作为产品司理，工作中，我认为最有用的思考方法便是MVP（最小可行性产品），即：去测验，看看成果怎么样

. 经过测验，突破内卷

那，定好了方针，接下来就要去“做试验”了。

作为产品司理，工作中，我认为最有用的思考方法便是MVP（最小可行性产品），即：去测验，看看成果怎么样。

说人话便是“投石问路”。

比方，ChatGPT的爆火连OpenAI自身都没有预料到，GPT只不过是他们的一个Demo。

有趣的是，OpenAI的科学家Kenneth Stanley和Joel Lehman应该很认同“做试验”这种思路。他们在《为什么伟大不能被计划》中写道：

“咱们书中所举的成功者们并没有长远的规划，他们都是先做过一些工作，发现自己更感兴趣的是什么，并为之转行，从而找到为其带来巨大成功的职业。”

长久以来，咱们抗拒“边走边看”，咱们会被教训要“建立清晰的方针，让人生有行进的动力”。

“你有什么职业规划”、“找不到自己清晰的方针，该怎么办”等等问题，你或多或少应该听过。

但有了清晰的规划，听上去顺耳，实际上或许很糟心——海量的方针测算、计量和因误差带来的焦虑，将会侵入生活的方方面面，让咱们为了“方针”而焦虑、而奔走、而劳累。

或许在某些时候，“方针”能为咱们供给生活的含义或方向，但它同样限制了咱们的自由，成为禁锢咱们探究愿望的牢笼。

所以我想，人生中，咱们是不是也能应用MVP思维，以做试验的方法，来积累正反应呢？

说起来或许有些庸俗，MVP的要点便是去拆解自己的方针，让它变成一个个有显着节点的路程牌，然后去做便是了。

这时，咱们首先要意识到“现实是骨感的”，来降低自己的预期，不要梦想一口气吃成大胖子。由于工作的发展或许是像下图一样的。

举个比方，之前有人问我：“产品司理怎么学习技术知识”，我给了他廖雪峰的python教育网站让他先试试。假如你也是从这里入门编程的，你会发现廖雪峰深入浅出的为你介绍了一系列根底概念。

你也会自己发现适于你的，要弥补学习、进一步探究之处。

但你找到这些问题，自动去查找的过程，其实便是在解锁一个个路程牌。

拓展一下，咱们做MVP的过程，其实和LLM（大言语模型）进行深度学习很像。

LLM底层其实会有3个东西：

a.一个方针

b.一个丢失函数，用来核算和当前成果和方针的距离

c.一个优化器，用来依据距离调整下一步的行为

咱们熟知的ChatGPT，便是在这个根底上制成的“单词模拟器”，它以人类数十亿的文本为根底，一次次地猜测下一次或许呈现的词的概率，也便是n-gram概率（即第n个字母的概率分布取决于之前的n-1个字母）。

最初，它很笨，生成的是一堆无含义的字符；到现在，成果你也看到了。

看到这里，你或许现已发现：为了完成这一切，最需求的是其实你想改变的“动机”，而不是了解SOP，比方保藏了一堆一个从0到1学习技术的路线图。

所以在做MVP时，给自己一个低的预期是很好的方法。由于你只需做出一个粗糙的第1版，你就能得到这个世界给出的反应。

所以请不要仅仅为公司的方针费了大劲，加班加点；咱们也要为自己的方针，积极尝试呀。

2. 怎么去规划MVP呢

MVP这么好用，那有没有什么做它的准则好供咱们一步步施行呢？

我觉得，用来进行质量管理的KANO模型可以用在这里，用于公司产品规划时，它能帮咱们剖析和分类客户需求。把咱们自己当做一个产品时，KANO模型也能帮咱们梳理出计划的优先级。

以下是对KANO模型的一些科普，有根底的同学可以越过。

KANO模型基于对产品或服务特征与客户满意度之间联系的研究，将需求分为五个不同的类别：

• 根本型需求：这些是客户对产品或服务的根本希望，假如缺少这些要素，客户会十分不满意，可是当满意这些要素时，并不会带来额定的满意度。
• 希望型需求：这些要素是客户通常希望的功用或特性，满意这些要素可以使客户满意，但不满意它们不会引起极度不满。
• 振奋型需求：这些要素是超出客户希望的惊喜功用或特性，它们可以引起客户的振奋和高度满意。
• 反向型需求：这些要素是客户并不希望的功用或特性，但假如产品或服务缺少这些要素，会引起客户的不满。
• 无差异需求：这些要素是客户没有意识到的，有或没有都无所谓。