「至少我們學到很多」——這句話常是失敗後的空洞安慰。學習機會不能拿去還貸款、不能花、不能賣給顧客。如果「學習」要當成新創的核心產出，它就必須被嚴格定義、用數據證明。而能讓你開始學習的最小那個東西，就是 MVP。
🧠 Core Ideas
- 驗證式學習（validated learning）是新創真正的進度單位：它是一個實證過程，用來證明團隊真的發現了關於「新創現在與未來」的寶貴事實。它比傳統市場預測或商業規劃更具體、更精確、更快速——專治「照計畫做、一切都對、結果卻是零」這種失敗。
- 新創的「價值」被重新定義：製造業裡，任何對顧客有益的事是價值，其餘是浪費。但新創不知道顧客是誰，所以**「對顧客價值的新認識」本身就是價值**。推論很殘酷：凡不增加你對顧客認識的活動，都可以被消除。
- MVP 的定義：MVP 不一定是你想得到「最小的產品」，而是能以最少努力走完一次完整「打造—衡量—學習」迴路的最快路徑。它的目標是啟動學習，而不是結束開發；要檢驗的不只是技術或設計問題，更是商業的根本假設。
- 先服務早期採用者，別追求完美：早期採用者接受、甚至偏好 80% 的解決方案，會用想像力補足不完美。給他們一個太過完美的產品反而讓他們起疑——「大家都能用，我搶第一有什麼意義？」
- 陷入掙扎時就直接簡化：任何無法直接帶來你想要的學習的功能、流程或活動，都可以丟掉。
IMPORTANT
不知道顧客是誰，就不知道什麼是品質。 MVP 看似犧牲品質，其實是把「什麼算品質」也一起交給顧客驗證。例外：若某個缺陷會干擾學習本身（例如 bug 多到無法衡量留存），那就得先把品質補上。
WARNING
真正該問的不是「這產品能做出來嗎？」——現代幾乎什麼都做得出來。要問的是「這產品該被做出來嗎？我們能否圍繞它建立可持續的事業？」
⚖️ Case Study
三種讓你「用最少力氣開始學」的 MVP
影片 MVP — Dropbox：先驗證『有人想要』
Drew Houston 做的是跨平台檔案同步，技術極難、又要「好用到像魔法」。他去募資，投資人反問：同類產品你試過嗎？好用嗎？答案幾乎都是「不好用」，但投資人仍覺得市場擁擠、沒有明顯痛點。
他的解法不是把產品做完，而是拍一段三分鐘影片：自己旁白、螢幕錄影展示產品，裡面塞了專給早期採用者的梗。影片本身就是 MVP。
→ 效果：一夜之間 beta 等候名單從 5,000 衝到 75,000。這驗證了他的孤注假設——顧客真的想要這個產品，而且是「真的願意報名」，不是焦點小組嘴上說說。
接待式 MVP（Concierge）— Food on the Table：從一名顧客開始
FotT 要根據家庭偏好、比對當地超市售價，產出每週菜單與購物清單——表面上需要成千上萬家超市的資料庫、主廚食譜、比對演算法。
但他們從一位顧客開始：創辦人到超市與媽媽社團訪談，多數人拒絕，只招到一位願意付費的。接著提供親手專人服務：CEO 每週登門，帶購物清單與食譜，專人為她挑選，每週親收 9.95 美元。
→ 以傳統效率看極糟（CEO 服務一個人），但以精實視角這是劃時代進展——每週學到更多「成功所需」的知識。累積數位顧客後，才把家訪換成 Email、把挑選軟體化、把付款線上化：把已證實有效的活動規模化，而不是把資源投入想像中的未來成功。
綠野仙蹤 MVP（Wizard of Oz）— Aardvark：背後其實是人
Max Ventilla 與 Damon Horowitz 想做能回答主觀問題的搜尋引擎（Google 答得出「世界最高山」，答不出「看完球賽後哪裡適合喝一杯」）。他們花六個月找方向，但不是拉長分析，而是連做六個能動的原型、每個 2–4 週、邀 100–200 位朋友試用，前五個都失敗。
第六個 Aardvark 用 IM 介面讓人提問。測試時用 Wizard of Oz 手法：顧客以為在跟 AI 互動，其實背後是人在回答。 這樣就能繞開技術難題，先回答「若技術都解決了，人們會用嗎、有價值嗎？」
→ 最終 Aardvark 被 Google 以約 5,000 萬美元併購。
🔑 Takeaways
- 「我們學到很多」若沒有數據佐證，只是失敗的藉口；驗證式學習才是新創真正的進度單位。
- 新創的價值＝對顧客的新認識；不增加這份認識的活動都是浪費，可以消除。
- MVP 是用最少努力走完一次打造—衡量—學習迴路的最快路徑，目標是啟動學習、不是完工。
- 先讓早期採用者滿意，別為完美而拖延；掙扎於「該放哪些功能」時，直接簡化。
- 影片、接待式、綠野仙蹤都只是形態；真正的共通點是——先確認問對問題拿到真信號，再用 MVP 便宜地驗證假設。
No notes yet — jot your takeaways or Q&A here.