Mga nadagdag:
- Kakayahang maunawaan ang pag-iisip na nakatuon sa problema, hindi pag-iisip na nakatuon sa solusyon, at gumamit ng artificial intelligence upang galugarin ang mga lugar ng problema at makabuo ng mga ideya
- Kakayahang makilala kung ang isang problema ay 'bitamina o pangpawala ng sakit' at mag-hypothesize gamit ang artificial intelligence
- Ang kakayahang maunawaan na ang listahan ng mga ideya na ginawa ng artificial intelligence ay isang panimulang punto at ang tunay na sakit ay mapapatunayan lamang sa larangan.
Karamihan sa mga startup ay namamatay hindi dahil sa isang masamang ideya, ngunit dahil gumawa sila ng isang produkto para sa isang "problema" na walang gustong malutas. Ang mga tagapagtatag ng startup ay madalas na nagsisimula sa isang solusyon: "Gumagawa ako ng isang app, ito ay kung paano ito gagana." Gayunpaman, ang mga nakaranasang tagapagtatag, ay nagsisimula sa isang problema: "Ano ang tunay na sakit na nararanasan ng mga tao ngayon, at handa ba silang magbayad para dito?" Sa unit na ito matututunan nating gamitin ang AI (artificial intelligence — software na bumubuo ng mga ideya at teksto) sa tamang pagkakasunud-sunod, ibig sabihin, una para sa pagtuklas ng problema. Itakda natin ang limitasyon mula sa simula: Ang AI ay maaaring makabuo ng daan-daang mga ideya, ngunit ang mga tao lamang sa larangan ang makakapagsabi kung aling sakit ang totoo.
Ang pag-iisip ay nakatuon sa problema, hindi nakatuon sa solusyon
Ang problem space ay ang hanay ng mga paghihirap na nararanasan ng mga tao habang ginagawa ang kanilang trabaho o pamumuhay. Ang espasyo ng solusyon ay ang mga produkto at serbisyong ginawa upang malutas ang mga paghihirap na ito. Ang pagkakamali ng rookie ay tumalon diretso sa lugar ng solusyon; Dahil ang pag-iisip ng solusyon ay masaya, ang pag-unawa sa problema ay nakakabagot at nakakagulo. Gayunpaman, ang perpektong solusyon sa maling problema ay basura.
Ang isang magandang problema ay may tatlong katangian. Madalas itong nangyayari (walang nakagawian ng isang bihirang problema). Ito ay masakit (ang isa ay hindi nagsisikap para sa banayad na kakulangan sa ginhawa). Mahal (ang solusyon ay pinahahalagahan kung ang problema ay nagkakahalaga ng oras, pera o reputasyon). Maaari mong gamitin ang AI upang "maghukay" ng mga problema sa tatlong axes na ito.
Bitamina o pangpawala ng sakit?
Ito ay isa sa mga pinaka-kapaki-pakinabang na pagkakaiba sa entrepreneurship. Ang mga painkiller ay malulutas ang tunay at agarang sakit; Kung hindi, hindi magagawa ng isang tao ang kanyang trabaho, kaya mataas ang willingness na magbayad (halimbawa, isang sistema ng koleksyon para sa isang mangangalakal na hindi maaaring magtrabaho nang hindi binabayaran). Bitamina, sa kabilang banda, ay isang kaaya-aya ngunit dispensable pagpapabuti; "Masarap magkaroon", ngunit nagpapatuloy ang buhay kung wala ito (halimbawa, isang makulay na motivational app). Ang mga bitamina ay maaaring kumita ng pera, ngunit ito ay isang mas mahirap na daan. Kapag binigyan mo ng ideya ang AI, agad itong nagtatanong ng "pangpawala ng sakit ba ito o bitamina, ano ang ebidensya?" Magtanong sa kanila.
Tip: Ang pinakamabilis na paraan upang malaman kung ang isang problema ay isang painkiller ay ang magtanong: "Ano ang ginagawa ng mga tao ngayon upang malutas ang problemang ito at kung gaano karaming oras/pera ang kanilang ginugugol dito?" Kung ang pera/pagsisikap ay kasalukuyang ginagastos sa isang solusyon (kahit na ito ay masama), ang sakit ay totoo.
Hakbang-hakbang: Pagtuklas ng problema sa AI
- Pumili ng tao/segment. Mag-isip para sa isang partikular na grupo, hindi "lahat" (hal. "mga solong dentista").
- Scratch your days. I-extract mula sa AI ang isang karaniwang araw para sa grupong iyon, ang kanilang mga paulit-ulit na pagkabigo, at ang kanilang kasalukuyang mga diskarte sa pagharap.
- Gawing hypotheses ang mga problema. Gawing isang masusubok na pangungusap ang bawat paghihirap: "Ang pangkat X ay nagdusa ng Z sa sitwasyong Y."
- Filter ng bitamina/pawala ng sakit. Suriin ang bawat hypothesis sa axis na ito; Tanggalin ang mahina.
- Bumuo ng isang tanong na ebidensya. Para sa bawat malakas na hypothesis "paano ko ito susubukan sa isang linggo?" Sagutin ang tanong.
- Dalhin mo sa field. Ang pinakahuling filter ay nakikipag-usap sa isang tunay na tao, hindi isang AI (susunod na yunit).
Tandaan: Ang listahan ng problema na ginawa ng AI ay isang "simulang punto", hindi katotohanan. AI generalizes; Maaaring wala sa listahan ang totoong sakit ng iyong segment, o maaaring hindi naaangkop sa iyo ang isang item sa listahan.
tatlong mini case
Kaso 1 — Lumiko mula sa solusyon patungo sa problema. Nais ng isang founder na gumawa ng "isang AI recipe app" (nagsimula siya sa solusyon). Nang makuha niya ang AI sa araw ng kanyang target na madla (mga bagong magulang), nalaman niya na ang tunay na sakit ay hindi ang recipe, ngunit "pagkain ng mabilis mula sa anumang nasa kamay" at "kakulangan ng oras." Muli niyang tinukoy ang problema: "mas kaunting materyal, mas kaunting oras". Ang ideya ng produkto ay nagbago nang malaki at naging mas malinaw. Sa huli, nagsalita siya sa 15 tao; Kinumpirma ng 12 ang sakit na ito.
Kaso 2 — Pag-alis ng bitamina masyadong maaga. Isinasaalang-alang ng isang team ang isang app na "nagpapadala ng pang-araw-araw na inspirational quote sa mga empleyado." Kapag nakuha mo ang AI upang subukan para sa mga bitamina/pangpawala ng sakit at magtanong "ano ang ginagastos ng mga tao dito ngayon?" Kapag tiningnan mo ng tapat ang tanong, ang sagot ay "wala." Walang gumagastos ng pera/pagsisikap para sa isang salita ng inspirasyon. Ibinaba nila ang ideya nang maaga; Bumuo sila ng mga produkto sa loob ng ilang buwan at pagkatapos ay nawala sa pag-aaral. Ang pinakamurang kabiguan ay ang napansin bago ka magsimula.
Kaso 3 — Lihim na pangpawala ng sakit. Isang tagapagtatag ang nakatuon sa maliliit na kumpanya ng paglilibot. Ginawa ng AI ang araw ng grupong ito; Maraming problema, ngunit isa ang namumukod-tangi: pare-pareho ang dobleng booking at nawalan ng pera dahil sa WhatsApp at manu-manong pagsubaybay sa mga reserbasyon at koleksyon. Ito ay isang madalas, masakit at mahal na problema—ang klasikong pangpawala ng sakit. Inabandona niya ang iba pang 6 na ideya at nakatuon sa isang sakit na ito.
Apat na maaaring kopyahin na mga template
1) Paghuhukay sa isang araw:
Ang iyong tungkulin: espesyalista sa pagtuklas ng customer. Target na pangkat: [hal. nag-iisang nagtatrabahong dentista].Ilarawan, oras-oras, ang isang karaniwang araw ng trabaho para sa taong ito. Ilista ang mga paulit-ulit na problemang nararanasan mo sa bawat yugto at kung paano mo kasalukuyang hinaharap ang mga ito (kasalukuyang solusyon/lunas). Kung hindi ka sigurado, isulat ang "assumption, must be verify". Tandaan na nag-generalize ka.
2) Gawing hypothesis ang problema:
Kunin ang sumusunod na listahan ng mga punto ng sakit at gawin ang bawat isa sa pattern na ito: "Ang [segment] ay nakakaranas ng [sakit] sa sandali ng [situasyon], na nagreresulta sa [gastos]." Pagkatapos ay markahan ang bawat hypothesis bilang "pangpawala ng sakit/bitamina" at isulat ang katwiran sa isang pangungusap.
3) Pagsusuri ng stress sa bitamina/pangpawala ng sakit:
Suriin ang sumusunod na hypothesis ng problema: [hypothesis]. Puntos 1-5 sa mga palakol ng (1) dalas, (2) tindi ng sakit, (3) gastos. (4) Sagutin ang tanong na "Ano ang ginagawa at ginagastos ng mga tao para sa problemang ito ngayon?" (5) Magbigay ng kabuuang marka ng lunas sa sakit at, kung mahina, ipaliwanag kung bakit ito mahirap.
4) Murang disenyo ng pagsubok:
Gusto kong subukan ang sumusunod na hypothesis sa isang linggo, nang walang pagsulat ng code: [hypothesis]. Magmungkahi sa akin ng 3 murang paraan ng pagsubok (hal. panayam, page ng pre-registration, mock door test). Para sa bawat isa: ano ang aking sinusukat, kung gaano karaming tao ang sapat, na ang resulta ay nagsasabing "ang mapait na katotohanan" na ang resulta ay nagsasabing "walang sakit".
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Bigyan mo ako ng 20 ideya sa pagsisimula.
Ang prompt na ito ay gumagawa ng isang basurahan ng mga ideya nang walang konteksto at mga segment; Ang lahat ay nakatuon sa solusyon, walang nakabatay sa tunay na sakit.
Napakahusay na prompt:
Ang iyong tungkulin: tagapayo sa pagtuklas ng customer na nakatuon sa problema. Segment: [mga may-ari ng maliit na kumpanya ng tour]. Isulat ang 8 pinakamalamang na sakit na nararanasan ng grupong ito habang ginagawa ang kanilang trabaho, bawat isa sa pattern na "segment-situation-pain-cost". Lagyan ng label ang bawat sakit bilang pangpawala ng sakit/bitamina at sabihin sa akin kung paano i-verify ang 3 pinakamalakas gamit ang murang isang linggong pagsubok.
Diskarte
Kalikasan ng output
Pagpapatunay
magsimula sa solusyon
Cool ngunit walang batayan na ideya
mababa
Paghingi ng mga di-segment na opinyon
Pangkalahatan, hindi natatangi
mababa
Problema + segment + hypothesis
Listahan ng masusubok na sakit
mataas
Problema + murang disenyo ng pagsubok
Portable na plano sa field
pinakamataas
Mga karaniwang pagkakamali
- Simula sa solusyon. Isipin ang produkto at pagkatapos ay maghanap ng mga problema; baligtad at mapanganib na ayos.
- Ginagawa ito para sa "lahat". Ang mas malawak na bahagi, mas malabo ang sakit; Magsimula sa maliit.
- Napagkakamalang bitamina para sa mga pangpawala ng sakit. Nahulog sa pag-ibig sa "magiging maganda na magkaroon" ng mga ideya; Subukan ang pagpayag sa pagbabayad.
- Napagkamalan talaga ang listahan ng AI. Ang listahan ng problema ng AI ay ang hypothesis; Walang produktong ginawa nang walang pag-verify sa mga totoong tao.
- Hindi nagtatanong tungkol sa dalas/gastos. Walang bumibili ng solusyon para sa isang problema na bihira o malayang tinitiis.
Mag-ingat: Maaaring magpakita ang AI ng isang ordinaryong problema bilang isang "malaking pagkakataon" upang maging simpatiya sa iyo. Laban sa bias sa pagkumpirma, para sa bawat problemang nilikha, siguraduhing magtanong "nasaan ang ebidensya, ano ang ginagastos ng mga tao ngayon?" Tanungin ang iyong sarili. Kung walang ebidensya, hula pa rin ang ideya.
Sa buod
Namamatay ang mga startup kapag gumawa sila ng mga produkto para sa maling problema; Kaya naman kailangang magsimula sa problema, hindi solusyon. Ang magandang problema ay madalas, masakit at mahal. Ang pagkakaiba sa pangpawala ng sakit/bitamina ay ang pinakapraktikal na paraan upang mahulaan kung aling sakit ang magdudulot ng pagpayag na magbayad. Ang AI ay isang makapangyarihang tulong sa paghuhukay sa araw ng isang segment, pagsasalin ng mga pain point sa mga masusubok na hypotheses, at pagdidisenyo ng mga murang pagsubok. Ngunit ang listahan ng problema na ginawa ng AI ay isang panimulang punto; Ang tunay na sakit ay napapatunayan lamang sa lupa, sa pamamagitan ng pakikipag-usap sa mga tao. Gamitin ang AI bilang parehong producer at kritiko nang hindi umiibig sa iyong sariling ideya.
Gawain ng aplikasyon
Pumili ng isang segment (bilang makitid hangga't maaari). Alisin ang sakit sa segment na iyon mula sa AI gamit ang template na "paghuhukay sa isang araw". Pagkatapos, lumikha ng hindi bababa sa 5 hypotheses na may template na "Ginawa ang isang problema sa isang hypothesis" at markahan ang bawat isa bilang isang bitamina/pangpawala ng sakit. Kumuha ng lingguhang plano sa pagsubok mula sa template na "Murang pagsubok na disenyo" para sa 2 pinakamalakas na analgesic hypotheses. Magplanong kumuha ng hindi bababa sa isa sa mga pagsusulit na ito sa isang tunay na tao sa loob ng isang linggo, at isulat nang maaga kung aling resulta ang magsasabing "ang malupit na katotohanan."
checklist
- [ ] Nagsimula ba ako sa problema ng isang partikular na segment at hindi sa solusyon?
- [ ] Ginawa ko ba ang bawat problema sa isang masusubok na hypothesis?
- [ ] Na-filter ko ba ang bawat hypothesis kasama ang axis ng bitamina/pangpawala ng sakit?
- [ ] “Ano ang ginagastos ng mga tao dito ngayon?” Tinanong ko ba ang tanong sa bawat hypothesis?
- [ ] Itinuring ko ba ang listahan ng AI bilang isang hypothesis na susuriin sa larangan kaysa sa katotohanan?