InnoLab
PD06产品L3classic

最小可行产品

MVP Model

用最少资源、最快速度构建一个仅含核心功能的产品版本,去验证最关键的商业假设——它不是"完整产品的缩水版",而是一台"用来做实验的装置"。

一图看懂
假设构建 Build测量 Measure学习 Learn

这是什么

MVP,全称"最小可行产品"(Minimum Viable Product),说穿了不是一个"缩水版的产品",而是一台"用来做实验的装置"。

很多人误会了这三个字。他们以为 MVP 就是"先做个简陋版本上线,以后慢慢加功能"。错。MVP 真正要回答的问题只有一个:我脑子里这个商业想法,到底是不是真的? 用户真有这个痛点吗?真愿意为它掏钱吗?你不是在造一个小号的产品,你是在花最少的钱、用最快的速度,去做一次能给出"是"或"否"答案的实验。造出来不是目的,学到东西才是目的。

所以判断一个 MVP 好不好,不看它做得多完整、多漂亮,而看它有没有用最低的成本,把那个"价值百万的问题"给回答了。

来历与出处

MVP 这个概念,真正把它打响、变成全世界创业者口头禅的,是埃里克·莱斯(Eric Ries)。他在 2011 年出版的《精益创业》(The Lean Startup)里系统地讲了这套方法,这本书后来成了硅谷乃至全球创业圈的"圣经"。

但根子要再往前追。"最小可行产品"这个词最早是弗兰克·罗宾逊(Frank Robinson)在 2001 年前后提出的,后来被史蒂夫·布兰克(Steve Blank)的"客户开发"理论吸收。莱斯当年在一家叫 IMVU 的公司当工程师,眼睁睁看着团队闷头开发了几个月、做出一堆自以为很棒的功能,结果用户根本不要——那次惨痛教训,逼他想明白了一件事:创业最大的浪费,不是做得慢,而是把东西做出来了,却发现根本没人要。 于是他把丰田的精益生产思想搬到了创业上,提出了那个著名的循环:构建—测量—认知(Build-Measure-Learn)。

解决什么真实问题

它治的是创业者最常犯、也最致命的一种病:先造一年,再问市场要不要。

典型场景是这样的:你有个自认为绝妙的点子,越想越兴奋,于是埋头开发。三个月、半年、一年过去,钱烧了、人累了、产品终于上线,结果——没人用。这时候你才发现,原来用户压根没有你想象的那个痛点;或者有,但没痛到愿意付钱。

最该用 MVP 的有这么几类人:一是手里资源有限的早期创业者,赌不起一次"全押";二是大公司里想试新方向的团队,不想动用整个组织去验证一个还没谱的假设;三是做内容、做课程、做新产品线的人,想先小范围试个水。MVP 的本质,是把"要不要做"这个生死攸关的决定,从"开发一年后才知道"提前到"花一周就能知道"。

核心思想

打个比方。你想知道一锅汤咸不咸,你会把整锅汤都喝光吗?不会。你舀一勺尝尝就够了。

MVP 就是那一勺汤。你的商业想法里藏着一堆假设,而 MVP 的任务,是用最小的那一勺,去尝出整锅汤的味道。这里的关键是两件事。

第一,先打最危险的那个假设。 一个创业想法里,假设是分层的:用户有没有这个痛点(需求假设,最致命)、愿不愿意付钱(价值假设)、你的方案真能解决吗(效果假设)、获客成本扛不扛得住(增长假设)、能不能规模化(规模假设)。聪明人不会一上来就纠结"能不能规模化"——那是后话。他先打最不确定、又影响最大的那一个。需求都不存在,后面全是空中楼阁。

第二,实验之前先写死成功标准。 这是 MVP 最容易塌方的地方。如果你不提前定好"留 1000 个邮箱就算成立、不到 300 个就放弃",那等数据出来,你一定会下意识地替它找理由——"虽然只有 200 个,但质量很高啊"。这就不是科学实验了,这是自我安慰。

MVP 有三种常见形态:落地页式(只做个介绍页,看有多少人留邮箱、点预约,验证"需求存不存在")、人工式(俗称"绿野仙踪",前台看着像自动化,后台其实是你手动在干,验证"流程和付费意愿")、单功能式(只做最核心那一个功能,验证"核心价值")。选哪种,取决于你要尝的是哪一勺。

完整案例

最经典的 MVP 故事,是 Dropbox。

2007 年,创始人德鲁·休斯顿(Drew Houston)想做一个能在所有设备间无缝同步文件的工具。这事在当时技术上极其复杂,真要把产品做出来,得砸进去海量的工程量和时间。可他面临的最大风险根本不是"做不做得出来",而是一个更要命的问题——人们到底需不需要"无缝同步文件"这件事? 万一做出来没人要呢?

换作别人,可能就闷头开发了。但休斯顿没写一行产品代码。他干了一件特别"取巧"的事:录了一段三分钟的演示视频,演示 Dropbox 同步文件的体验——文件拖进文件夹,另一台电脑上瞬间出现。视频里很多功能其实还没实现,但看起来天衣无缝。他把视频发到了 Hacker News 这类技术社区。

结果一夜之间,等候名单从 5000 人暴涨到 75000 人。

你看,这段视频就是一个不折不扣的 MVP。它没有产品,却完成了产品最该完成的那次实验——用接近于零的成本,把"需求假设"这个价值百万美元的问题,结结实实地回答了。从那以后休斯顿才敢放心去攻技术。他没有先造产品,他先造了答案。

常见误解与边界

第一个误解,也是最普遍的:MVP 等于低质量产品。 不对。MVP 是"范围最小",不是"质量最差"。你砍掉的是非核心功能,但留下的那个核心体验,不能糊弄。一个又简陋又难用的东西,验证不了任何东西,只会让用户掉头就走,给你一个错误的"否"。

第二个误解:事后看数据找理由。 前面说过,这是 MVP 的头号杀手。成功标准必须实验前写死,白纸黑字,谁都改不了。

第三个要提醒的是边界:MVP 验证的是"假设真不真",它不替你做"产品该长什么样"。先想清楚要验证什么(这往往需要先把产品定义、价值主张梳理一遍),再用 MVP 去打。MVP 是验证工具,不是设计工具。

最后一点,AI 时代有个新红利:过去很多"人工式 MVP"需要搭一个团队在后台手动运营,现在用 AI 工具,一个人就能撑起那个"看似自动化"的前台,成本直接砍掉九成。能用 AI 跑通的人工 MVP,优先考虑。

一句话记住它

你不是在造产品,你是在做实验——MVP 是那把尝汤的勺子,用最小一口,尝出整锅的咸淡。

想看这套方法喂给 AI 的执行规格?点上方「标准模组」。

Cases

用过此方法的案例

2

用「最小可行产品」推演你的问题

描述你正面临的难题,InnoLab 会用这套方法当场跑一次结构化推演。

免费推演一次