MVP如何选择用于验证核心假设的功能

MVP选择功能的核心依据是可证伪的核心假设,而非一份缩小版的产品需求清单。做法是先把要验证的假设写成“目标用户—场景—预期行为—预期结果”的表述,再逐条映射到能产生可观察证据的最小功能,按假设风险与验证成本排序裁剪,最后为每个功能设定指标、观察周期和放弃条件。本文给出这套流程的输入、动作、产出物与检查清单,并说明假设、功能条目和决策记录如何在同一处跟踪状态。



要点总览(TL;DR)


  • MVP功能选择的起点是可证伪的核心假设:每条假设写清目标用户、场景、预期行为和预期结果,并标注风险等级与现有证据状态。
  • 把假设逐条映射到能产生可观察证据的最小功能,只保留“去掉后假设无法验证”的功能,剔除内部效率、体验打磨和未来扩展类需求。
  • 按假设风险从高到低、验证成本从低到高排序,设定范围上限并明确裁剪顺序,同时记录本期不做清单和重新评估条件。
  • 每个保留功能在开发前写清观察指标、样本范围、观察周期,以及通过、失败、证据不足三种判定口径和放弃条件。
  • 产出物包括假设清单、假设—功能映射表、MVP范围与不做清单、验证指标表;假设、功能条目和决策记录可在ONES中关联跟踪。


先写清要验证的核心假设


MVP的功能范围来自假设清单,而不是来自竞品功能对比或完整产品规划。假设写得越具体,后续筛选功能时争议越少。一个可用的假设句式是:“我们相信【目标用户】在【具体场景】下,会做出【可观察的行为】,从而带来【可衡量的结果】。”四个要素缺一项,这条假设就无法验证。


例如“用户会喜欢更快的审批”不是假设,因为它没有目标用户、场景和可观察行为。改成“我们相信20人以下团队的项目负责人在提交周报时,如果支持一键汇总任务进展,会有超过一半的人连续两周使用该功能并减少手工整理时间”,就具备了验证条件:对象、场景、行为、结果都在里面。


区分价值假设与增长假设


价值假设回答“用户是否真的需要并愿意使用这个解决方案”,增长假设回答“用户能否被获取、留存和传播”。MVP阶段优先验证价值假设:如果核心价值不成立,获客渠道和增长机制再精巧也没有意义。增长假设可以列出,但通常放到价值假设获得初步支持之后再验证。


为每条假设标注风险等级与证据状态


风险等级按“假设不成立时对项目的打击程度”判断,分为高、中、低三档。证据状态记录当前已有什么支撑:只有团队判断、有少量用户访谈、有行为数据、有付费意向等。高风险管理、低证据状态的假设,就是MVP必须优先覆盖的对象。


假设编号 假设表述(目标用户—场景—行为—结果) 类型 风险等级 现有证据
H1 项目负责人每周整理进展耗时超过1小时,愿意用自动汇总替代手工整理 价值假设 高 仅3次访谈,无行为数据
H2 团队成员愿意每天更新任务状态,以保证汇总数据可用 价值假设 高 团队判断,无证据
H3 负责人愿意把汇总结果直接用于向上汇报 价值假设 中 2位用户口头认可
H4 新用户能通过邀请同事自然带入团队使用 增长假设 中 无

这张表就是后续所有筛选工作的输入。完成标志是:每条假设都能被一次具体的用户行为证伪,且风险等级和证据状态已填写。



把假设映射到最小功能集


映射的动作是逐条追问:要观察到这条假设对应的行为,最少需要产品提供什么?答案写进映射表,一个功能一行,注明它服务哪条假设、产生什么证据。没有对应假设的功能,不进入候选清单。


功能 服务的假设 产生的证据 是否验证必需
任务进展一键汇总 H1 负责人每周使用次数、手工整理时间变化 是
任务状态快捷更新 H2 成员日均更新率、连续更新天数 是
汇总结果导出为汇报格式 H3 导出次数、是否用于实际汇报 是
自定义报表样式 无直接对应 无 否
团队邀请与权限配置 H4 邀请转化率 本期暂缓

判断“验证必需”的三条标准


  • 去掉该功能后,对应假设无法被观察或无法被证伪;
  • 该功能产生的证据能直接影响“继续、调整、放弃”的决策;
  • 实现成本在可接受范围内,或用人工、手动流程可以替代。

三条同时满足才保留。只满足一条的功能,先放入待定区,不进入MVP范围。


剔除三类功能


第一类是只服务内部效率的功能,例如后台批量配置、运营看板,它们让团队工作更顺,但不产生用户侧证据。第二类是体验打磨,例如动效、空状态插画、多主题,这些应在价值假设成立后再投入。第三类是未来扩展,例如多语言、开放接口、复杂权限模型,它们服务的是尚未验证的增长假设。剔除不等于否定,而是记录到“本期不做清单”,注明重新评估的触发条件。


一个功能服务多条假设时的取舍


优先保留服务高风险管理假设的功能。如果同一功能同时服务高低两类假设,在映射表中标注主假设,验证指标以主假设为准,避免指标过多导致结论模糊。若两条假设风险都高且方向冲突,拆成两个更小的功能分别验证,或先验证其中一条,把另一条列入下一轮。



按风险与验证成本排序取舍


初筛后的候选功能往往仍多于MVP能承载的范围,此时用两级排序确定最终范围:先按所服务假设的风险等级从高到低排,风险相同时再按验证成本从低到高排。风险优先保证MVP回答的是最关键的问题,成本次序保证在有限周期内能拿到结论。


可接受的替代验证手段


很多功能不必先写代码。人工代替是用运营或产品人员手动完成汇总、匹配、通知等动作,观察用户是否持续使用;手动流程是用表单、文档和固定会议模拟产品流程;现成工具是用已有的表格、问卷、协作工具搭出可用版本。替代手段的适用条件是:能产生与真实功能相近的可观察行为,且用户知道这是早期版本。替代手段不能验证的性能、稳定性类假设,仍需真实实现。


设定范围上限与裁剪顺序


范围上限按团队在验证周期内能完成并观察到结果的工作量设定,常用口径是“一个迭代周期内可交付的功能数”或“人天总量”。超出上限时,按以下顺序裁剪:先去掉服务中低风险假设的功能,再去掉可用人工替代的功能,最后合并证据来源重复的功能。裁剪后的每一条都要回到映射表确认:被裁掉的假设是否还有别的功能覆盖,若没有,该假设应明确转入下一轮。


记录本期不做清单


不做清单至少包含功能名称、原对应假设、暂缓原因、重新评估的触发条件。这份清单是后续范围讨论的依据,也能防止MVP在开发过程中被逐步加回完整产品。


顺序 功能 对应假设 风险 验证成本 结论
1 任务进展一键汇总 H1 高 中 保留
2 任务状态快捷更新 H2 高 低 保留
3 汇总结果导出 H3 中 低 保留(可用手动导出替代)
4 团队邀请与权限 H4 中 中 转入下一轮
5 自定义报表样式 无 — 高 不做


为每个功能设定验证指标与放弃条件


功能上线不等于验证完成。每个保留功能都要在开发前写清观察指标、样本范围、观察周期和判定口径,否则上线后只能凭感觉争论。指标应尽量指向行为而非态度,例如使用频次、完成率、留存天数,而不是“用户反馈不错”。


功能 观察指标 样本范围 观察周期 通过 失败 证据不足
一键汇总 周活跃负责人中使用汇总的比例、手工整理时间自报变化 首批10个团队的项目负责人 2周 ≥50%连续两周使用且时间下降 <20%使用 20%–50%或样本不足
状态快捷更新 成员日均更新率、连续更新天数 同上10个团队全体成员 2周 日均更新率≥70% <40% 40%–70%
汇总导出 导出次数、是否用于实际汇报 使用过汇总的负责人 2周 ≥30%的汇总被导出并确认用于汇报 无人用于汇报 有导出但用途不明

三种结论的判定口径


通过表示假设获得初步支持,可以进入下一轮扩大样本或验证增长假设;失败表示假设被证伪,应停止在该方向追加投入,并记录原因;证据不足表示数据未达到判定阈值或样本偏差明显,处理方式是延长观察周期、扩大样本或改用访谈补充,不能直接当作通过。


预设放弃与转向条件


放弃条件在开发前写定,例如“连续两周使用率低于20%即停止该功能迭代”。转向条件描述假设部分成立时的调整方向,例如“汇总使用率高但导出率低,说明价值在内部查看而非向上汇报,下一轮转向团队内同步场景”。条件与指标绑定,避免上线后临时改口径。


数据采集与最小埋点


最小埋点只需覆盖三类事件:功能是否被打开、核心动作是否完成、是否重复使用。能用现成工具统计的,不额外开发;需要人工核对的,指定记录人和记录频率。埋点方案与指标表一起评审,确保每个指标都有对应的数据来源。



角色分工与交付物


这套流程要落地,需要明确谁写假设、谁做映射、谁定指标、谁看数据。角色可以一人多岗,但每项交付物要有唯一负责人。


角色 主要职责 产出
产品负责人 组织假设梳理,主持映射与排序评审,维护不做清单 假设清单、映射表、MVP范围
业务/用户研究 提供访谈与行为证据,校验假设表述是否可观察 证据状态记录、访谈结论
研发 评估实现成本,提出人工替代方案,落实埋点 成本估算、替代方案说明、埋点清单
数据 定义指标口径,搭建采集与统计,输出周期报告 验证指标表、周期数据报告

流转节点建议设三个评审:假设清单评审确认可证伪性;映射与排序评审确认MVP范围和不做清单;指标评审确认每个功能都有判定口径。每次评审形成决策记录,写明结论、依据和反对意见。假设、功能条目、验证指标和决策记录分散在多个文档里时,状态容易脱节;可以在ONES中把每条假设建成工作项,关联对应功能需求与验证文档,用状态字段标记“待验证、验证中、已通过、已放弃”,决策记录沉淀在ONES Wiki并保留版本,便于回溯每次范围调整的依据。



一个完整示例:从假设到MVP功能清单


以下为演示情景,用于说明方法,不代表真实项目数据。某协作工具团队怀疑“周报整理”是高频痛点,计划用MVP验证。


假设写法与风险标注


团队写出三条假设:H1,20人以下团队的项目负责人每周花超过1小时整理进展,愿意用自动汇总替代手工整理(价值假设,高风险,仅有5次访谈);H2,团队成员愿意每天更新任务状态(价值假设,高风险,无证据);H3,负责人会把汇总结果用于向上汇报(价值假设,中风险,2人表示会)。增长假设暂不列入本轮。


映射与排序过程


映射后得到五个候选功能:一键汇总、状态快捷更新、汇总导出、自定义报表、团队邀请。按三条标准初筛,自定义报表无对应假设被剔除;团队邀请服务增长假设,转入下一轮。剩余三个功能按风险排序:一键汇总与状态更新服务高风险假设,优先保留;汇总导出服务中风险假设,且可用手动导出替代,保留但降低实现投入。范围上限为一个迭代周期,三个功能均未超限。


最终功能清单与判定条件


功能 假设 指标 周期 放弃条件
一键汇总 H1 负责人周使用率、整理时间变化 2周 使用率连续两周低于20%
状态快捷更新 H2 成员日均更新率 2周 更新率低于40%且访谈确认无意愿
汇总导出(手动替代) H3 导出并用于汇报的比例 2周 无人用于实际汇报

本期不做清单记录:自定义报表(无对应假设)、团队邀请(增长假设,待价值假设通过后评估)、多语言(未来扩展)。



完成检查:MVP功能选择是否站得住


在开发启动前,用以下清单逐项核对。任何一项不满足,回到对应章节补齐,而不是直接进入开发。


  • 每条核心假设都包含目标用户、场景、预期行为和预期结果,且能被一次具体行为证伪;
  • 每条假设都标注了风险等级和现有证据状态,高风险管理假设已进入本轮范围;
  • 每个保留功能都能在映射表中追溯到至少一条假设和一类证据;
  • 被剔除的功能已记录原因,属于内部效率、体验打磨或未来扩展的已归入不做清单;
  • MVP范围未超过设定的上限,超出部分已按裁剪顺序处理;
  • 每个功能都有观察指标、样本范围、观察周期和通过、失败、证据不足三种判定口径;
  • 每个功能都写明了放弃或转向条件,且条件与指标绑定;
  • 指标都有对应的数据采集方式,埋点或人工记录责任到人;
  • 假设清单、映射表、范围决策和指标表各有唯一负责人,评审记录完整;
  • 不做清单包含重新评估的触发条件,变更留痕可查。

这份清单同时回答了“功能选择是否合理”:合理的MVP范围应当能用一句话说清本轮要验证哪几条假设、用什么证据判断、什么情况下停止。说不清,说明假设或指标还需要继续收敛。



常见问题


MVP阶段应该先验证价值假设还是增长假设?


优先验证价值假设。价值假设回答用户是否真的需要并愿意使用这个解决方案,增长假设回答用户能否被获取、留存和传播。核心价值不成立时,获客渠道和增长机制再精巧也无法支撑项目。增长假设可以列出来,但通常放到价值假设获得初步支持之后再验证。


如果团队已有明确的付费用户基础,或增长瓶颈已被反复验证,也可以把某条增长假设提前,但要在假设清单里注明理由和风险等级。


没有开发资源时,能否用人工或现成工具代替功能完成验证?


可以,前提是替代手段能产生与真实功能相近的可观察行为,且用户知道这是早期版本。常见做法包括由运营或产品人员手动完成汇总、匹配、通知,用表单和文档模拟产品流程,或用现成的表格、问卷、协作工具搭出可用版本。


替代手段适合验证用户是否愿意持续使用某类价值,不适合验证性能、稳定性等依赖真实实现的假设,这类假设仍需真实开发后再判断。


验证数据落在“证据不足”区间时该怎么处理?


证据不足表示数据未达到判定阈值或样本偏差明显,处理方式是延长观察周期、扩大样本,或改用访谈补充定性信息,不能直接当作通过。为避免反复出现这种情况,指标表应在开发前写清样本范围和最小样本量,并确认数据采集方式可用。


如果多次延长后仍无法得出结论,通常说明指标设计过粗或样本获取渠道有问题,应回到指标表调整口径,而不是继续等待数据。


MVP开发过程中业务方不断加需求,如何守住范围?


用不做清单和裁剪顺序来应对。每个被暂缓的功能都记录原对应假设、暂缓原因和重新评估的触发条件,新需求进入时先判断它服务哪条假设、是否已有功能覆盖,再决定放入本轮、下一轮还是不做。


范围变更应形成决策记录,写明结论、依据和影响,避免MVP在开发过程中逐步加回完整产品。假设、功能条目和决策记录分散时,可以在ONES中把假设建成工作项,关联对应需求与文档,用状态字段跟踪“待验证、验证中、已通过、已放弃”,决策记录沉淀在ONES Wiki并保留版本。


功能上线后假设被证伪,前期投入是否浪费?


证伪本身就是MVP的产出:它用较小成本排除了一个方向,避免团队在错误方向上继续追加投入。关键是把失败结论记录清楚,包括指标数据、样本范围、可能的干扰因素,以及该结论对后续假设的影响。


如果假设部分成立,例如汇总使用率高但导出率低,可以按预设的转向条件调整方向,把下一轮验证聚焦到真正被用户使用的场景上。