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:
- BML-цикл: итоговые retention кривые (D1/D7/D30), Sean Ellis test (% «very disappointed»), NPS, Activation Rate, количество пройденных итераций
- Онбординг: activation rate baseline и финальное значение, выявленный aha-moment, подтверждённый или скорректированный ICP
- Юнит-экономика: LTV/CAC ratio, Payback Period, Gross Margin, churn rate — с реальными данными, не прогнозными
- Каналы: определён ли хотя бы один воспроизводимый канал с LTV/CAC > 3×? Какой CAC, каков объём?
- Ценообразование: установлена ли цена с данными? Сходится ли модель с текущей ценой?
- Lean Canvas: текущая версия с зафиксированными изменениями относительно версии из Discovery
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:
- Получен ли ответ? Какие данные его подтверждают?
- Какова уверенность? Высокая (> 200 пользователей, воспроизводимые результаты) / Средняя / Низкая (< 50 пользователей, единичные случаи)
- Что осталось неизвестным? Это критично для Scale или допустимо?
4. Принять решение: Go-Scale / Pivot / Stop
Go-Scale — все четыре PMF-сигнала подтверждены:
- Retention стабильный и растёт от когорты к когорте
- Sean Ellis > 40% на репрезентативной выборке
- Найден хотя бы один воспроизводимый канал с LTV/CAC > 3×
- Юнит-экономика сходится при реальных ценах
- → Переход к стадии Scale: инвестировать в рост, найм, масштабирование канала
Pivot — сигналы есть, но недостаточны:
- Retention хорош у части пользователей, но не у тех, кого привлекаем (ICP нужно скорректировать)
- Sean Ellis < 40%, но 25–35% — есть база для улучшения
- Нет работающего канала, но юнит-экономика сходится при ручных продажах
- → Менять одну фундаментальную переменную: сегмент, ценностное предложение, канал или модель монетизации. Зафиксировать, что именно меняется и почему.
Stop — PMF недостижим в текущей конфигурации:
- D30 retention < 5% после 5+ итераций
- Sean Ellis < 20% стабильно
- Нет ни одного канала с положительной юнит-экономикой
- Несколько пивотов не улучшили ситуацию
- → Остановить направление. Зафиксировать выводы для следующего продукта.
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
- Многомерная оценка PMF: retention + Sean Ellis + word-of-mouth + unit economics
- Финальная версия Lean Canvas, отражающая все итерации MVP
- Явное решение Go-Scale / Pivot / Stop с задокументированным обоснованием
- Список критических допущений, которые подтвердились в MVP и которые предстоит проверить в Scale
- Синхронизация команды: все видят одни и те же данные и одинаково понимают решение
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
- Бесконечный MVP: без явного критерия завершения команда оптимизирует метрики бесконечно, боясь перейти к Scale. «Ещё немного улучшим retention, потом пойдём в рост» — и этот момент никогда не наступает. Конкуренты, которые перешли к Scale раньше, занимают рынок.
- Преждевременный Scale: обратная ошибка — первые положительные сигналы интерпретируются как PMF, команда начинает масштабировать до его реального достижения. По данным Startup Genome Report, 74% высокорастущих стартапов провалились именно из-за преждевременного масштабирования. Синтез-сессия создаёт защиту от этого: решение принимается по данным, а не по воодушевлению.
- Рассинхронизация команды: каждый вынес из итераций MVP разные инсайты. CEO видит PMF, CTO видит технический долг, CFO видит неработающую юнит-экономику. Без синтез-сессии эти расхождения обнаруживаются в разгар найма и масштабирования — слишком поздно.
- Невоспроизводимый PMF: команда не фиксирует, при каких условиях PMF достигнут — какой сегмент, какой канал, какой онбординг, какая цена. При масштабировании эти условия меняются, и PMF «исчезает». Документирование синтеза создаёт воспроизводимую формулу.
Инструментарий
Шаблоны
- PMF Survey Template (Typeform) — готовый шаблон Sean Ellis теста с автоматической сегментацией ответов
- PMF Dashboard (Notion) — дашборд многомерной оценки PMF: retention + Sean Ellis + unit economics + word-of-mouth
- Lean Canvas Template (Miro) — финальное обновление Canvas с историей версий от Discovery до конца MVP
Методики и фреймворки
- Sean Ellis PMF Test (Sean Ellis, 2010) — опрос «how disappointed would you be if you could no longer use this product». Порог > 40% «very disappointed» = PMF signal. Важно: минимальная выборка 100+ пользователей из ICP, не из личного окружения.
- Retention Curve Analysis (Andrew Chen, a16z) — retention кривая, которая «выравнивается» выше нуля, = PMF signal. Кривая, которая стремится к нулю = нет PMF. Chen: «If your retention curve flattens, you might have PMF. If it goes to zero, you don't.»
- Pivot or Persevere Framework (Eric Ries, The Lean Startup) — формализованный процесс принятия решения на основе данных: собрать метрики → сравнить с целевыми → принять явное решение. Минимум 3 BML-цикла перед решением.
- Anti-Portfolio Analysis (общепринятая практика YC, a16z; критический разбор идей) — перед решением о Scale задайте вопрос: «Какие данные убедили бы нас, что PMF НЕ достигнут?» Если ответить сложно — вы в ловушке confirmation bias.
Инструменты
- Mixpanel / Amplitude — retention кривые, cohort analysis для многомерной оценки PMF
- Typeform / Tally — Sean Ellis test, NPS опросы с автоматической агрегацией
- Notion / Confluence — документирование синтеза: данные → выводы → решение
- Miro — финальная версия Lean Canvas, карта решения для команды
Источники
-
Eric Ries. The Lean Startup (Crown Business, 2011) — pivot vs. persevere framework, validated learning
-
Rahul Vohra. How Superhuman Built an Engine to Find PMF — образцовый кейс измерения и достижения PMF через Sean Ellis test
-
Andrew Chen. The Power User Curve — как интерпретировать retention данные для оценки PMF
-
Lenny Rachitsky. How to Know if You've Got Product-Market Fit — практический гайд с бенчмарками PMF для разных типов продуктов
-
How to Find PMF — Y Combinator — когда можно считать PMF достигнутым, как не обмануть себя
-
Deciding When to Pivot — Y Combinator — структурированный подход к решению pivot or persevere