#用户反馈

专业能力到底是怎么来的? 我想所有人都会同意这需要经过大量的练习。如果回头去看,这些练习无疑是枯燥,反人性,难以坚持的。但是起始很多练习,都是在不知不觉中,在痛苦和愉悦当中无意间积累完成的。 所以如果你为了练习而练习,起始没有可操作性。比如写程序,保守点说,很多程序员已经累计写了十几万行的代码了。这个时候如果你告诉一个小白,你要写十几万代码,没有人知道写什么,也没有人能坚持下去。事实上,程序员写的十几万行代码,也是在学校,工作,业余时间等等不知不觉,主动或者被动写完的。 所以专业能力怎么来的? 说实话我感觉,真正的分野,在于你是在一个无菌舱里练习,还是在一个菜市场里肉搏。 这就是为什么你发现顶级的专业能力,往往是跨领域迁移的。 因为学习数学和学习音乐,对于普通人来说,他们是在“学”,数学和音乐显然是截然不同的。但是对于牛逼的人来说,他们是在“习”,无非练习的东西不一样而已。 刘谦说直播间是最好的练习场,因为观众的反馈是瞬时的,弹幕一个「假」字就能让你心态崩溃。这跟挣钱的独立开发者一模一样。他的训练场,就是那些真实的用户群。 用户的骂声,用户的催更,用户用脚投票,这就是最粗粝、最直接的反馈。 成功不是你设计了一艘完美的船,而是你用几块木板拼了个木筏,然后直接跳进了滔天巨浪里,一边划水一边补船。那个在岸上对着图纸精雕细琢的人,永远学不会航海。 那些看起来上不了台面的草台班子,恰恰是通往专业之巅的唯一捷径。你所有关于体面和专业的想象,可能都是错的。
Y11
1个月前
Y11
2个月前
构建最小可行产品(MVP)的核心,是用最快的方式把产品推向市场,在与用户的真实互动中学习和迭代,而非在闭门造车中追求完美。 很多创始人担心,第一次做产品会走弯路,或是怕推出不完美的产品让用户失望。 其实,早期使用者往往是那些有真实痛点、愿意尝试新事物的人。 就像有人告诉我一个“助产士模因”:有经验的创始人和新手创始人,在面对问题时都可能做出正确决策,关键是别让空想和过度准备消耗宝贵的启动时间。 与其花一年调研或筹款,不如先把产品“生”出来,哪怕它一开始不完善,也能让你真正听到用户的声音。 乔布斯的传奇产品背后,也有无数次迭代。 初代iPhone没有应用商店,iPod的滚轮曾频繁卡顿,但这并不妨碍它们成为改变行业的产品。 因为真正的用户不会因为产品“不完美”而拒绝尝试,他们更在意能否解决自己的“燃眉之急”。 所以,别害怕“不完美”——当你告诉用户“我们在不断改进”,他们反而会愿意陪你一起成长。 看看那些成功的MVP案例: Airbnb最初只是让创始人在气垫床上接待参会者,解决的是“没地方住”的小问题; Twitch从24小时直播单主播的单页应用起步,慢慢才聚焦到游戏领域; Stripe最初连正式名称都没有,靠手动处理文件为初创公司提供支付服务。 这些产品的起点都很简单,但正是通过快速上线、收集反馈,才一步步成长为如今的模样。 构建MVP时,记住几个关键点:设定明确的截止日期,比如一个月内完成;只保留最核心的功能,问自己“没有这个功能,用户会觉得无法使用吗?”;最重要的是,别对最初的产品产生执念——它会随着用户反馈不断进化。你要做的,是把精力放在“真实用户”身上,哪怕一开始只有一个客户,和他们一起解决问题,远比追求“所有人都喜欢”的模糊目标更有价值。 创业的本质是学习,而学习的最快途径,就是把产品放在市场上。别让“我还没准备好”成为拖延的借口,因为当你真正开始行动,你会发现,每一次用户的反馈,都是让产品变得更好的养分。
Y11
2个月前
找到确定的方向比固守不变的计划更重要。 传统软件开发那种用一年半载打基础的方式,现在已经跟不上技术迭代的速度了——新技术可能几个月就出来一波。 面对这种情况,聪明的做法不是抗拒变化,而是主动适应,把周期压缩到两个月,小步快跑,随时根据反馈调整方向。 这样做的团队,迭代速度往往能比对手快五倍,而速度,正在成为这个时代的生存密码。 具体到执行上,AI公司的节奏快得让人惊叹:第一天就把目标和要达成的效果说清楚,第二天就能拿出最小可行的产品,三到五天就敢让一部分用户试试,第二周就根据反馈调整。 这种快速试错的方法,很多AI公司都在用,但有个特别的方法——"两人法则":每个原型只需要一个产品/设计师加上一个工程师。 不追求所有人都完全同意,而是用快速决策来验证想法。这种精简的协作方式,效率自然就高了。 工程师能多出三倍力,得力于AI代码助手的帮忙;设计师的核心任务是"让连奶奶都会用",如果连老年人都觉得难用,就得马上改。 在增长方面,他们的增长团队就像"实验引擎",遵循"工程是手段,效果才是目的"的原则,把80%的精力集中在能出成果的20%实验上,确保每一步都踩在关键的地方。 最让人关注的是AI公司对"质量"的理解:快速行动和卓越品质可以同时做到。 当别的公司一个月推一个功能时,AI公司能同时推进五个实验。这看起来有点冒险,但通过快速学习积累经验,反而能持续优化产品。 AI公司相信,用户选产品的核心不是界面漂不漂亮,而是能不能用最好的品质解决问题。 对于AI公司,有七个常见的致命错误,特别值得警惕:一是"完美架构症",还没多少用户就先设计百万级的架构,把规划做得太复杂;二是"研究瘫痪症",聊了几个月用户需求,产品却还没发布,光空想不行动;三是"稳定基础幻想",总等着AI技术"成熟"了再动手,结果错失机会。这些都是在快速变化的时代最容易犯的错。