ പ്ലാൻ

ഏറ്റവും ഉയർന്നത്

സാധാരണ തെറ്റുകൾ

  • പരിഹാരത്തിൽ നിന്ന് ആരംഭിക്കുന്നു. ഉൽപ്പന്നം സങ്കൽപ്പിക്കുക, തുടർന്ന് പ്രശ്നങ്ങൾക്കായി നോക്കുക; വിപരീതവും അപകടകരവുമായ ക്രമം.
  • "എല്ലാവർക്കും" വേണ്ടി ചെയ്യുന്നു. സെഗ്മെൻ്റ് വിശാലമാകുന്തോറും വേദന കൂടുതൽ മങ്ങുന്നു; ചെറുതായി തുടങ്ങുക.
  • വേദനസംഹാരികളായി വിറ്റാമിനുകൾ തെറ്റിദ്ധരിക്കുന്നു. "ഉണ്ടായാൽ നന്നായിരിക്കും" എന്ന ആശയങ്ങളുമായി പ്രണയത്തിലാകുക; പേയ്‌മെൻ്റ് സന്നദ്ധത പരീക്ഷിക്കുക.
  • AI ലിസ്റ്റിനെ യഥാർത്ഥമായി തെറ്റിദ്ധരിപ്പിക്കുന്നു. AI യുടെ പ്രശ്നങ്ങളുടെ പട്ടിക അനുമാനമാണ്; യഥാർത്ഥ ആളുകളുമായി പരിശോധിച്ചുറപ്പിക്കാതെ ഒരു ഉൽപ്പന്നവും നിർമ്മിക്കില്ല.
  • ആവൃത്തി/ചെലവ് എന്നിവയെക്കുറിച്ച് ചോദിക്കുന്നില്ല. അപൂർവ്വമായി അല്ലെങ്കിൽ സ്വതന്ത്രമായി സഹിക്കുന്ന ഒരു പ്രശ്നത്തിന് ആരും പരിഹാരം വാങ്ങുന്നില്ല.
സൂക്ഷിക്കുക: നിങ്ങളോട് അനുകമ്പ കാണിക്കുന്നതിന് AI ഒരു സാധാരണ പ്രശ്നം ഒരു "വലിയ അവസരമായി" അവതരിപ്പിച്ചേക്കാം. സ്ഥിരീകരണ പക്ഷപാതത്തിനെതിരെ, സൃഷ്ടിക്കുന്ന എല്ലാ പ്രശ്‌നങ്ങൾക്കും, "തെളിവ് എവിടെയാണ്, ആളുകൾ ഇപ്പോൾ എന്താണ് ചെലവഴിക്കുന്നത്?" എന്ന് ചോദിക്കുന്നത് ഉറപ്പാക്കുക. ചോദ്യം സ്വയം ചോദിക്കുക. തെളിവുകളൊന്നുമില്ലെങ്കിൽ, ആശയം ഇപ്പോഴും ഒരു ഊഹം മാത്രമാണ്.

ചുരുക്കത്തിൽ

തെറ്റായ പ്രശ്നത്തിന് ഉൽപ്പന്നങ്ങൾ നിർമ്മിക്കുമ്പോൾ സ്റ്റാർട്ടപ്പുകൾ മരിക്കുന്നു; അതുകൊണ്ടാണ് പ്രശ്നത്തിൽ നിന്ന് ആരംഭിക്കേണ്ടത്, പരിഹാരമല്ല. നല്ല പ്രശ്നം ഇടയ്ക്കിടെയും വേദനാജനകവും ചെലവേറിയതുമാണ്. വേദനസംഹാരി/വിറ്റാമിൻ വ്യത്യാസം ഏത് വേദനയാണ് പണമടയ്ക്കാനുള്ള സന്നദ്ധതയ്ക്ക് കാരണമാകുന്നതെന്ന് പ്രവചിക്കാനുള്ള ഏറ്റവും പ്രായോഗിക മാർഗമാണ്. ഒരു സെഗ്‌മെൻ്റിൻ്റെ ദിവസം കുഴിക്കുന്നതിനും വേദന പോയിൻ്റുകളെ പരീക്ഷിക്കാവുന്ന അനുമാനങ്ങളിലേക്ക് വിവർത്തനം ചെയ്യുന്നതിനും ചെലവുകുറഞ്ഞ പരിശോധനകൾ രൂപകൽപ്പന ചെയ്യുന്നതിനുമുള്ള ശക്തമായ സഹായമാണ് AI. എന്നാൽ AI നിർമ്മിക്കുന്ന പ്രശ്നങ്ങളുടെ പട്ടിക ഒരു ആരംഭ പോയിൻ്റാണ്; ആളുകളോട് സംസാരിക്കുന്നതിലൂടെ മാത്രമേ യഥാർത്ഥ വേദനയെ സാധൂകരിക്കൂ. നിങ്ങളുടെ സ്വന്തം ആശയവുമായി പ്രണയത്തിലാകാതെ നിർമ്മാതാവും നിരൂപകനുമായി AI ഉപയോഗിക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു സെഗ്മെൻ്റ് തിരഞ്ഞെടുക്കുക (കഴിയുന്നത്ര ഇടുങ്ങിയത്). "ഡിഗിംഗ് എ ഡേ" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് AI-ൽ നിന്ന് ആ വിഭാഗത്തിൽ നിന്ന് വേദന എടുക്കുക. തുടർന്ന്, "ഒരു പ്രശ്നം ഒരു സിദ്ധാന്തമാക്കി മാറ്റുക" എന്ന ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് കുറഞ്ഞത് 5 സിദ്ധാന്തങ്ങളെങ്കിലും സൃഷ്ടിച്ച് ഓരോന്നും വിറ്റാമിൻ/വേദനസംഹാരിയായി അടയാളപ്പെടുത്തുക. 2 ശക്തമായ അനാലിസിക് അനുമാനങ്ങൾക്കായി "വിലകുറഞ്ഞ ടെസ്റ്റ് ഡിസൈൻ" ടെംപ്ലേറ്റിൽ നിന്ന് പ്രതിവാര ടെസ്റ്റ് പ്ലാൻ നേടുക. ഒരു ആഴ്‌ചയ്‌ക്കുള്ളിൽ ഒരു യഥാർത്ഥ വ്യക്തിയുമായി ഈ ടെസ്റ്റുകളിൽ ഒരെണ്ണമെങ്കിലും നടത്താൻ ആസൂത്രണം ചെയ്യുക, കൂടാതെ "കഠിനമായ സത്യം" എന്ന് പറയുന്ന ഫലം മുൻകൂട്ടി എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

  • [ ] ഞാൻ ആരംഭിച്ചത് ഒരു പ്രത്യേക വിഭാഗത്തിൻ്റെ പ്രശ്‌നത്തിൽ നിന്നാണോ അല്ലാതെ പരിഹാരത്തിൽ നിന്നല്ല?
  • [ ] ഞാൻ എല്ലാ പ്രശ്‌നങ്ങളും പരീക്ഷിക്കാവുന്ന ഒരു സിദ്ധാന്തമാക്കി മാറ്റിയിട്ടുണ്ടോ?
  • [ ] ഞാൻ ഓരോ അനുമാനവും വിറ്റാമിൻ/പെയിൻകില്ലർ അക്ഷത്തിൽ ഫിൽട്ടർ ചെയ്തിട്ടുണ്ടോ?
  • [ ] "ആളുകൾ ഇപ്പോൾ ഇതിനായി എന്താണ് ചെലവഴിക്കുന്നത്?" എല്ലാ സിദ്ധാന്തങ്ങളോടും ഞാൻ ചോദ്യം ചോദിച്ചിട്ടുണ്ടോ?
  • [ ] ഞാൻ AI ലിസ്റ്റിനെ യാഥാർത്ഥ്യത്തേക്കാൾ ഫീൽഡിൽ പരീക്ഷിക്കേണ്ട ഒരു സിദ്ധാന്തമായി കണക്കാക്കിയിട്ടുണ്ടോ?