突破洞察通常藏在失敗的實驗裡。問題不在你會不會失敗，而在你是否願意停下來問「為什麼」。
失敗實驗中的偉大發現#
青黴素、微波爐、X 光、火藥、塑膠、硫化橡膠——這些「意外發現」共同點是什麼？
- 它們都是失敗實驗的副產品。
- 發明者最初想要的不是這個結果，但他們做了一件多數人不做的事：問為什麼。
突破不是運氣，是嚴謹的搜尋。
曲棍球桿曲線之所以前期那麼平緩，不是創辦人懶——而是「在找到能運作的事物之前，必須穿越一大堆不能運作的事物」。
「Pivot」的誤用#
一個沒有以學習為基礎的轉向（pivot），只是在偽裝的「看哪個能黏得住」策略。
「fail fast」這個 meme 是要強調別怕失敗，但「失敗」一詞在多數文化裡仍是禁忌——所以作者建議乾脆從詞彙中移除：
「沒有失敗的實驗，只有結果出乎預期的實驗。」——Buckminster Fuller
把「失敗」改名為「結果與預期不符」。在這些情況下：
- 試試不同的做法，或
- 修正你對客戶行為的模型。
輸出實驗結果的品質，由你輸入的點子品質決定；而下一個突破洞察的品質，由你做事後分析的品質決定。
分析你的結果（GO LEAN 中的 Analyze）#
把回饋迴路反向處理：先分析實驗，再分析策略，最後更新模型。
把 Build/Measure/Learn 變成 Build/Measure/Learn/Analyze/Next Action：Analyze 問「這意味什麼？」、Next Action 問「我們下一步做什麼？」
完整的創業者方法：用模型暴露約束 → 構思點子 → 跑實驗——這些迴路要重複疊加，每一輪都精煉下一輪
1. 分析實驗#
結果與預期一致#
恭喜——進入下一步「對策略做整體分析」。
符合預期的單一實驗：Idea → Build → Measure → Learn → Analyze ✓ → Next Action → 下一個 Idea/Build
若你跑的是 A/B 測試，兩個方案都正向也得選一個贏家——不能兩個都留。
A/B 測試：兩條 Build/Measure/Learn 並列進入 Analyze，必須選一個 Winner，另一個淘汰（✗）
結果與預期不符#
別急著切換方向，先用以下手段挖根因：
結果與預期不符（紅色 Learn 球）：先停下來，下一步是「？」——不要直接跳到動作
- 回頭看保存的物件：訪談筆記、錄音中或許有遺漏的洞察。
- 跑 Five Whys：與團隊一起挖更深的因果鏈。
- 更廣的資料探勘：換不同切法或不同微觀指標看資料。
- 跑學習實驗：指標只能告訴你「怎麼了」，不能告訴你「為什麼」。
2. 分析策略#
驗證計畫的結果可進入四種狀態之一：
四種下一步：Retire（達標退場）、Persevere（繼續）、Pivot（轉向）、Reset（放棄）
I. 退場（Retire）#
成功打破約束，達成這個策略的總體目標——把這個策略歸檔，回到 backlog 處理下一個高優先點子。
II. 堅持（Persevere）#
正向訊號足以繼續，再進到「對照模型分析」決定下一個實驗。例：策略是上線新功能，第一個實驗測試「對該功能的興趣」拿到足夠正向訊號 → 繼續。
III. 轉向（Pivot）#
訊號不夠堅持，但你知道為何，且還沒打算放棄目標。例：原策略是測問題/方案契合，第一個實驗用 blog 找訪談 leads，但發現自家讀者群不重疊 → 不放棄總目標，轉而測試客座發文或廣告。
IV. 重置（Reset）#
足夠的負面訊號完全推翻策略 → 把資源轉到 backlog 中更有希望的點子。
3. 更新模型#
客戶工廠模型變動最頻繁，幾乎每場實驗後都要更新；精實畫布與牽引力模型則較穩定。
但別忘了「商業模式仍在搜尋中」——你也應該定期回頭審視商業模式故事，讓它反映最新的學習。
4. 決定下一步行動#
- 客戶工廠的步驟高度互依，動一處會牽動其他環節。
- 若不持續用總體視角監控整個系統，慣性會讓你陷入局部最佳化陷阱——明明約束已經被打破，卻還在優化原本的位置，錯過下一個最弱環。
- 從更新後的模型出發，決定要 double down、停止、或新增哪些策略。
案例：Lean Canvas 線上工具#
背景#
作者 2009 年首見 Alex Osterwalder 的商業模式畫布（Business Model Canvas, BMC），覺得它太偏顧問與成熟產品；於是在 BMC 的 Creative Commons 授權下加入「問題（Problem）」與「解決方案（Solution）」兩格，發布精實畫布。線上工具於 2009 年 9 月與 Lukas Fittl 合作上線。
目標#
精實畫布原本鎖定高科技新創，但意外擴散到大企業、大學、其他類型新創。目標從 1 萬使用者上修到 10 萬，並於 2012 年 1 月達成；之後每週新增數百使用者。但啟動率（activation rate）開始下降——從 70% 跌到 35%。
儀表板上的紅圈：Activation 卡在 35%——這就是要打破的約束
啟動定義：完成 9 格中的 6 格。
觀察與定位#
把啟動子漏斗（micro funnel）畫出來，看使用者在哪一步流失。問題出來後團隊立刻冒出多種「直覺解」：
Lean Canvas 啟動子漏斗（2012-07）：1,852 註冊 → 1,735 建立畫布 → 1,092 加入第一項 → 999 填問題 → … → 234 填成本結構——可以逐格看大幅下滑點
- 設計師：縮減步驟、改善介面流程。
- 工程師：做互動式 onboarding 引導。
- 行銷（作者本人）：靠 blog、書、工作坊持續灌人。
多種方案都實作了，但啟動率沒明顯改善——因為每個人都在猜，沒一個人真的知道為什麼。
實驗：先學習而非急著解除#
知道問題在哪不夠——你必須回答「為什麼」。
之前所有實驗都過早地跳到 Lift（解除約束），這在還在猜根因時是非常昂貴的路。團隊改設計兩週的學習實驗：
- 從資料知道 80% 使用者在註冊後 7 天內完成畫布。
- 對「開過畫布但未完成」的人，自動寄一封簡短 e-mail 詢問原因，等待兩週。
不需要很多使用者也能學到東西。
分析：找到真正的根因#
回收最多的三個原因：
- 太忙
- 需要更多資訊
- 只是來看看
對每一條跑 Five Whys + 後續電話訪談，發現：
使用者不是被介面困住，而是不知道每格該寫什麼。對精實創業方法不熟的人，看到空白畫布就像被遞了一台文書處理器要他寫短篇小說。
下一步行動：教學影片#
策略：拍一系列短影片教如何填精實畫布。把作者已有的半天工作坊拆成七天的小單元，回應「使用者太忙」的回饋。
第二個實驗：影片課的 split test#
把新使用者一半看影片、一半不看，平行測試：
- 啟動率：看影片組與沒看組差不多，甚至略低。
- 直覺反應應該是「策略失敗，改方向」。
現成 split test 工具的單指標報告：Option A（不看影片）31.6% vs Option B（看影片）30.0%——只看「啟動率」，會直接判定 B 失敗
但團隊收到大量正向 e-mail 與留言，覺得「不能完全是浪費」。於是建立新儀表板檢視其他指標：
- 平均完成時間：從 7 天降到 3 天。
- 留存率：看影片的人較高。
- 後續付費轉換率：看影片的群也更高。
自建多指標儀表板的真相：啟動率 35% vs 34%（小輸），但留存 31% → 45%、付費 2% → 4%——「假說 A 整體領先 44%」
即使聚焦單一指標，也永遠要監控整個客戶工廠。許多現成 split test 工具只測一個指標——這是危險的盲點。
下一步行動：Double Down#
不止沒砍掉影片課，反而擴大投資。今日他們已建立多週的免費與付費課程引導創業者，每一波都帶來留存與營收的穩定提升。
這個案例再次說明：盲目聚焦於單一局部指標是失效的。
增加吞吐量才是唯一重要的總體指標。
章節重點回顧#
- 不要逃離失敗——停下、扎根、問為什麼。
- 突破洞察通常藏在失敗實驗裡。
- 把「失敗」一詞替換成「結果與預期不符」。