用AI Coding做了5个MVP后，我发现：产品不需要人人都喜欢

最近，我陆续用AI Coding做了5个MVP（最小可行产品）：旅行转转、账号转转、销售转转、迷茫转转和下班转转。

它们不是什么复杂的大型应用，解决的问题也各不相同。有的帮助单身用户规划说走就走的国内旅行，有的帮助内容创作者梳理账号定位，还有的关注职业转型、短期行动规划和下班后的生活状态。

以前，我在互联网广告行业做营销策划和大客户销售，更多是根据客户需求寻找合适的产品和解决方案。现在借助AI Coding，我开始尝试把自己观察到的问题做成可以体验的小产品。

在这个过程中，我发现AI Coding降低的不只是开发门槛，也改变了我尝试产品想法的方式。

过去，一个相对小众的需求，可能因为开发投入太高而不值得单独做成产品。现在，我可以先做一个小版本，看看想法是否成立，再决定要不要继续投入。

不过，做完5个MVP之后，我发现自己更需要回答的，不是“还能增加什么功能”，而是：

这个产品到底是为谁做的？怎样判断它有没有真正解决问题？

「转转家族」系列MVP产品

01｜AI Coding降低了开发门槛，但没有替我们找到目标用户

做这5个MVP时，我并没有想过让它们适合所有人。

每个产品都有相对明确的使用场景，也带着我对某一类问题的理解。

这5个产品的共同点，是它们都从一个比较具体的场景出发，而不是试图解决所有人的问题。

例如，旅行转转并不适合所有旅行者。如果用户习惯提前几个月安排家庭旅行，他可能根本不需要一个面向单身、短途、说走就走场景的工具。

账号转转也不是万能的自媒体运营助手。它更关注文字类账号定位，而不是短视频拍摄、直播运营或者商业投流。

下班转转同样如此。它并不是一款提高工作效率的工具，甚至没有要求用户利用下班时间学习新技能。它只是希望帮助一部分人暂时放下手机，认真完成一件小事。

我越来越觉得，产品是可以有观点的。

产品定位意味着有所选择，也意味着主动放弃一些需求。

以前做互联网广告时，我们会根据不同客户的业务目标，选择不同的营销方案。现在做AI产品，我也在思考类似的问题：谁真正需要它？什么场景下会使用？哪些需求不应该被纳入第一版？

AI Coding让实现功能变得更容易，但并不会自动告诉我们应该做哪些功能。

如果没有明确的目标用户，开发成本再低，也可能只是不断制造新的功能。

02｜5个MVP的早期反馈，让我开始区分不同的验证信号

做出MVP之后，我开始把部分产品分享给朋友体验。

目前收集到的反馈还比较有限，但我发现，不同反馈能够支持的判断其实不一样。

旅行转转：获得了目标用户的初步认可

一位单身朋友了解旅行转转之后，觉得这个产品很适合自己。

这说明产品设想的使用场景，至少与一位潜在目标用户的需求存在一定契合。

但我不能因此判断产品已经通过市场验证。

用户觉得适合，不代表下一次旅行时一定会使用；使用一次，也不代表会持续使用。

如果要进一步验证，我更希望观察她在真实旅行场景中的行为：是否会主动打开产品、哪些功能真正被使用、有没有完成原本想做的事情。

账号转转：出现了一个值得深入了解的真实需求

另一位朋友扫码体验了账号转转。

她之前做过抖音账号，现在准备重新开始内容创作，主要分享自己从事的行业。但她还没有决定，是重启原来的抖音账号，还是重新做公众号、小红书。

她希望通过我的文章和MVP，看看自己的账号存在哪些问题，以及之后可以改进的方向。

这个案例让我发现，用户带着什么问题来到产品面前，和我最初设想的产品功能，可能并不完全一致。

我设计账号转转时，主要关注账号定位，包括内容方向、目标读者和表达价值。

但她的实际问题可能更靠前：究竟应该在哪个平台重新开始？

目前她还没有给出明确的使用结果，所以我不能判断账号转转是否真正解决了她的问题。

不过，这个需求线索值得进一步研究。

如果目标用户普遍需要先解决平台选择问题，再讨论账号定位，那么我就需要重新思考产品的使用流程。

但如果这只是个别用户的特殊情况，也不一定值得马上增加新功能。

销售转转、迷茫转转和下班转转：仍处于待验证阶段

另外三个MVP目前还没有足够的用户反馈。

其中，销售转转与我的职业经历关系最密切。我熟悉大客户销售的工作方式，也了解一些常见的转型问题，但这不意味着我做出来的产品一定符合目标用户的实际需求。

迷茫转转和下班转转则更多来自我对某些生活状态的观察。

我认为，面对复杂选择时，先确定未来90天的行动方向可能比追求完美答案更现实；下班后花20分钟做一件小事，也可能帮助一部分人减少无意识刷手机的时间。

但这些目前都只是产品假设。

它们能否真正帮助用户，需要通过后续体验和使用行为来判断。

回头看，我现在至少需要区分四种不同的信号：

• 初步认可： 用户认为这个产品可能适合自己。
• 实际使用： 用户在真实场景中愿意打开并操作。
• 问题解决： 产品确实帮助用户完成了原本想做的事情。
• 持续价值： 用户愿意再次使用，或者在适当场景下推荐给别人。

如果未来希望进一步商业化，还需要单独验证付费意愿、获客成本和交付成本。

这些信号之间有联系，但不能互相替代。

对于早期MVP来说，我认为重要的不是尽快获得很多好评，而是弄清楚现有反馈究竟证明了什么、还没有证明什么。

03｜用户说“不好用”，应该先判断是需求不匹配，还是产品真的有问题

做产品之后，我开始重新理解用户反馈。

一个产品有明确定位，就意味着不同用户可能产生完全不同的体验。

例如，销售转转主要面向希望转型大客户销售的人。

如果一位门店零售销售人员体验后，觉得它没有提供自己需要的销售话术，我首先需要判断，他的需求是否属于产品原本打算解决的范围。

但如果一位正在准备转型大客户销售的人，体验后仍然觉得内容太泛、缺少具体指导，那就需要认真检查产品本身。

是我对用户的困难理解得不够准确？还是现有功能没有提供足够有效的帮助？

两种情况都可能表现为“不好用”，但背后的原因不同。

不过，产品定位也不能成为拒绝负面反馈的理由。

不能因为用户喜欢，就认定定位正确；用户不喜欢，就认为他不是目标用户。

即使是非目标用户，也可能发现产品交互复杂、说明不清楚、结果难以理解等问题。

所以，比起简单问一句“你觉得好不好用”，我更希望在下一轮测试中了解：

用户原本想解决什么问题？在使用产品之前，通常采用什么方法？实际体验了哪些功能？在哪一步遇到困难？使用后有没有发生具体变化？

我现在的理解是：

产品可以有自己的观点，但用户反馈不能只听符合自己观点的声音。

目标用户定位帮助我们理解反馈，而不是替产品筛选掉不好的评价。

04｜从广告营销到AI产品，我发现过去的经验有用，但远远不够

我在互联网广告行业工作了12年，经历过营销策划和大客户销售。

过去和客户讨论营销方案时，我们通常需要先理解业务问题。

客户希望提升品牌认知，还是获得销售线索？目标消费者是谁？现有营销方式为什么无法满足需求？预算为什么值得投入？合作结果又应该如何衡量？

这些问题训练了我理解客户需求、判断解决方案价值的能力。

现在做AI产品，我发现自己也在反复思考类似的问题。

但有一个重要区别。

过去，我更多是在相对成熟的产品和商业模式之上，为客户寻找合适的解决方案。

现在，我面对的是尚未得到充分验证的产品假设。

即使我熟悉某个行业，也不能直接推导出用户一定需要我设计的产品。

例如，销售转转就是一个很典型的情况。

我对大客户销售有实际工作经验，也有自己对职业转型的理解。但目标用户真正面临哪些困难、愿意使用什么形式的工具、哪些建议能够帮助他们采取行动，仍然需要进一步了解。

过去的经验可以帮助我更快地提出问题，却不能代替真实的用户验证。

对我来说，这也是AI Coding实践带来的一个变化。

以前更多是研究产品如何满足客户需求，现在开始尝试自己设计产品，再观察最初的需求判断是否成立。

从理解客户，到验证产品，中间还有一段需要不断练习的路。

05｜做完MVP之后，我准备怎样判断是否继续开发？

目前5个MVP都已经有了第一版。

下一步，我不打算简单地按照功能数量或者产品完成度决定迭代顺序，而是希望先找到对应的目标用户，收集更具体的使用信息。

结合这段时间的实践，我准备从四个问题入手。

第一个问题：目标用户是否足够明确？

不只是“年轻人”“职场人”“内容创作者”这样宽泛的标签，而是能够描述出具体的使用场景。

例如，旅行转转关注的是有国内短途、说走就走需求的单身用户；下班转转关注的是想减少无意识刷手机、愿意尝试短时间行动的人。

第二个问题：这个问题是否真实存在？

用户目前是否已经在尝试解决它？使用什么替代方案？这个问题出现得频繁吗？如果一直不解决，会带来什么影响？

不能因为自己觉得一个想法有趣，就认定用户一定需要。

第三个问题：产品是否真的帮助用户完成了任务？

我希望关注实际使用，而不只是主观评价。

例如，账号转转能否帮助用户更清楚地描述自己的内容定位？迷茫转转能否帮助用户确定一个愿意执行、风险可控的90天方向？下班转转能否让用户完成一次约20分钟的专注行动？

这些都需要结合真实使用过程判断。

第四个问题：现有证据是否值得支持下一轮投入？

如果用户确实有需求，但操作过程中存在明显障碍，可能值得优化体验。

如果用户的问题与原本定位不同，可能需要重新考虑产品边界。

如果目标用户对问题本身没有明显需求，也许就不应该继续增加功能。

对于希望商业化的产品，还需要进一步验证付费方、付费意愿、交付成本，以及与现有解决方案相比的优势。

这四个问题并不是我已经验证成熟的一套方法论，而是我准备在下一轮MVP测试中使用的检查清单。

毕竟，MVP的意义不只是做出一个功能较少的产品，而是尽可能低成本地验证一个尚不确定的想法。

写在最后

AI Coding让我有机会独立尝试一些过去可能因为开发成本而搁置的小众需求。

但做完5个MVP之后，我越来越觉得，真正值得继续练习的能力，不只是让AI把功能实现出来。

还包括理解用户、判断需求、设计验证方式，以及决定哪些产品值得继续投入。

这5个产品未来未必都会持续迭代。有的可能找到明确的用户群，有的需要调整方向，也有的可能在验证后发现需求没有想象中强烈。

这些结果都可以接受。

产品不需要人人都喜欢，但至少要找到真正需要它的人。

对于正在用AI Coding做产品的个人开发者来说，开发门槛降低是一件好事。不过，功能做出来之后，产品是否真正创造价值，仍然需要回到用户身上寻找答案。

而对我来说，这也是从互联网广告营销走向AI产品与商业化过程中，一段很值得记录的实践。

关于作者

Kristy，12年互联网广告营销策划与大客户销售经验，目前正在通过AI Coding、MVP实践和AI产品研究，探索AI产品从用户需求到商业化的过程。