Sabitlenmiş Tweet
Utada(work)
3.3K posts

Utada(work)
@Utada_INTP
@24_Dimensiona Founder, creator | JP community🌸| No Music No Life | Gamer, ACG | #INTP🧐
universe Katılım Kasım 2019
2.3K Takip Edilen558 Takipçiler
Utada(work) retweetledi
Utada(work) retweetledi
Utada(work) retweetledi
Utada(work) retweetledi

《SAAS 创业八个月,我有点不信 Build in Public 了》
创业八个月了,我开始怀疑那些关于"Build in Public"的主流说法。
一开始我完全相信这套理论。开通了小红书、公众号、Twitter,甚至在社交媒体上记录整个创业过程。这些建议听起来很有道理:分享你的过程,早期获得反馈,围绕产品建立社区。
但现实是什么样的呢?
来的人根本不是客户——而是其他创业者、工具收集爱好者,还有创业圈的围观群众。每条更新都吸引同一批人:想要免费试用的程序员、寻求认同感的准创业者,甚至还有来做市场调研的竞争对手。
当你在公开场合构建功能时,给你反馈的不是那些会为产品付费的人。你得到的是"专业早期用户"的评论,他们的主要兴趣是免费获得新工具的使用权。关键是,你根本分不清他们的热情来自真实需求,还是仅仅因为能免费尝试新东西而兴奋。
在这些社区里的对话让人沮丧。大家想讨论宏大愿景和市场理论,而不是我的产品试图解决的具体痛点。他们会建议一些听起来很厉害但与付费客户实际需求完全不符的功能。这完全就是披着用户调研外衣的学术自慰。
我开始潜伏在其他创业社群里观察,发现不只是我遇到这种情况。到处都是同样的模式:活跃参与者主要是开发者、想创业的人,还有我称之为"专业测试员"的群体——这些人像收集宝可梦卡片一样收集新工具的试用权,但从不成为付费客户。
这个认知让我如醍醐灌顶:在公开创业空间最活跃的人,往往最不能代表你的真实市场。
如果你要服务的是主流用户——而不仅仅是技术圈的早期采用者——那么为Product Hunt发布和创业Twitter病毒传播而优化可能是适得其反的。你本质上是在用那些永远不会付费的人的反馈来训练产品开发流程。
拿我的AI应用举例。我想触达的是普通职场人士,而不是AI发烧友。但猜猜当我分享更新时谁在主导对话?是那些想讨论模型架构的AI极客,而不是只是希望内容创作流程能提升10%效率的忙碌营销经理。
残酷的真相是,Build in Public经常创造一个回音室。你最终会和其他也在尝试公开构建的创始人对话,形成这种奇怪的元社区,大家都在表演创业,而不是真正服务客户。
我学到的是:来自公开社区的早期反馈通常是噪音,而不是信号。真正的客户通常忙于自己的实际工作,没时间在创业社区里给创业者提供免费咨询。
愿意参与你的公开构建过程的人,往往落入几个可预见的类别:做市场调研的竞争对手、探索副业项目的开发者、创业观光客,以及可能有也可能没有真金白银的投资人。这些群体都没有你真正目标客户的紧迫性和约束条件。
我不是说Build in Public完全没用。对某些特定类型的产品——特别是开发者工具或专门针对创业社区的产品——它可能有效。但如果你要服务主流市场,你可能完全是在为错误的受众优化。
真正的问题不是Build in Public是否帮你找到用户——而是是否帮你找到正确的用户。经过八个月的尝试,我越来越确信,对大多数产品来说,答案是否定的。
也许是时候承认,最好的客户调研发生在无聊的地方:行业论坛、LinkedIn群组,以及与真实目标用户的咖啡馆对话——而不是在创业Twitter和创业者抖音的光鲜世界里。
有时候最有价值的反馈来自那些永远不会关注你公开内容的人,但如果你把他们的问题解决得足够好,他们会默默掏出信用卡。
这是我希望八个月前就有人告诉我的道理。
中文
Utada(work) retweetledi
Utada(work) retweetledi

人性的事后诸葛亮的幻觉非常强烈。如果不被真实世界毒打二三十年,如果不严肃书面一步步复盘自己犯过的各种错误,会真诚而轻浮的误以为,自己未来可以很容易抓住某个十倍股,百倍股的机会。
但实际机会来的时候,要么抓不住 ;要么抓住了,赚点小钱就跑 ;要么被错误机会引诱,开始赚点小钱,然后很快直接掉到大坑里,亏损更多。
这就像一些不求甚解的人,看到被改得面目全非的史书后,轻浮的认为古人都是傻X,自己上台后肯定处处占据着上帝视角,从谏如流,礼贤下士,百折不挠,神勇无比。结果一出招就一败涂地,身首异处。
严肃的,知识诚实的复盘应当这样操作:
询问 AI:
为什么某个股票或者资产在某年被大众严重低估 (因此导致后面几十倍的增幅)?
当 AI 详细的列出几个当时被低估的具体原因后,再继续询问:
如果当时根据我所得到的信息,我是否可以看得比别人更远?
我收集哪一类的信息,有可能看得比别人更远?
我到什么 (以前没有意识到的) 场合,可以高效的搜集到这样的信息,进而得到置信度比较高的结论?
这个公司的股价曾在某年某月发生暴跌,当时的背景和直接原因是什么?
我在那种情况下,会不会也跟着恐慌性抛售?
如何通过调整自己的思维模型,关注问题的角度,和信息管道,来避免被裹挟而恐慌?
等等。
问了五到十个个问题之后,要么会最终承认:这个机会,当时的条件确实没法抓住。
要么得到明确而有效的建议,对之前忽略的,某些特定场合,特定类别的信息更为敏感,帮助自己更有效而遥遥领先的做出置信度比较高的预测。
有效信息的搜集和分析,比真正吭哧吭哧干活还是要轻松至少一个数量级,而且有些方法论可以推广别的行业。
中文


