Keuntungan:
- Keupayaan untuk memahami konsep MVP (minimum viable product) dan logik 'unit pembelajaran terkecil' dan menentukan skop dengan kecerdasan buatan
- Keupayaan untuk melaksanakan keutamaan ciri (MoSCoW, impak-usaha) dan pengeluaran prototaip/halaman pendaratan pantas yang disokong kecerdasan buatan
- Memahami bahawa tujuan MVP adalah untuk belajar, bukan untuk menjual, dan terlalu banyak kejuruteraan adalah kesilapan permulaan yang paling mahal.
Kesilapan paling mahal yang dilakukan pengasas ialah menghabiskan berbulan-bulan menyempurnakan produk yang mereka tidak pasti sesiapa mahu. Apabila mereka pergi ke pasaran, mereka mengetahui sama ada masalah itu salah atau penyelesaiannya. Cara untuk mengelakkan bencana ini ialah MVP: produk minimum yang berdaya maju — versi produk terkecil yang akan memberikan pembelajaran paling banyak dengan usaha yang paling sedikit. Dalam unit ini, kami akan menggunakan AI (kecerdasan buatan) untuk menentukan skop MVP, mengutamakan ciri dan menghasilkan prototaip/penggoda pantas. Ayat yang paling kritikal: Tujuan MVP adalah untuk belajar, bukan menjual; Kesilapan yang paling mahal ialah terlalu membuat andaian yang tidak berasas.
Apakah MVP dan apa yang bukan?
MVP adalah konsep yang salah faham. MVP bukanlah "produk yang ceroboh, rosak"; Ia adalah pengalaman lengkap terkecil yang diperlukan untuk menguji hipotesis tertentu. Kata kuncinya ialah "belajar". Tanya diri anda: "Apakah soalan yang saya cuba jawab?" MVP mengandungi ciri yang mencukupi — tidak lebih, tidak kurang — untuk menjawab soalan itu. Kadangkala MVP mungkin bukan aplikasi yang berfungsi: halaman pendaratan, video, perkhidmatan manual (kaedah "wizard di belakang" yang kelihatan seperti automatik di hadapan semasa manusia bekerja di latar belakang) juga boleh menjadi MVP.
Kebalikan daripada MVP ialah terlalu kejuruteraan — usaha yang dibelanjakan untuk ciri, skala dan kesempurnaan yang belum lagi diperlukan — dan penyaduran emas — butiran penggilap yang tiada siapa mahu. Ini adalah pembunuh wang dan masa yang paling berbahaya bagi permulaan; kerana mereka berasa seperti "bekerja" tetapi melambatkan pembelajaran.
Petua: Sebelum menambah ciri, tanya: "Bolehkah saya mendapatkan perkara yang ingin saya uji tanpa ciri ini?" Jika jawapannya "ya", ciri itu tidak menjadikannya sebagai MVP. Setiap ayat "tetapi kami juga memerlukan ini" yang menjadikan MVP berkembang ialah kos yang melambatkan pembelajaran.
Pengutamaan ciri
Memandangkan tiada masa dan wang yang tidak terhad, adalah perlu untuk memutuskan ciri mana yang akan dibina terlebih dahulu. Dua kaedah praktikal:
MoSCoW: Membahagikan ciri kepada empat — Mesti, Patut, Boleh, Tidak. MVP hanyalah set "Mesti".
Matriks Impak-Usaha: Meletakkan setiap ciri pada paksi "kesan ke atas pelanggan" dan "usaha untuk dilakukan". Impak tinggi-rendah usaha dilakukan terlebih dahulu; Impak rendah-usaha tinggi ditinggalkan. AI ialah bantuan yang baik dalam memasukkan senarai ciri dengan cepat ke dalam matriks ini — tetapi perlu membetulkan ramalan "kesan" dengan isyarat pelanggan sebenar.
Langkah demi langkah: Reka bentuk MVP dengan AI
- Tulis soalan pembelajaran. "Apakah andaian tunggal yang akan diuji MVP ini?"
- Senaraikan ciri calon. Curahkan segala-galanya di fikiran anda.
- Utamakan dengan AI. Ekstrak dengan MoSCoW atau effect-effort; Cari kelompok "Mesti".
- Pilih bentuk yang paling ringan. Adakah kod diperlukan atau halaman pendaratan/video/perkhidmatan manual mencukupi?
- Menghasilkan prototaip/halaman. Minta AI untuk teks kertas putih, aliran atau draf kod pseudo.
- Tentukan kriteria kejayaan anda terlebih dahulu. "Jika saya melihat keputusan ini, andaian itu disahkan."
- Terbitkan dan pelajari. Ukur tingkah laku sebenar; Pengasas membuat keputusan.
tiga kes mini
Kes 1 — MVP tanpa menulis kod. Seorang pengasas memikirkan aplikasi yang menghubungkan jiran yang menjual makanan yang dimasak di rumah dengan pelanggan. Daripada menghabiskan berbulan-bulan menulis kod, dia bermula dengan satu halaman demo dan talian WhatsApp; pesanan dipadankan secara manual (kaedah "wizard di belakang"). Dia menerima 40 pesanan sebenar dalam masa dua minggu dan mengetahui bahawa kesesakan sebenar adalah logistik penghantaran. Jika dia menulis kod, dia akan belajar beberapa bulan ini kemudian. MVP membawa pembelajaran ke hadapan.
Kes 2 — Perangkap terlalu kejuruteraan. Satu pasukan menghabiskan 4 bulan membina infrastruktur yang akan "meningkatkan kepada berjuta-juta pengguna" apabila ia belum lagi mempunyai seorang pelanggan. Apabila produk itu keluar, tiada siapa yang menginginkannya; Masalahnya salah. Hampir semua usaha yang dibelanjakan menjadi sia-sia. Pengajaran: masalah skala adalah kemewahan selepas menyelesaikan masalah daya tarikan; Buktikan apa yang orang mahukan dahulu.
Kes 3 — Kuasa keutamaan. Seorang pengasas mempunyai senarai 30 ciri. Dia menyuruh AI mencipta matriks impak-usaha dan membetulkan lajur "kesan" dengan isyarat daripada perbualan pelanggan sebenar. Hanya 4 daripada 30 ciri yang menjadi "Mesti". Dikeluarkan MVP dalam masa 3 minggu dan bukannya 6 bulan; Pelanggan menunjukkan bahawa kebanyakan baki 26 ciri tidak diperlukan sama sekali.
Empat templat yang boleh disalin
1) Soalan pembelajaran + skop MVP:
Peranan anda: jurulatih produk kurus. Andaian yang ingin saya uji ialah:[cth. "peniaga membayar setiap bulan untuk kutipan"].(1) Terangkan produk PALING KECIL yang diperlukan untuk mengesahkan andaian ini, (2) Tunjukkan jika versi ini yang tidak memerlukan kod (halaman pendaratan, video, perkhidmatan manual) adalah mungkin, (3) Beri amaran tentang ciri "menarik tetapi tidak perlu" yang tidak sepatutnya menjadikannya sebagai MVP.
2) Keutamaan MoSCoW:
Bahagikan senarai ciri berikut kepada MoSCoW: Mesti / Patut / Boleh / Tidak. Hanya yang "WAJIB untuk andaian saya ingin menguji" perlu dimasukkan. Tulis dalam satu ayat mengapa setiap ciri berada dalam kelompok itu.Senarai: [ciri].
3) Matriks impak-usaha:
Skor ciri berikut pada paksi "kesan kepada pelanggan (1-5)" dan "usaha untuk melakukan (1-5)" dan letakkannya dalam 4 kuadran. Tandakan usaha berimpak tinggi-rendah sebagai "buat dahulu", dan usaha tinggi berimpak rendah sebagai "jangan buat". Ingatkan saya bahawa skor pengaruh mesti disahkan terhadap penglibatan pelanggan sebenar saya. Senarai: [ciri].
4) Teks halaman pendaratan:
Tulis teks halaman percikan untuk MVP saya. Bahagian: (1) tajuk dalam bahasa pelanggan (proposisi nilai), (2) naratif penyelesaian masalah, (3) 3 mata faedah, (4) panggilan yang jelas (prapendaftaran / senarai menunggu). Menggunakan janji yang dibesar-besarkan; Hanya dakwaan yang saya boleh sahkan. Turki, sederhana, ikhlas.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Senaraikan semua ciri untuk produk saya.
Gesaan ini bertentangan dengan logik MVP; Ia menghasilkan senarai keinginan panjang yang melambatkan pembelajaran dan mengundang kejuruteraan berlebihan.
Gesaan kuat:
Satu-satunya andaian yang ingin saya uji ialah: [x]. Terangkan MVP PALING KECIL yang akan mengesahkan andaian ini, cadangkan versi yang tidak memerlukan kod, asingkan ciri dengan MoSCoW dan biarkan hanya set Mesti. Bantu saya untuk tidak menulis terlebih dahulu kriteria kejayaan saya (hasil yang mengesahkan andaian).
Pendekatan
Kadar pembelajaran
kos
risiko
Membuat produk lengkap dari awal
terlalu perlahan
tinggi
Jangan masukkan wang ke dalam perkara yang salah
Kejuruteraan melampau/penyaduran emas
lambat
sangat tinggi
Kesilapan yang paling mahal
Hanya MVP yang mesti ditampilkan
cepat
rendah
terurus
MVP tanpa kod (pendaratan/elle)
terpantas
paling rendah
pembelajaran awal
Kesilapan biasa
- Tersilap MVP sebagai produk lengkap. MVP ialah unit pembelajaran terkecil, bukan akhir yang digilap.
- Kejuruteraan berlebihan. Menghabiskan bulan pada skala/kesempurnaan apabila tiada pelanggan di sekeliling; Kesilapan yang paling mahal.
- Tidak mentakrifkan soalan pembelajaran. MVP yang tidak tahu apa yang diuji adalah sia-sia tanpa arah.
- Tetapkan kriteria kejayaan nanti. Jika kriteria tidak ditulis lebih awal, setiap keputusan akan ditafsirkan sebagai "kejayaan".
- Melangkau pilihan tanpa kod. Halaman pendaratan/video/kod penulisan apabila anda boleh mengujinya secara manual dengan perkhidmatan.
Awas: AI mungkin menghasilkan prototaip atau draf kod, tetapi anda bertanggungjawab ke atas keselamatan, ketepatan dan pematuhan undang-undang kod yang dihasilkan. Terutamanya dalam MVP yang melibatkan pembayaran, data peribadi atau keselamatan, output AI ialah lakaran awal; Pembangun/pakar yang cekap adalah penting untuk menyemaknya sebelum disiarkan secara langsung.
Secara ringkasnya
MVP ialah produk terkecil yang memberikan pembelajaran paling banyak dengan usaha yang paling sedikit; Tujuannya bukan untuk menjual, tetapi untuk menguji andaian. Kesilapan yang paling mahal adalah terlalu banyak kejuruteraan dan penyaduran emas produk yang tidak terbukti yang tiada siapa yang mahu. Setiap MVP bermula dengan soalan pembelajaran; ciri diekstrak oleh MoSCoW atau impak-usaha dan hanya kelompok "Mesti" dibuat. Selalunya MVP terbaik datang sebelum kod: halaman pendaratan, video atau perkhidmatan manual. AI ialah pemecut yang berkuasa dalam skop, mengutamakan dan menghasilkan prototaip/draf halaman; tetapi anggaran "kesan" harus diperbetulkan oleh isyarat pelanggan sebenar dan output teknikal/kritikal undang-undang harus disemak secara pakar.
Tugasan permohonan
Pilih andaian (templat "Soalan pembelajaran"). Minta AI untuk MVP terkecil yang akan menguji andaian ini, dan jika boleh, versi tanpa kod. Asingkan ciri calon anda dengan templat "MoSCoW", hanya tinggalkan Mesti ditetapkan. Akhir sekali, hasilkan draf halaman pendaratan tanpa tambahan dengan templat "Teks halaman pendaratan" dan tulis kriteria kejayaan anda (mis. sekurang-kurangnya 5 prapendaftaran daripada 20 pelawat) sebelum diterbitkan.
senarai semak
- [ ] Adakah saya telah menulis dengan jelas satu soalan pembelajaran ujian MVP saya?
- [ ] Adakah saya telah menilai versi MVP tanpa kod?
- [ ] Adakah saya mengutamakan ciri dan meninggalkan hanya kelompok "Mesti"?
- [ ] Adakah saya telah menentukan kriteria kejayaan sebelum diterbitkan?
- [ ] Adakah saya telah menyerahkan output teknikal/kritikal undang-undang kepada semakan pakar?