MVP

Синтез и принятие решения Go-Scale / Pivot / Stop

Синтез и принятие решения Go-Scale / Pivot / Stop

Синтез MVP — это структурированная финальная сессия, закрывающая всю стадию итеративного поиска PMF: команда агрегирует результаты всех BML-циклов и активностей, сопоставляет их с целями и вопросами MVP, фиксирует уровень достижения Product-Market Fit и принимает обоснованное решение о дальнейшем пути. Главный результат трансформации: команда переходит от «кажется, что-то работает» к «у нас есть данные, которые явно указывают на Go-Scale, Pivot или Stop».

Почему это критично? Без явного финального checkpoint'а MVP не завершается — он «продолжается». Команды бесконечно находятся в «режиме MVP», добавляя фичи и оптимизируя метрики, не отвечая на ключевой вопрос: достаточно ли это хорошо, чтобы начать масштабировать? Или команда совершает обратную ошибку: видит первые положительные сигналы и немедленно переходит к Scale — прежде чем PMF подтверждён на достаточной выборке и в воспроизводимых условиях. Оба сценария разрушительны.

Eric Ries называет это «persevere vs. pivot decision» — и подчёркивает, что это решение должно приниматься формально, по данным, а не интуитивно.

Пошаговый алгоритм реализации

1. Собрать все данные MVP

Агрегируйте результаты всех активностей:

2. Проверить PMF по многомерным критериям

PMF — это не одна метрика. Используйте четыре независимых сигнала:

Сигнал Метрика Порог PMF
Retention D30 Retention > 40% (consumer), > 20% (B2B)
Willingness to lose Sean Ellis test > 40% «very disappointed»
Word-of-mouth Organic growth rate > 10% новых пользователей приходит по рекомендации
Unit Economics LTV/CAC > 3× на реальных данных

Правило «4 из 4»: если все четыре сигнала выше порога — сильный PMF, Go-Scale. Если 3 из 4 — PMF есть, но требует доработки перед масштабированием. Если < 3 — PMF не достигнут.

Важная оговорка: все данные должны быть получены на репрезентативной выборке (минимум 100–200 активных пользователей из ICP), а не на личном окружении команды. PMF на 20 знакомых фаундеров — не PMF.

3. Сопоставить результаты с целями и вопросами MVP

Пройдитесь по каждой цели и каждому ключевому вопросу MVP. Для каждого зафиксируйте:

4. Принять решение: Go-Scale / Pivot / Stop

Go-Scale — все четыре PMF-сигнала подтверждены:

Pivot — сигналы есть, но недостаточны:

Stop — PMF недостижим в текущей конфигурации:

Зафиксируйте решение с явным обоснованием: какие данные привели к этому выводу, что должно измениться, чтобы пересмотреть решение, и в течение какого времени.

Ожидаемые результаты и артефакты

Хороший пример: Rahul Vohra — How Superhuman Built an Engine to Find PMF — Vohra описывает явную систему измерения PMF: Sean Ellis test → сегментация по ответам → выявление «любящих» пользователей → определение их профиля → фокус продукта на этот профиль. Решение о переходе к масштабированию было принято не интуитивно, а по достижению конкретного порога: Sean Ellis > 40% на выборке > 200 пользователей из ICP.

Плохой пример: Многие стартапы объявляют PMF, когда Sean Ellis > 40% на первых 30 пользователях — знакомых, коллегах, ранних последователях, пришедших по личной просьбе. Затем масштабируют — и обнаруживают, что у следующих 500 пользователей retention 8%. PMF был ложным: выборка нерепрезентативна, результаты нельзя воспроизвести. Стоимость ошибки — потеря 6–12 месяцев runway на масштабирование без реального PMF.

Риски игнорирования


Инструментарий

Шаблоны
Методики и фреймворки
Инструменты
Источники