系统性 PMF 引擎

1. 测量 PMF（Sean Ellis 测试） 向用户提问："如果不能再使用这个产品，你会有什么感觉？"三个选项：非常失望 / 有点失望 / 不失望。

• 基准：快速增长的公司通常「非常失望」> 40%；增长困难的公司通常 < 40%。

2. 分层处理用户反馈

• 非常失望的用户：已经爱上产品，不要过多根据他们的反馈行动。
• 不失望的用户：距离爱上产品太远，几乎不参考他们的反馈。
• 有点失望的用户：这是核心攻坚对象——他们有点喜欢产品，但某个（通常很小的）原因阻碍了他们。

3. 进一步细分「有点失望」用户

• 回到「非常失望」用户，问他们最爱你产品的什么（例如 Superhuman 是速度、快捷键、设计美学、节省时间）。
• 回到「有点失望」用户，确认他们是否因为同样的核心价值而喜欢你的产品。
• 如果不是——即使你建了他们要求的所有功能，他们仍在拉你偏离方向——礼貌地忽略他们的反馈。
• 如果是——这就是你要集中攻克的人群。

4. 算法化路线图 每个规划周期：

• 花一半时间加倍投入人们已经热爱的功能。
• 花一半时间系统性地移除「对核心价值有共鸣但有点失望」用户的障碍。