如何在不自我陶醉的情况下开展产品发现

一场精美的演示并不是产品发现。客户在你解释完一个他们永远不需要编列预算、实施或在内部辩护的未来工作流程后说“这很有意思”，也不是。

如果你正在思考如何开展产品发现，首先应该把它当作一个以低成本淘汰错误假设的过程。它的目的不是收集赞美之词，不是验证你早已写好的路线图，也不是制作一份能让投资委员会感到安心的幻灯片。它的目的是判断某个特定买家是否有足够痛苦的问题、是否有足够可行的采购路径，以及是否有理由为你实际能交付的东西付费。

对于AI、数据和区块链创业公司而言，这个区别至关重要。技术能力可以是真实的，而商业需求可能是虚构的。一个模型可以在受控环境中表现出色，却在安全团队、混乱的数据源或一线操作人员介入的那一刻宣告失败。产品发现正是让这种差距显现出来的地方，理想情况下，应该在它变得代价高昂之前。

从决策出发，而非访谈脚本

大多数产品发现项目在第一通电话之前就已经失败了，因为没有人明确这项研究究竟要为哪个决策提供依据。团队开始泛泛地询问痛点，得到的答案也普遍令人鼓舞，三个月后才发现，自己对产品、定价或市场进入策略其实一无所获。

先把决策写下来。它可能是：我们应该构建一个自主工作流，还是保留人工审批环节？最初的买家是运营主管、数据负责人，还是掌控预算的业务部门负责人？这能作为一个点状解决方案出售，还是需要一场六人团队根本无力驾驭的企业级平台销售？

然后，在这个决策之下写出各项假设。要具体到令人不安的程度。“企业团队需要更好的AI治理”不是一个可以检验的假设。“受监管的放贷机构中的风险负责人，愿意为能显示哪些信息来源支撑了某项AI生成决策的审计追踪付费”则更接近了。它指明了一个买家、一个情境、一项任务，以及一个可能可以变现的需求。

你要寻找的是那些一旦被证伪，就会实质性改变公司下一步行动的假设。如果一个研究问题的答案无法改变范围、定位、买家选择、定价或时机，它很可能只是智力上的装饰品。

招募有切身利害关系的人，而非只有意见的人

招募不当的参与者会让任何概念听起来都很有前景。友善的同行、没有采购权的创新团队，以及喜欢谈论技术的人，都能提供有用的视角。但他们并不是需求的有力证据。

要招募那些近期切身经历过这个问题、并因解决与否而承担某种后果的人。这种后果可能是营收损失、运营成本、合规风险、客户流失，或是一个在董事会会议上反复出现的截止日期。这个人不一定非得是掌握预算的经济买家，但你需要理解他们的痛点是如何在组织内一路传导到那个真正掌控预算的人身上的。

对于技术基础设施而言，不要止步于高管赞助人。CTO可能想要一个数据平台。数据工程师能告诉你它能否在集成中存活下来。安全团队能告诉你它能否通过审查。采购部门能告诉你合同的形式是否一开始就注定行不通。忽视这些角色的产品发现根本不是产品发现，而是早期阶段的演示催眠。

少量高质量的对话可以胜过一次大规模的问卷调查。五位面临同样紧迫、可衡量问题的买家，比100位在表单上勾选“非常感兴趣”的受访者更有价值。问卷调查非常擅长在你已经知道该问什么之后去衡量各种模式，但在发现你是不是问错了问题这件事上却很糟糕。

询问过去，而非预测

不要问“你会用这个吗？”人们对假设性的热情总是很慷慨，因为这对他们不需要任何代价。

要问他们上一次遇到这个问题时做了什么。是谁发现的？随后是什么流程？涉及了哪些系统？花了多长时间？成本是多少？谁批准了这个变通方案？是什么阻止了更好方案的采用？

过去的行为会暴露出抽象对话所掩盖的种种限制。如果一位潜在客户说他们需要自动化决策，但目前每一项重要决策都必须经过法务审核，这就不是一个次要的实施细节，它甚至可能定义了这个产品本身。如果他们说团队被人工分析工作压得喘不过气，却又不能把源数据暴露给第三方，那么你的部署模式本身就成了产品问题的关键所在。

留意现有支出的迹象。三名分析师维护的一张电子表格、一份咨询合同、一条自建的数据管道，或是一个被容忍下来的运营失误，都表明这个问题是有分量的。这些都不能保证市场的存在，但每一个都比掌声更有价值。

检验整条采购路径

一次只验证了用户痛点、却忽视了采购和部署风险的产品发现，产出的将是一个用户喜欢、但公司却无法采用的产品。这种情况在AI领域屡见不鲜。

真正的产品不只是界面、模型或协议，而是从最初的兴趣到可靠使用的整条路径：数据访问、集成、评估、安全审查、变更管理、商业审批，以及出现问题时持续的责任归属。

与潜在客户一起梳理这条路径。问问在他们能开展试点之前，必须先满足哪些条件。问问什么样的因素能让一次试点在内部显得可信。问问哪些指标能决定它是会扩大规模，还是会在拥护者失去兴趣后悄然消亡。

对于AI产品而言，质量指标需要仔细推敲。准确率往往过于粗糙。买家可能更在意引用的质量、升级处理的比例、每个案例节省的时间、错误的严重程度，或是能否检查一项建议为何会出现。对于数据平台，制约因素可能是数据血缘和可靠性，而非原始的查询速度。对于区块链产品，法律上的所有权、流动性、托管方式或结算流程，可能比链的架构本身更重要。

创始人在这个环节常常会产生防御心理。客户提出一项限制条件，团队却把它当成一个需要克服的异议。有时的确如此，但更多时候，这其实是一个证据，表明所提议的产品只是一个更庞大、更棘手的采购问题中的一个组成部分而已。

使用能迫使对方做出反应的实物

单靠对话是有局限的。人们可能口头上认同某个概念，脑子里想的却是完全不同的产品。要给他们一些足够具体、可以让他们提出挑战的东西。

这个实物可以是一张工作流程图、一份模拟输出、一个定价页面、一份拟定的实施计划，或是一个人工交付的、承诺成果的简化版本。关键不在于视觉上的精美，而在于让各种取舍变得可见。

把AI生成的报告拿出来，问他们会信任、修改还是拒绝发送。把所需的数据字段列出来，问哪些是无法获取的。展示一份拟议的4万美元试点方案，问谁来签字、预算从哪里出、什么样的结果能证明续约合理。如果对话变得有些尴尬，那很好，说明你终于开始接近真相了。

当底层技术尚未成熟，或工作流程尚不确定时，礼宾式或人工试点尤其有用。它能让你在花费数月时间将其自动化之前，先检验买家是否真的重视这个成果。这种做法的取舍是显而易见的：人工交付无法证明软件的可扩展性，但它可以证明这个问题是否值得自动化，而这是一个更早出现、也更有价值的问题。

在看到结果之前先设定证据门槛

团队常常在产品发现之后移动球门柱，因为他们对答案产生了情感上的依恋。要预先设定门槛来避免这种情况。

举例来说，你可能会要求反复获得证据，证明某个明确定义的买家在过去一个季度确实经历过这个问题，能说出一个现有的变通方案，同意分享试点所需的数据或访问权限，并能指出预算的归属者。你也可以决定，除非有多个目标客户各自独立地描述出相同的工作流程和失败成本，否则不构建某项功能。

具体的门槛取决于市场本身。一个范围狭窄但价值很高的企业级问题，可能值得针对少数几个客户做更深入的工作。一个自助式产品则需要更广泛的行为证据。一家瞄准受监管市场的创业公司，可能需要先验证实施可行性，才能可信地检验定价。

重要的是纪律。产品发现不是一场谁的评论最热情谁就获胜的投票，而是一整套证据，需要与判断失误的代价放在一起权衡。

把发现转化为更严谨的策略

产品发现的产出应该是决策，而不是一堆再也不会有人翻阅的访谈笔记。在每一轮周期结束时，都要明确说清楚发生了什么变化。

你也许会收窄最初的目标细分市场，因为只有一种买家画像存在紧迫的使用场景。你也许会去掉一个让潜在客户印象深刻、却对购买意向毫无影响的功能。你也许会发现，你所宣称的切入点其实不够独特，或者这个市场在购买软件之前还需要先购买服务。这些都不是产品发现的失败，而恰恰是它的投资回报。

把证据、尚未解决的风险以及下一步的检验都记录下来，然后做出选择。一家意识到自己缺乏可信采购路径的公司只有两个选择：改变产品，或者继续为那套故事融资。这其中只有一个才称得上是策略。

最后那个有用的问题，不是客户是否喜欢你展示给他们看的东西，而是要问他们是否给了你证据，证明他们真的会改变行为、调配资源，并能容忍获取价值所必需的种种摩擦。如果他们没有给出这样的证据，就不要把这个发现粉饰一番，趁着还来得及，让它去重新指引公司的方向。

您的领导方式在哪里有效，又在哪里正在消耗公司？

这个博客讨论的多数问题，最终都回到创始人如何经营公司这一点上。藤架领导力诊断把它拆成六个维度共24道行为锚定题：约12分钟，即时出结果，自助版免费。

开始藤架领导力诊断 →

想了解兼职高管或顾问合作？预约探索性通话 →