用途
该技能用于在极端不确定条件下构建新产品或新服务时提供决策框架。其核心问题是：大多数创业失败并非因为无法构建产品，而是因为构建了无人想要的东西。技能主张用一套面向不确定性的管理方法替代“计划不足、执行不够或愿景不对”的默认归因。
适用判断可参考：若你正在构建产品且未知客户是谁，应先做客户发现；若已知客户但尚未达到产品/市场契合，则使用本技能；若已契合，则面向主流规模化扩张。若只是优化已知市场中的既有产品，可借鉴小批量和五个为什么等原则，但无需整套框架。
核心概念
创业被定义为一个人类组织，用于在极端不确定条件下创造新产品或服务，适用于车库创业者、企业内部创业者和政府创新者。
五项原则包括：创业者无处不在；创业是一种管理；经证实的认知（由经验数据支撑）；构建—衡量—学习循环；创新核算。
构建—衡量—学习：将想法转化为产品、衡量响应、学习应转型还是坚持。关键在于缩短整个循环的总时间。规划顺序是反向的：先确定需要学习什么，再确定哪些数据能说明问题，最后只构建获取该数据所需的部分。
价值假设与增长假设
每个创业都建立在两个未经检验的假设之上：价值假设——产品是否对使用它的客户产生价值，可通过参与度、留存率、付费意愿测试；增长假设——新客户如何发现产品，可通过病毒系数、推荐率、口碑追踪测试。两者都必须经验证，不可假定。测试前可用类似成功案例（analogs）与类似失败案例（antilogs）来锐化假设。
最小可行产品（MVP）
MVP 是以最小努力通过构建—衡量—学习循环的最快方式。它不是最小的产品，而是测试跳跃式假设的最小实验。MVP 是学习工具、只测试一个特定假设、以最大化学习为目标、可能缺少功能与打磨、可以简单到令人尴尬；它不是粗糙的 1.0 版本、不是最小功能集、不是给投资人看的原型、不是概念验证、不是演示。
MVP 类型包括：视频型，在构建前评估需求；礼宾型，对单个客户人工交付价值；绿野仙踪型，前端自动化、后端人工；单功能型，用真实使用测试单一价值驱动力；烟幕测试型，用落地页与注册表单在构建前评估需求。
关于质量：如果不知道客户是谁，就不知道质量是什么。应发布 MVP，让客户行为而非意见来定义质量。
创新核算
传统会计难以衡量创业公司。创新核算提供替代方案，包含三个学习里程碑：
- 建立基线：构建 MVP、放到真实客户面前、衡量当前引擎状态（转化率、留存、收入）。
- 调优引擎：运行实验，将指标从基线推向理想值；每个实验测试一个假设；跟踪变化是否真正移动数字。
- 转型或坚持：若调优有效且朝理想推进则坚持；若无效则根本性改变策略。
虚荣指标与可行动指标的对比：累计注册数对分群注册数；总收入对分群每客户收入；页面浏览对分步转化率；点击对分群留存；注册用户对活跃用户/注册用户。
好指标的三 A 原则：可行动（改变 X 则指标 Y 移动，因果关系清晰）、可理解（全公司都能懂，使用分群报告而非累计）、可审计（数据可追溯到真人，与数字背后的客户交谈）。
转型或坚持
转型是结构化的方向修正，用于测试关于产品、策略和增长引擎的新根本假设，不是失败。转型会议应定期举行（每月或每季度），产品开发与业务领导共同参加，审查实验是否推动指标朝理想模型移动、投入的时间与资源是否匹配进展、对假设学到了什么。
十种转型：放大（单一功能成为整个产品）、缩小（整个产品成为更大事物的一部分）、客户细分、客户需求、平台、商业架构、价值获取、增长引擎、渠道、技术。
跑道 = 剩余转型次数：真正的跑道衡量标准是还能测试多少假设，而非现金月份。
三种增长引擎
每个创业的增长由一个主导引擎驱动，应一次聚焦一个：
- 黏性引擎：高留存，关键指标为流失率，当新客户获取大于流失时增长。
- 病毒引擎：客户在使用中招募新客户，关键指标为病毒系数 k，当 k>1.0 时增长。
- 付费引擎：花钱盈利性获客，关键指标为 LTV 与 CPA，当 LTV>CPA 时增长。
引擎选择：若产品天然可分享或被非用户看见，先测试病毒引擎；否则若客户反复使用（每日/每周），先测试黏性引擎；否则先测试付费引擎。引擎最终会耗尽，届时需转型或寻找新引擎。
小批量
借鉴丰田生产系统。小批量意味着更快学习、更少浪费：大批判是全部构建后再测试、缺陷发现晚且修复昂贵、反馈周期长；小批量是一件事构建后立即测试、缺陷发现早且修复便宜、反馈周期短。大批量看似高效，却会形成死亡螺旋：批量越大，测试越久，返工越多，下一批需要更大以追赶，测试更久。
拉动而非推动：在制品即库存，未经验证的功能即是浪费，只构建下一个实验所需的部分。
五个为什么
改编自丰田生产系统。方法：连续问五次“为什么”，将症状追溯到根因，并在每一层做相称投入。为避免变成指责，应注意：所有受影响者都在场；资深者先说“我们错在让这个错误如此容易犯”；聚焦坏流程而非坏人；指定五个为什么主持人；从狭窄具体的问题开始；绝不从遗留问题开始。
决策树
选择 MVP：若需学习客户是否想要，用烟幕测试或视频 MVP；若需学习客户是否付费，用礼宾型或绿野仙踪型（人工交付并收真钱）；若需验证技术能否实现，用技术原型（这是工程风险而非市场风险）；若需确定哪些功能重要，用单功能 MVP 加拆分测试。
是否转型：若实验朝理想推进则坚持；若推进极慢，调查是否已无容易的优化空间，若是则考虑转型，若否则继续调优但设截止日期；若无推进且已穷尽当前策略的实验想法则转型。转型后做加速测试：新方向是否带来更快学习；若 MVP 周期没有缩短，说明仍有问题。
识别虚荣指标：无论做什么都涨的指标是虚荣指标，改用分群或每客户指标；能追溯到具体变化对该指标影响的才是可行动指标；否则用拆分实验验证。
关键数字与经验法则
2 个跳跃式假设（价值与增长）；3 个学习里程碑（基线、调优、转型或坚持）；3 种增长引擎（黏性、病毒、付费）；一次聚焦 1 个引擎；病毒增长需要 k>1.0；付费引擎需要 LTV>CPA；根因分析问 5 个为什么；10 种转型；IMVU 每日部署 50 次（持续部署）。
常见失败模式
成功执行一个无人验证的计划（对策：从第一天建立构建—衡量—学习循环）；虚荣指标（对策：分群分析、可行动指标、拆分测试）；过早优化（对策：先发布 MVP，建立基线后优化）；大批量死亡螺旋（对策：小批量、持续部署）；学习表演（无数据支撑的“我们学到了很多”）；成功表演（挑选指标美化）；转型太晚（情感依恋延误转型）；转型太快（实验尚未产生数据就转型）；功能工厂（把发布功能当进步，每个功能都应绑定假设与指标）。
现代适用性
仍然适用：任何产品/市场契合之前的创业、测试新业务线的企业创新团队、硬件与实体产品（周期更长）、任何不确定所做产品是否可行的团队。
显示时代局限：AI 原生产品的反馈循环可被自动化；PLG/病毒优先产品中 MVP 概念已被充分理解，更难的问题是分发；超增长 VC 模型下“跑道=剩余转型次数”与“闪电式扩张”压力冲突；无代码/低代码使构建 MVP 变得很便宜，瓶颈变成找用户而非构建产品。
本技能所保留的核心：以经证实的认知而非功能或代码作为进步单位；构建—衡量—学习作为基本循环；MVP 是实验而非小产品；虚荣指标是默认陷阱；转型是结构化假设变更；小批量几乎总是优于大批量；五个为什么用于相称投入。
限制
资料明确说明：本书出版于 2011 年，案例多来自 2004—2010 年科技公司（IMVU、Dropbox、Groupon、Zappos、Votizen 等），其中部分已成为家喻户晓的公司，部分已转型或消亡。实证基础来自作者在 IMVU 的经历及咨询顾问经验，属于轶事性案例研究，而非统计研究，作者本人也承认这一点。在达到产品/市场契合后的规模化、市场动态、以及 MVP 方法具有危险性的深度基础设施产品（医疗设备、航空软件）方面较弱。书中较少涉及如何与客户对话（可参考 The Mom Test）。
配套文件说明：frameworks.md、cases.md、examples.md、integration.md 分别提供框架详解、案例、模板与工具集成说明。具体文件内容暂未提供。