Zyski:
- Umiejętność zrozumienia koncepcji MVP (minimalnego produktu) i logiki „najmniejszej jednostki uczenia się” oraz określenia zakresu za pomocą sztucznej inteligencji
- Możliwość wdrożenia priorytetyzacji funkcji (MoSCoW, Impact-Efort) i wspieranej przez sztuczną inteligencję szybkiej produkcji prototypów/stron docelowych
- Zrozumienie, że celem MVP jest nauka, a nie sprzedaż i że przepracowanie to najkosztowniejszy błąd startupu.
Najdroższym błędem popełnianym przez założycieli jest spędzanie miesięcy na doskonaleniu produktu, o którym nie wiadomo, czy ktokolwiek chce. Kiedy wchodzą na rynek, dowiadują się, że albo problem był błędny, albo rozwiązanie. Sposobem na uniknięcie tej katastrofy jest MVP: minimalny opłacalny produkt — najmniejsza wersja produktu, która zapewni najwięcej nauki przy najmniejszym wysiłku. W tej jednostce będziemy wykorzystywać sztuczną inteligencję do określenia zakresu MVP, ustalenia priorytetów funkcji i stworzenia szybkich prototypów/teaserów. Najbardziej krytyczne zdanie: Celem MVP jest uczyć się, a nie sprzedawać; Najkosztowniejszym błędem jest nadmierne modyfikowanie bezpodstawnych założeń.
Co jest MVP, a co nie?
MVP to źle rozumiane pojęcie. MVP nie jest „niechlujnym, zepsutym produktem”; Jest to najmniejsze pełne doświadczenie wymagane do sprawdzenia konkretnej hipotezy. Kluczowym słowem jest „uczenie się”. Zadaj sobie pytanie: „Na jakie pytanie próbuję odpowiedzieć?” MVP zawiera wystarczającą liczbę funkcji — nie więcej, nie mniej — aby odpowiedzieć na to pytanie. Czasami MVP może nawet nie być działającą aplikacją: strona docelowa, wideo, usługa ręczna (metoda „kreatora za”, która wydaje się działać automatycznie z przodu, podczas gdy człowiek pracuje w tle) również może być MVP.
Przeciwieństwem MVP jest przesadna inżynieria – wysiłek włożony w funkcje, skalę i doskonałość, które nie są jeszcze potrzebne – oraz złocenie – polerowanie szczegółów, których nikt nie chce. Oto najbardziej podstępni zabójcy pieniędzy i czasu startupu; ponieważ czują, że „pracują”, ale opóźniają naukę.
Wskazówka: przed dodaniem funkcji zapytaj: „Czy mogę uzyskać to, co chcę przetestować bez tej funkcji?” Jeśli odpowiedź brzmi „tak”, ta cecha nie kwalifikuje się do nagrody MVP. Każde zdanie „ale tego też potrzebujemy”, które sprawia, że MVP rośnie, to koszt opóźniający naukę.
Priorytetyzowanie funkcji
Ponieważ nie ma nieograniczonego czasu i pieniędzy, należy zdecydować, która funkcja zostanie zbudowana jako pierwsza. Dwie praktyczne metody:
MoSCoW: Dzieli funkcje na cztery — musi, powinien, mógłby, nie będzie. MVP to po prostu zestaw „obowiązkowy”.
Macierz wpływu i wysiłku: umieszcza każdą cechę na osi „wpływu na klienta” i „wysiłku do wykonania”. Najpierw wykonuje się te, które wywierają duży wpływ i nie wymagają dużego wysiłku; Te o niskim wpływie i dużym wysiłku są porzucane. Sztuczna inteligencja jest dobrą pomocą w szybkim wstawianiu listy funkcji do tej matrycy – ale konieczne jest skorygowanie przewidywań „wpływu” na rzeczywisty sygnał klienta.
Krok po kroku: projekt MVP z wykorzystaniem AI
- Napisz pytanie edukacyjne. „Jakie pojedyncze założenie sprawdzi ten MVP?”
- Lista potencjalnych cech. Wylej wszystko, co przyjdzie Ci do głowy.
- Ustal priorytety dzięki sztucznej inteligencji. Ekstrakt z MoSCoW lub efekt-wysiłek; Znajdź klaster „Musi”.
- Wybierz najlżejszą formę. Czy wymagany jest kod, czy wystarczy strona docelowa/wideo/instrukcja obsługi?
- Wyprodukuj prototyp/stronę. Poproś sztuczną inteligencję o tekst dokumentu, przepływ lub wersję pseudokodu.
- Zdefiniuj z wyprzedzeniem kryteria sukcesu. „Jeśli zobaczę ten wynik, założenie zostanie potwierdzone”.
- Publikuj i ucz się. Mierz rzeczywiste zachowanie; Decyzję podejmuje założyciel.
trzy mini etui
Przypadek 1 — MVP bez pisania kodu. Założyciel myślał o aplikacji, która łączyłaby sąsiadów sprzedających domowe posiłki z klientami. Zamiast spędzać miesiące na pisaniu kodu, zaczął od jednej strony demonstracyjnej i linii WhatsApp; ręcznie dopasowane zamówienia (metoda „kreatora za”). W ciągu dwóch tygodni otrzymał 40 faktycznych zamówień i dowiedział się, że prawdziwym wąskim gardłem jest logistyka dostaw. Gdyby napisał kod, dowiedziałby się tego kilka miesięcy później. MVP przyspieszył naukę.
Przypadek 2 — Pułapka nadmiernej inżynierii. Jeden zespół spędził 4 miesiące na budowaniu infrastruktury, którą można „skalować do milionów użytkowników”, gdy nie miał jeszcze ani jednego klienta. Kiedy produkt się pojawił, nikt go nie chciał; Problem był błędny. Prawie cały włożony wysiłek poszedł na marne. Lekcja: problem skali jest luksusem po rozwiązaniu problemu trakcji; Najpierw udowodnij, czego każdy chce.
Przypadek 3 — Siła ustalania priorytetów. Jeden z założycieli miał listę 30 funkcji. Polecił sztucznej inteligencji stworzyć macierz wpływu i wysiłku i skorygował kolumnę „wpływ” sygnałem z prawdziwych rozmów z klientami. Tylko 4 z 30 funkcji okazały się „konieczne”. Wydany MVP w 3 tygodnie zamiast 6 miesięcy; Klient pokazał, że większość z pozostałych 26 funkcji w ogóle nie była potrzebna.
Cztery szablony do kopiowania
1) Pytanie szkoleniowe + zakres MVP:
Twoja rola: trener produktu Lean. Założenie, które chcę przetestować, to: [np. „handlowcy płacą co miesiąc za kolekcje”. (1) Opisz NAJMNIEJSZY produkt potrzebny do sprawdzenia tego założenia, (2) Pokaż, czy możliwa jest wersja tego, która nie wymaga kodu (strona docelowa, wideo, obsługa ręczna), (3) Ostrzeż o „atrakcyjnych, ale niepotrzebnych” funkcjach, które nie powinny znaleźć się w MVP.
2) Priorytety MoSCoW:
Podziel następującą listę funkcji na MoSCoW: Musi / Powinien / Mógłby / Nie będzie. Należy uwzględnić tylko te, które są „MUSZĄ dla założenia, które chcę przetestować”. Napisz w jednym zdaniu, dlaczego każda cecha znajduje się w tym skupieniu. Lista: [cechy].
3) Macierz uderzenia i wysiłku:
Oceń następujące cechy na osiach „wpływ na klientów (1-5)” i „wysiłek do wykonania (1-5)” i umieść je w 4 ćwiartkach. Oznacz te, które wywierają duży wpływ i nie wymagają dużego wysiłku, jako „rób najpierw”, a te, które mają niewielki wpływ i wymagają dużego wysiłku, jako „nie rób”. Przypomnij mi, że wyniki wpływu muszą być weryfikowane w odniesieniu do mojego rzeczywistego zaangażowania klientów. Lista: [cechy].
4) Tekst strony docelowej:
Napisz tekst strony powitalnej dla mojego MVP. Sekcje: (1) tytuł w języku klienta (propozycja wartości), (2) opis rozwiązania problemu, (3) 3 punkty korzyści, (4) jasne wezwanie (rejestracja wstępna / lista oczekujących). Używanie przesadnych obietnic; Tylko twierdzenia, które mogę zweryfikować. Turecki, prosty, szczery.
Słaba zachęta/silna zachęta
Słaba zachęta:
Lista wszystkich funkcji mojego produktu.
Ten monit jest sprzeczny z logiką MVP; Tworzy długą listę życzeń, która opóźnia naukę i zachęca do nadmiernej inżynierii.
Potężny monit:
Jedyne założenie, które chcę przetestować, to: [x]. Opisz NAJMNIEJSZEGO MVP, który zweryfikuje to założenie, zaproponuj wersję nie wymagającą kodu, rozdziel funkcje za pomocą MoSCoW i pozostaw tylko opcję Must. Pomóż mi nie pisać wcześniej kryteriów sukcesu (który wynik potwierdza założenie).
Podejście
Szybkość uczenia się
Koszt
Ryzyko
Wykonanie kompletnego produktu od podstaw
zbyt wolno
wysoki
Nie inwestuj pieniędzy w niewłaściwą rzecz
Ekstremalna inżynieria/pozłacanie
powolny
bardzo wysoki
Najdroższy błąd
Jedyny obowiązkowy MVP
szybko
niski
zarządzalne
MVP bez kodu (landing/elle)
najszybszy
najniższy
wczesna nauka
Typowe błędy
- Mylenie MVP z produktem kompletnym. MVP to najmniejsza jednostka uczenia się, a nie dopracowany finał.
- Nadmierna inżynieria. Spędzanie miesięcy na skali/doskonałości, gdy w pobliżu nie ma klientów; Najdroższy błąd.
- Brak zdefiniowania pytania edukacyjnego. MVP, który nie wie, co testuje, jest bezcelowym marnotrawstwem.
- Ustalenie kryteriów sukcesu później. Jeżeli kryteria nie zostaną z góry zapisane, każdy wynik będzie interpretowany jako „sukces”.
- Omijanie opcji bez kodu. Landing page/wideo/kod do pisania, gdy możesz przetestować go ręcznie z usługą.
Uwaga: sztuczna inteligencja może wyprodukować prototyp lub wersję roboczą kodu, ale Ty jesteś odpowiedzialny za bezpieczeństwo, dokładność i zgodność z prawem wytworzonego kodu. Szczególnie w przypadku MVP obejmujących płatności, dane osobowe lub bezpieczeństwo wynik sztucznej inteligencji jest wstępnym szkicem; Ważne jest, aby kompetentny programista/ekspert sprawdził go przed publikacją.
Podsumowując
MVP to najmniejszy produkt, który zapewnia najwięcej nauki przy najmniejszym wysiłku; Jego celem nie jest sprzedaż, ale sprawdzenie założeń. Najkosztowniejszym błędem jest przepracowanie i złocenie niesprawdzonego produktu, którego nikt nie chce. Każdy MVP zaczyna od pytania edukacyjnego; cechy są wyodrębniane przez MoSCoW lub Impact-Effort i tworzony jest tylko klaster „Musisz”. Często najlepszy MVP pojawia się nawet przed kodem: stroną docelową, wideo lub obsługą ręczną. Sztuczna inteligencja to potężny akcelerator w określaniu zakresu, ustalaniu priorytetów i tworzeniu prototypów/wersji roboczych stron; jednak szacunki „wpływu” należy skorygować na podstawie rzeczywistych sygnałów klientów, a wyniki techniczne/prawnie krytyczne należy fachowo zweryfikować.
Zadanie aplikacji
Wybierz założenie (szablon „Pytanie edukacyjne”). Poproś sztuczną inteligencję o najmniejszego MVP, który przetestuje to założenie, i jeśli to możliwe, wersję bez kodu. Oddziel potencjalne funkcje za pomocą szablonu „MoSCoW”, pozostawiając jedynie zestaw Must. Na koniec przygotuj prostą wersję roboczą strony docelowej za pomocą szablonu „Tekst strony docelowej” i zapisz kryteria sukcesu (np. co najmniej 5 rejestracji wstępnych na 20 odwiedzających) przed publikacją.
lista kontrolna
- [ ] Czy jasno napisałem jedno pytanie edukacyjne, które testuję na MVP?
- [ ] Czy oceniłem wersję MVP bez kodu?
- [ ] Czy nadałem priorytet funkcjom i pozostawiłem tylko klaster „Konieczne”?
- [ ] Czy przed publikacją określiłem kryteria sukcesu?
- [ ] Czy pozostawiłem wyniki o krytycznym znaczeniu technicznym/prawnym ocenie ekspertów?