精益创业-lean-startup
Skill14 starsChanged 5 months agoMITView on GitHub
埃里克·莱斯《精益创业》(The Lean Startup)——用Build-Measure-Learn循环快速验证商业想法。当用户需要评估创业想法、设计MVP、决定是否转型时使用。
In this repository29 other files it gives its agents.
- 100-side-hustlesSkill
- 100-dollar-startupSkill
- 12-week-yearSkill
- make-bootstrapperSkill
- expert-secretsSkill
- buy-back-your-timeSkill
- zero-to-oneSkill
- start-with-whySkill
- steal-like-an-artistSkill
- 关键对话-crucial-conversationsSkill
- 刻意练习-peakSkill
- 原则-principlesSkill
- atomic-habitsSkill
- mom-testSkill
- show-your-workSkill
- 影响力-influenceSkill
- think-and-grow-richSkill
- oversubscribedSkill
- 搞定-gtd-getting-things-doneSkill
- copywriting-secretsSkill
- traffic-secretsSkill
- deep-workSkill
- clear-thinkingSkill
- 疯传-contagiousSkill
- get-paid-for-knowledgeSkill
- 纳瓦尔宝典-almanack-of-navalSkill
- psychology-of-moneySkill
- 非暴力沟通-nonviolent-communicationSkill
- 高效能人士的七个习惯-7-habitsSkill
The file
Files
《精益创业》—— 用科学方法创业,而不是赌运气
创业不是建一座城堡然后请人来看——是开着一辆能跑的车在迷雾里找路。方向比速度重要,数据比直觉可靠。
埃里克·莱斯的核心主张:创业是一场科学实验,不是一场赌博。 你不能靠「我觉得会成功」——你得用最小的代价快速验证假设,然后根据真实数据调整方向。
一个核心循环:Build → Measure → Learn
┌─────────────────────────────────────┐
│ │
│ Ideas ──→ BUILD ──→ Product │
│ ↑ │ │
│ │ ↓ │
│ LEARN ←── MEASURE ←── Data │
│ │
└──────── 越快完成一圈,浪费越少 ────┘这不是「先想好再做」
传统做法:花半年写商业计划书 → 花一年开发产品 → 上线发现没人要。
精益做法:两周内做出一个粗糙版本 → 扔给真实用户 → 听他们说什么 → 调整 → 再来一圈。
关键是速度:每一圈的目的不是为了把产品做完美,而是为了更快地发现「什么值得做」。
三个步骤拆解
| 步骤 | 做什么 | 常见错误 |
| Build | 用最少资源做一个能测试假设的东西 | 做太多、做太精、舍不得砍功能 |
| Measure | 收集用户真实行为数据(不是问卷) | 看虚荣指标、只看正面数据 |
| Learn | 判断:继续还是转向? | 「我们学到了很多」但没有数据支撑 |
一句话:你的任务不是建造东西——你的任务是尽可能快地走完这个循环,找到可行的商业模式。
MVP:最小可行产品
MVP 不是半成品
MVP 不是「砍掉一半功能的正式产品」——它是一个实验工具。目的不是卖出去,是学到东西。
| ❌ 不是 MVP | ✅ 是 MVP | |
| 定义 | 简陋版产品 | 用最少资源验证最关键假设的实验 |
| 目标 | 上线、有用户 | 拿到数据、验证或推翻假设 |
| 标准 | 好不好看、功能全不全 | 能不能让我学到东西 |
| 心态 | 「先把产品做出来」 | 「先看看这个假设对不对」 |
四种 MVP 形式
- 视频 MVP:做一个产品演示视频,看有没有人点「想要」。Dropbox 就是这么起步的——一个 3 分钟视频,注册量从 5000 飙到 75000。
- 礼宾式 MVP (Concierge MVP):人工手动完成服务,假装有自动化产品。不是用软件做——是你自己动手帮用户做,看看他们到底需要什么。
- 绿野仙踪 MVP (Wizard of Oz):用户以为他们用的是自动化产品,但实际上是你(或团队)在后台手动操作。Zappos 创始人就是去鞋店拍照片放到网上,有人下单了再去店里买来寄——没有库存、没有系统。
- 单功能 MVP:只做一个功能。不是做很多功能然后看用户用哪个——是只做一个,看它是不是真的解决了问题。
MVP 的本质问题
不是「我能做出来吗?」而是「我应该做出来吗?」
每做一个 MVP 之前,明确写下来:
- 我们在测试什么假设?
- 什么数据能证明这个假设是对的?
- 什么数据代表我们错了?
验证式学习 (Validated Learning)
学习了 ≠ 验证了
| 一般「学习」 | 验证式学习 |
| 「我们了解到用户喜欢这个功能」 | 「A/B 测试显示使用率提升了 27%,p<0.05」 |
| 「市场调研说很多人有兴趣」 | 「落地页 300 人访问,23 人留下了邮箱,5 人付了钱」 |
| 「我们觉得方向是对的」 | 「关键指标在过去 3 周持续上升」 |
| 「会上大家一致认为……」 | 「数据表明……所以结论是……」 |
验证式学习 = 假设 + 实验 + 数据 + 结论。缺任何一个环节,都不叫验证式学习。
如何做验证式学习
- 明确假设:「我们相信,[某类用户] 有 [某个问题],他们会用 [某种方式] 解决它。」
- 设计实验:什么是最小的、能测出这个假设对错的动作?
- 收集数据:不是「有没有人点」,而是「多少人点、多少人走、多少人付钱」。
- 得出结论:假设成立 → 继续。假设不成立 → 转型。
一个经典的失败案例
「我们花了六个月做了一个完整的产品,上线了,没人用。但我们学到了很多!」
这不是验证式学习。验证式学习是说:「我们两周内做了一个落地页,发现这个价值主张根本没人点——所以我们在浪费更多时间之前转向了。」
速度 × 真实性 = 验证式学习的价值。六个月学到的东西,和两周学到的东西,如果结论一样,前者是巨大的浪费。
创新核算 (Innovation Accounting)
虚荣指标 vs 可操作指标
| 虚荣指标 | 可操作指标 |
| 总注册用户数 | 每周活跃用户增长率 |
| 页面浏览量 | 转化率 |
| 下载量 | 留存率(第 7 天、第 30 天) |
| 「我们被 XX 媒体报道了」 | 媒体报道带来了多少付费用户 |
| App Store 评分 | 评分跟留存的相关性 |
虚荣指标的特征:永远在涨,但什么都说明不了。它们让你感觉良好,但不帮你做决策。
可操作指标的特征:能让你做出具体决策。看到数据,你知道下一步该做什么。
三步创新核算框架
- 建立基线:用 MVP 测量现状。用户从哪里来?多少人留下来?多少人付钱?
- 调整引擎:每次改变一个变量(功能、定价、文案、渠道),然后测量变化。不是改十个地方然后看整体有没有变好——改一个,测一个。
- 转型还是坚持:调整后,指标是否在向理想方向移动?如果没有,而且是持续没有,那就该转型了。
三个增长引擎
莱斯提出了三种可持续增长的引擎,你需要知道你的业务靠的是哪一种:
| 引擎 | 机制 | 关键指标 | 例子 |
| 粘性式 | 用户用了就不走 | 留存率、流失率 | SaaS 工具、社交平台 |
| 病毒式 | 用户拉用户 | 病毒系数(每个用户带来多少新用户) | 微信、Dropbox 推荐 |
| 付费式 | 花钱获客,边际利润覆盖成本 | 客户获取成本(CAC) vs 客户生命周期价值(LTV) | 电商、广告驱动业务 |
不要同时优化三个引擎——选一个,专注。每个引擎需要的策略完全不同。
转型 (Pivot) vs 坚持 (Persevere)
这是精益创业最难的决定
坚持和固执之间只有一线之隔。那根线叫数据。
大多数创业者在该转型时选择坚持——因为沉没成本、面子、团队士气。但也有些人在该坚持时过早转型——因为太容易被数据波动动摇。
怎么判断?
该转型的信号(不是情绪,是数据的持续趋势):
- 不管你怎么优化,核心指标(留存、转化、付费)就是不动
- 增长引擎不转:病毒系数 < 1 且无法提升;获客成本持续高于 LTV
- 用户反馈的规律是:「挺好的」但不用——不是某个功能不行,是需求本身不强烈
- 你发现了一个比原计划更有潜力的方向(数据证实的,不是猜的)
该坚持的信号:
- 核心指标在改善,只是还不够快(趋势是对的)
- 有一个细分用户群非常活跃(考虑缩小范围,而不是换方向)
- 你还没把当前引擎调到极致(还有很多可做的实验)
十种转型类型
莱斯总结了十种 pivot 方式,做个决策检查清单:
| 转型类型 | 改什么 | 例子 |
| 放大转型 | 一个功能变成整个产品 | Instagram 从 Burbn(功能太多)变成照片分享 |
| 缩小转型 | 整个产品变成一个功能 | 某个功能被平台吸收 |
| 客户细分转型 | 换目标用户 | 卖给大企业 → 卖给小团队 |
| 客户需求转型 | 解决用户的另一个问题 | 原来做约会 → 后来做社交 |
| 平台转型 | 从应用变成平台,或反之 | |
| 商业架构转型 | 高利润低量 vs 低利润高量 | |
| 价值捕获转型 | 换收费方式 | 付费 → 免费增值;一次性 → 订阅 |
| 增长引擎转型 | 换增长方式 | 病毒 → 付费 |
| 渠道转型 | 换分发渠道 | 直销 → 渠道商 → 自营 |
| 技术转型 | 用不同技术解决同一个问题 |
转型不是失败——拒绝转型才是。 几乎所有成功的创业公司,最终的样子都和最初的想法不一样。
转型的时间表
给自己一个「转型期限」。比如:如果三个月内 XXX 指标没有达到 YYY,我们就转型。
没有期限的目标只是愿望。有期限的目标才是计划。
小批量 (Small Batches)
为什么小批量 = 更高效
丰田生产方式的核心理念,在软件和创业中同样适用:
| 大批量 | 小批量 |
| 一次做 50 个功能,一起发布 | 一次做 1 个功能,测完就发 |
| 问题在最后集中爆发 | 问题立刻被发现 |
| 返工成本巨大 | 返工成本极低 |
| 浪费大量时间在「可能有用」的东西上 | 只做「已验证有用」的东西 |
| 三个月一次发布会 | 一天可以部署几十次 |
在创业中怎么用小批量
- 开发:一个功能 → 测试 → 上线,而不是五个功能 → 联调 → 上线
- 用户测试:找 5 个人测,修完问题再找 5 个,而不是找 50 个人测一次
- 营销:一个渠道 → 一个文案 → 测 → 优化,而不是同时铺十个渠道
- A/B 测试:每次改一个变量,而不是改整个页面
小批量背后的数学
假设每一个步骤有 10% 的出错概率。
- 10 个步骤串行的大批量:成功率 = 0.9^10 ≈ 35%
- 1 个步骤的小批量:成功率 = 90%
分批不是拖延——分批是更快地发现问题。找到问题越早,修它的成本越低。
五个为什么 (Five Whys)
精益创业还有一个附带的实用工具——当出现问题的时候,问五次「为什么」,找到根本原因,而不是停留在表面。
怎么用
问题:网站宕机了 30 分钟。
1. 为什么?→ 服务器 CPU 跑满了。
2. 为什么 CPU 跑满了?→ 有一个查询没有索引。
3. 为什么没有索引?→ 开发的时候忘了加。
4. 为什么忘了加?→ 我们没有 code review 流程。
5. 为什么没有 code review 流程?→ 团队觉得「太慢了,没必要」。
真正要解决的问题不是「加上索引」——是建立 code review 流程。原则:
- 每次「为什么」不要把矛头指向人(「因为张三忘了」→ 没用)
- 要指向流程和系统(「为什么流程允许张三忘记?」→ 有用)
- 按比例投入:第一次发生小问题,做个小修复;反复发生,就修流程
一句话总结
创业就是在一个极端不确定的环境中,用科学方法找出什么是值得做的。 所有不产生验证式学习的工作,都是浪费。
当你面对一个创业想法时,不要问「能不能做出来」——要问「我怎么在两周内知道这个想法对不对」。
快速参考卡
| 概念 | 一句话 | 一句话反面 |
| Build-Measure-Learn | 越快走完一圈,越早发现真相 | 慢 = 在错误的路上走更远 |
| MVP | 最小代价验证最大风险的假设 | 不要为了体面做多余功能 |
| 验证式学习 | 有数据支撑的学习才叫学习 | 「我们觉得」不是学习 |
| 创新核算 | 看能做决策的指标,不看让人开心的指标 | 注册量涨了但留存率跌了 → 没涨 |
| Pivot | 改方向不可耻,死不回头才可耻 | 过早转型 = 没给实验足够时间 |
| 小批量 | 一次做一点,测完再做 | 一次做一堆,废了全白做 |
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

