官方技能 · 策略

開發－測量－學習循環

v1.0.1 · 2026 年 11 月 4 日更新

把新點子整理成一頁實驗卡：風險最大的假設、最小的測試、事先定好的指標與門檻、決策日期，以及轉向或堅持的規則。

加入我團隊的 Pod

可在 Claude、ChatGPT 和程式設計代理中使用。使用 Team 和 Business 方案時，我們改進官方技能後，你 Pod 裡的這個技能會自動更新。

適用情境

在未驗證的假設上花幾週開發新東西之前
有人問 MVP 是什麼，或怎麼驗證一個點子
數字持平，團隊在爭論要不要轉向

你要提供的內容

點子：客戶、問題、提供的東西
目前為止的證據
一次測試的時間、預算和決策者
產品已存在時的目前基準值

你會得到的內容

一張實驗卡，包含信念躍進假設、要學到什麼、指標與門檻、MVP、堅持／轉向／落在中間的規則，以及下一輪。

運作方式

列出信念躍進假設 寫下整個計畫賴以成立的信念。依 Ries 提出的兩類分組：價值假設（客戶用了之後確實得到價值）和成長假設（新客戶會找到它並且上門）。再加上任何一旦不成立計畫就結束的信念（他們願意付這個價格、合作夥伴會串接）。
挑出風險最大的一個 選最可能不成立、而且不成立時代價最大的假設。一張卡只驗證一個。如果兩個不相上下，先驗證比較便宜的那個。
寫出要學到什麼 一句可以被證偽的話：「我們相信 [客戶] 會 [行為]，因為 [理由]。」行為勝過意見：付款、註冊、回來使用、推薦別人。「你會用嗎？」的回答不算學習。
現在就選定指標、設好門檻 選一個能呈現該行為的指標，按世代（cohort，同一期間進來的人）計算，而不是累計總數。在測試開始前定好通過線：「[天數] 天內，[n] 位試用者中至少 [n] 位做到 [行為]」。寫出為什麼是這個數字：什麼結果能讓這門生意成立。避開虛榮指標，例如總註冊數或瀏覽量，不管做什麼它們都會上升。
設計最小的測試 挑能在真實客戶身上產生該指標、最便宜的 MVP：一個附價格和報名的到達頁、在簡單前台後面用人工提供的服務、一支示範影片、預購、只有單一功能的版本。Ries 把 MVP 定義為用最少的力氣換到最多驗證式學習的版本，所以凡是對指標沒有幫助的都刪掉。
定好決策日期和規則 定下結束日期和最少客戶數。寫出規則：指標過門檻就堅持；明顯不到就轉向（寫明要改計畫的哪個部分：客群、問題、通路、價格或解決方案）；落在中間時，寫出下一輪要測的一個改動。寫明由誰決定。
規劃下一輪 寫出這輪通過後下一個要驗證什麼，並排定固定的「轉向或堅持」檢討（例如每幾週一次），讓決定依據證據而不是心情。

分享給你的團隊

把它加入 AI Skill Pod，團隊每個人（外包人員也包括在內）都能從自己的 AI 使用同一個版本。看看和團隊分享 AI 技能的最佳做法