最小可用产品推动聪明地学习

最小可用产品（MVP）并非在于创建较小的或较便宜的产品，而是有关如何开始学习过程并测试业务模型。在文章最小可用产品并不是更便宜的产品，其关键在于关聪明地学习中，Steve Blank 给出了一个小型斯坦福创业的轶闻故事作为例子，在这个例子中，创业团队将 MVP 的目标与构建昂贵原型的需求错误地混淆在了一起。

他们计划成为新兴业务——被称之为“精确农业”——方面的数据服务提供商。他们将每周定期走入农民的田地，运行无人机，收集并处理数据，而后将数据以易于理解的形式反馈给农民。

团队进行研究和探索，而他们收集到的反馈也的确证实了，理论上来说农民们能从项目所提供的数据中获得价值。接下来，这个团队迈出了他们的下一步：投入资金以构建一个 MVP，对此 Steve 写道：

这支团队认为 MVP 应该能够：1）展现无人飞行的记录，2）确保软件将田地的所有图片拼接在一起，以及 3）用便于使用的方式，将数据提供给农民。

于是从逻辑上他们推导出，要实现此 MVP 需要：购买一架无人机、超光谱相机、图像处理软件，并投入数月的工作时间来将相机、平台和软件整合到一起，此外还有一些其他工作。他们向我展示了要完成这些工作的准系统预算——逻辑上的。

不过他们错了。

该团队将 MVP（客户交付）的目标，与构建原型的流程混淆在了一起。Blank 建议该团队采用以下相对来说比较便宜的替代方案——而且该方案能够更好地验证 MVP 的目标：找出愿意为数据掏钱的早期采用者。

是否可以尝试一下更便宜的方案：租用相机和飞机（或直升机）飞过农田，手工处理数据并了解农民们是否愿意为此掏钱。这样的话，我们不是只要一两天就能完成这件事儿，而且只要十分之一的成本吗？

Blank 的建议让这支团队后退一步，重新考虑他们需要测试的 MVP 到底是什么；这让其焦点从构建产品原型，转移到了理解他们需要从 MVP 中学习什么。由于他们自我定义为数据服务公司，他们需要使用 MVP，在投入时间和成本之前，正面他们为农民提供的数据是有价值的。

“现在看来，这意味着诸如购买飞机、相机、软件以及投入时间进行集成等工作内容，全都是在浪费时间和精力。他们暂且还不需要测试其中任何一项。（而且有大量现存证据表明，廉价的飞机也可以携带相机飞行。）他们错误地定义了将要首先测试的 MVP。实际上，他们真正需要投入时间的，是首先验证一下农民们是否关心这些数据。”

在这个例子中，Blank 通过介绍一支团队对大多数人假想的可行 MVP 的追寻，展示了对于 MVP 的这样一种误解：人们把开发廉价版本的产品并将其提供给潜在客户的需求，当成了 MVP 的同义词。例如，作者 John Burgstone 在 Inc. 文章中所引用的；

精益创业原理鼓励企业家们向市场快速投放产品，并从客户反馈中学习。表面上听起来这很明智，因为从用户处学习是极其重要的。但向市场推送一款平凡的产品，这太疯狂了。

然而，Eric Ries 在精益创业原理中特别指出，“第一步是找出需要解决的问题，随后开发一个最小可用产品（MVP）来尽快地启动学习过程。”这是许多团队都遗漏了的概念，他们错误地专注于快速构件产品以获得反馈，而不是创建MVP 来开始学习。在学习的早期阶段，我们或许甚至不需要编写哪怕一行代码，就像Eric Ries 在 TechCrunch 文章中描绘 DropBox 如何使用 MVP 来进行学习：

挑战在于，不可能用原型的形式来展现软件的工作状态。产品要求团队去克服巨大的技术障碍；而且产品还拥有一个在线服务组件，它要求高可靠性和可用性。为了避免若干年的开发只得到了没人想要的产品的风险，Drew 做了一件极其简单的事情：他录了一份视频。

在 Blank 的文章中，这支团队针对他们是否快速地拥有一个可用产品而且无需花费不必要的资金的目标，重新考虑了他们的 MVP。Blank 以此作为故事的结尾，并总结了从这支团队身上学到的主要教训：

• 最小可行产品并不总是最终产品的较小 / 较廉价的版本；
• 考虑用廉价的方法来验证目标；
• 伟大的创始人持续关注价格。

查看英文原文： An MVP is about Smart Learning