[译] MVP 不是一个产品,而是一个过程

本文探讨了MVP(最小可行产品)的概念及其在产品开发、写书、论文撰写及编程过程中的应用。强调MVP不仅仅是产品的雏形,而是一个不断迭代、验证假设的过程。通过快速迭代和获取用户反馈,企业可以及时调整方向,避免资源浪费,提高成功率。


2016-02-18 Yevgeniy Brikman 沙漠巴士

翻译:刘韬

原文:A Minimum Viable Product Is Not a Product, It’s a Process



相同的故事发生了一遍又一遍。首先,一个团队有了一个想法。


然后,他们创造了一个 MVP(最小可行产品),花了很多时间决定是否要添加某个功能。最后,如果 MVP 获得了成功,他们就打算继续把产品打磨的功能更完整、稳定性更好。


这样做有什么问题吗?为什么采用这个策略的初创公司都挂了呢?


问题在于这些团队都没有真正理解 MVP 的精髓。 MVP 不仅仅是一个功能不完善的产品,也不仅是一种把产品更早推向市场的方法。事实上,MVP 都不一定是个产品。MVP 并不是你只要经历一次就可以了。


创业者们认为 MVP 是怎么回事儿



图:创业者们认为 MVP 是怎么回事儿


MVP 是一个过程,而且你要一遍一遍地经历这个过程:提出最大胆的假设,找到最容易的方法验证假设是否成立,然后用实验结果来校准。


做产品的时候,你会有很多假设。你假设自己知道用户的需求是什么,他们喜欢什么样的设计,应该采取什么样的市场策略,用什么架构最有效,如何持续的盈利,哪些法律和规定是必须遵守的。不管你有多厉害,总有一些假设是错的。问题在于,你无法在事前知道哪些错了。


在对 100 多家失败的初创公司进行事后分析时,CB insights 发现导致创业公司倒闭的首要原因(占比 42%)是「没有人需要」。接近一半的初创公司已经花了几个月甚至几年的时间才搞清楚:没有人需要他们的产品。


搞清楚是否有人需要你的产品的唯一方法,就是把你的产品尽快推向市场。当你这么做了之后,你很可能发现你需要重新来过。事实上,你很可能需要一次又一次地重新开发产品。



图:MVP 究竟是怎么回事儿


并不只是开发产品是这样,当你写一本书或者论文,你都要写很多版草稿,并且花很多时间来编辑。当你写代码的时候,你需要经常重构或者甚至重写所有代码。每个创造力工作者,都需要大量的试错。



在一个需要不断试错的世界中,谁能先找到错误,谁就能笑到最后。有些人给这种观点起名叫「fail fast」。在 TripAdvisor(猫途鹰),我们称之为「以速度取胜」。Eric Ries 叫它「精益创业」,Kent Beck 和其他一些程序员叫这种观点是「敏捷开发」。不管叫什么,这种观点的核心是尽快从真实的用户那里获取反馈,搞清楚你的假设哪些是错的。


不管你是做产品、写代码,还是做一份市场策划,你都应该问你自己两个问题:

  • 最大胆的假设是什么?

  • 最容易验证假设是否成立的方法是什么?


MVP 是一个过程


我们来聊聊一个具体的例子。


你决定开发一个产品,饭店老板可以很方便地用这个产品为自己的饭店做一个 APP。这个产品的交互简单,只用拖拽即可,有很多预置的模板,有日历、简报、签到、相册、即时通讯等功能,并且集成了点评网站、社交网络和谷歌地图。最重要的还是,它有订座、外卖和优惠券的功能,你可以通过这些功能来盈利。这个产品真是太棒了!


如果是典型的创业公司,你会找朋友加入你的创业团队,并且融到一笔钱,然后闭关 12 个月,努力实现上述的所有功能。如果你稍微懂行的话,你会在第一个版本砍掉一些不必要的功能,这样你用 8 个月就可以发布 MVP.


在上述情况中,你将注定失败。


原因是什么呢?大部分你所做出的假设都可能是灾难性的。


  • 你花了数个月的时间为你的用户做了个移动应用,但是他们可能只想要网站能适配移动端,这样顾客可以在 Google 上更好地找到饭店的网站。

  • 或者你使用了最先进的技术开发了即时通讯功能,却发现你的用户用邮件解决沟通问题,而且他们也不想整天坐在电脑前回复信息。

  • 或者最糟糕的情况是,饭店老板压根不想麻那个烦,对于使用科技产品和维护应用一点兴趣都没。


等待数月才能得出这些关键的结论实在太久了。最好的情况是浪费了很长的时间;最差的情况是你的公司就挂了。Peter Drucker 说过,用很高的效率做无用功,是最没用的事情。


让我们尝试把 MVP 当做一个过程的方法,看看这样做是否会更好一些。我们会迭代产品,在每个阶段都会问:

  • 最大胆的假设是什么?

  • 最容易验证假设是否成立的方法是什么?


在最开始的时候,最大胆的假设可能是:饭店老板需要移动应用。


因此,最早期的 MVP 可以是移动应用的原型 —— 甚至你可以在饭店纸巾上画一个。去和饭店老板聊聊,问问他们在使用科技产品时遇到了什么问题。他们是否已经有应用了?如果没有的话,为什么没做呢?他们想要一个应用吗?他们对科技产品有多在行呢?他们了解饭店应用的好处吗?把你的原型给他们瞧瞧,搞清楚这样的产品是否能解决他们的问题。


可能你会发现饭店老板对于开发应用没什么兴趣。这有点丢人,但好消息是你所花费的不过是几个小时而已,而节省了几个月的开发时间。另一方面,你可能会发现饭店老板虽然对应用没什么兴趣,却想要简单地撘一个网站。你还是有所进展的!


但是这样还没完,你必须重复这个过程,来开发你的下一个 MVP.


  • 最大胆的假设是什么?


现在,饭店老板最有可能为网站买单。最容易验证假设是否成立的方法是什么?开发下一个 MVP 时可以先做几个静态网站,看看那些饭店老板反馈如何。他们喜欢这样的网站吗?这样的网站是否已经有了?他们愿意花多少做一个这样的网站?


可能一聊到钱的问题,你就会发现饭店老板并没有那么感兴趣。好消息是你只用几天的时间就了解清楚了,而不是浪费几个月的时间来开发。


或者你发现饭店老板愿意花钱做网站。然后他们付钱或者给你支票,让你来做网站。产品发布之后,告诉饭店老板如果需要更新信息就给你发邮件。是的,这个阶段需要大量人力劳动;不,这样无法规模化。然而当你还是小公司时,不要为了做的事情无法规模化而担心。有规模化的问题是件好事,因为那意味着你做的事情值得规模化。


但是与此同时,你需要重复 MVP 过程。


  • 最大胆的假设是什么?



现在可能是找到合适的市场策略。你不可能去世界上每家饭店和老板见面。最容易验证假设是否成立的方法是什么?你的 MVP 可能是一个着陆页,用来描述你的产品是干嘛的,展示你们已经做过的饭店网站,并且如果浏览网站的人对此感兴趣,就让他们提供邮件地址。然后你可以在 Google、Facebook、Twitter 或者 Linkedin 上买广告,增加着陆页的曝光,然后看看有什么效果。


如果潜在用户不肯给你邮件地址,他们也不可能给你的产品付钱。比起重写整个产品,写几段话然后放上几个图片要容易得多。越早发现问题,你就越能节省时间。


总而言之,这就是 MVP 过程。不管你是在做产品设计、市场策划,还是在写代码,都需要问:


  • 最大胆的假设是什么?

  • 最容易验证假设是否成立的方法是什么?

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值