读《做对产品》
本书作者索维亚是谷歌首任产品总监，经历三次创业成功后，第四个项目历时五年，融资2500 万美元后以失败告终。这次经历让他意识到，选错产品方向是失败核心原因，即使执行做的很完美。
于是，「如何低成本验证市场需求」成为本书的议题。
作者给出了一份实用指南，有着浓厚的逻辑和统计味道的同时足够简洁，其中「预型」的概念极具创造性，诠释了优秀的实验方案可以极大程度降低决策成本。
---
原文中的市场验证步骤总结为：
步骤
方法
方法描述
示例
将创意描述为可量化的命题A（宏观市场假说）
XYZ命题法
XYZ命题法：至少X%的Y将会Z
X%代表了你目标市场Y的一个百分比，Z则代表了那部分市场将对你的新产品创意采取何种反应
创意：在污染严重的城市中生活的一些人会有兴趣购买价格合理的设备用于监测和净化空气的。
命题A：对于居住在AQI数值超过100的城市里的人，其中至少有10%会购买一台售价为120美元的便携式污染传感器。
创建可验证的有代表性的子命题B（可验证的市场假说）
缩进
从不可验证的A到可验证的B，同时保证逻辑正确性，当A为真时B一定为真。
命题A：对于居住在AQI数值超过100的城市里的人，其中至少有10%会购买一台售价为120美元的便携式污染传感器。
命题B：在城市A的Tot Academy的学员家长中，至少有10%的人会购买一台售价800元的便携式污染监测器。
设定命题B的实验方案。
预型(pretotype)
最低成本对B进行实验设计，过程强调两点：
-
如何设计低成本实验——预型：作者区分了「预型」与「原型」的概念，预型即“低成本假装拥有一个原型，看看用户反映如何”，案例包括土耳其机器人预型、匹诺曹预型、假门预型、假面预型、YouTube预型、一夜情预型、潜入者预型、改标签预型。
-
什么是有效的数据——通过预型可以在极低成本的情况下获取有效验证数据（YODA）：自己采集的、包含用户切身利益（实实在在付出过成本的/付费意愿）的数据。
土耳其机器人：早年IBM为验证“语音转文本计算机在打字员群体中的价值”时，并未实现语音识别，而是用一台假服务器对用户宣称是原型机（其实背后是人在听写）并测试，低成本进行需求验证，实验数据说明语音转文字在当时场景下是“伪需求”。
评估命题B的实验结果，以间接证伪A或提升A为真的概率。
TRI计量仪
一种需求“刚性”的定量评价指标计算方法，核心思想是用户为了某个意愿付出的现实成本越高（金钱、时间、名誉等），则权重越大。
命题A：在单程通勤时间超过1个小时的职场人士中，至少有2%的人愿意支付300美元的费用，在通勤巴士上参加一门广受赞誉的1个星期的课程。
命题B：从旧金山通勤至山景城的谷歌员工中，至少有10%的人会支付300美元，，在通勤巴士上参加由一名谷歌员工执教的1个星期的“机器学习入门”巴士课程。
YODA：在600个样本中，132位（22%）从旧金山通勤至山景城的谷歌和领英工程师支付了300美元参加1个星期的BusU人工智能课程。
支持力度量化：有效的电子邮箱得1点。参加一个小时的宣讲会得60点。支付300美元参加一个星期的课程得900点。
修改A，重复验证，直到找到答案。
万忧解：理想与现实
「决策」是一个我长期思考的问题，此前分别写了《解决复杂问题的一般性方法》《知识的有效性评判及加工》两篇记录，决策系统首先是一个可迭代的系统，然后通过无数个假设-检验逐渐优化系统的结构和参数。
人与客观世界交互的无尽循环——PDCA，在本文以另一种方式呈现。
但是知道PDCA没用，知道怎么做才有用。
证实或证伪一个观点的方式只有演绎或归纳两种，而事实上，我们无法为演绎法找出必为真的前提条件，同时也无法承担使用归纳法证明统计意义上显著性所需要的实验成本。
我们几乎每时每刻都在有限样本中做不充分归纳，但仍能有些方法让我们更加靠近近答案。完成与完美重要，作者深知这一点，与其给出只有个别专家才能操作的精密仪器，不如给读者一个有效的扳手，因此手册式的行文非常简单易懂，远没有当下用户分析领域的复杂知识。
文中提及的“可量化命题-缩进-预型实验-TRI结果评估”过程即PDCA的执行优化。毫无疑问，简洁就是实用！随着自己的PDCA量表越来越臃肿，这本书的简洁性令人眼前一亮。
失败是野兽，成功也会是——作者在最后抛出了一个存在主义意味的话题，做「属于你的事」和「做对的事」同样重要，做正确的但是自己不感兴趣的事，无疑也是一种骑虎难下的“成功灾难”，即确认愿景、验证市场后，再做战略执行。
存在切身利益的投票才是真正有效的投票，文中YODA的数据采集让我想到了“开始吧”这个app，商家通过众筹预售的形式让用户付出真金白银验证市场需求，也是低成本验证市场的有效形式。切身利益同时也并不一定指付费，用户为了满足某些需要所付出的成本，钱、时间、注意力、名誉等，都可以成为需求有效的证明——取决于你的商业逻辑假设。
从需求价值判断的角度来讲，产品规划容易陷入两个极端，要么过于自信轻视需求验证，要么用户说啥做啥放弃思考，两种都容易犯错。客户要的是漏洞而不是扫描器，要的是洞察而不是算法，要的是结果而不是过程。通过人工服务的方式低成本验证需求，交付报告/洞察，然后再考虑产品化是一种低成本价值验证的好方法，先确定产出物有价值，再通过产品提效。
