TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

MVP 测试:怎样用真实用户一步步验证 MVP

怎样用真实用户做 MVP 测试:选最有风险的假设、挑测试类型、写出带假设、指标、阈值和决定的计划,并用置信区间看待小样本。

苏禾 发布于 2026 年 11 月 20 日 10 分钟阅读 数据分析
示例数据,针对一个发票提醒的想法。阈值在上线前写好;小数量只能看方向,不是证明。示例数据

MVP 测试是用能给出可信答案的最小构建,让真实的人来验证产品的一个有风险的假设。写一份计划:假设、行为指标、上线前定好的通过阈值,以及每种结果对应的决定;小样本要当作区间来读:下面的示例里,同样 9.0% 的注册率,在 300 位访客时通过,在 100 位时不通过。下文是测试类型、计划表、区间和决策规则。

读完你会知道

  • 上线之前用一张表写好假设、指标、阈值和决定;事后定的阈值,就是定在数字已经在的地方
  • 小样本的比率是一个范围:300 位访客的 9.0% 是 6.3% 到 12.8%,100 位访客的 9.0% 则是 4.8% 到 16.2%
  • 沿着投入程度的阶梯从邮箱、通话走到付款,并测试成本最低、又能证伪最大风险假设的那一步

什么是 MVP 测试?

MVP 测试是一个实验:用能给出可信答案的最小东西,让真实的人来验证关于产品的一个有风险的假设。Eric Ries 把最小可行产品定义为:让团队用最少的精力,收集到最多经过验证的客户认知的那个版本(Agile Alliance 术语表)。重点在学习,而不是东西做得小:一个落地页、一项手工服务或一个原型,只要能回答问题,都可以是 MVP。

所以 MVP 测试不是质量保证意义上的软件测试,也不是朋友投票。它有四个部分:

  1. 一个假设:一句可能被证伪的话。
  2. 一个指标:从行为而不是意见来衡量它。
  3. 一个阈值:在测试开始前就写好。
  4. 一个决定:每种结果都对应一个动作。

本文余下的部分,讲怎么把这四样写下来并诚实地核对。关于产品概念本身,见 最小可行产品;关于人们是否想要你做的东西这个更大的问题,见 产品验证。

怎样选择先测哪个假设?

每个产品都有一串假设:有这个问题、人们感受到的程度足以让他们行动、他们能找到你的方案、他们愿意付费、他们会再回来。先测风险最大、成本又最低就能测的那一环,而不是你觉得最有意思的那一个。

快速排序的办法:对每个假设,打 1 到 5 分,衡量「如果它是错的,损失多大」和「现有证据有多少欠缺」,再相乘。从乘积最高的开始测。对一个提醒自由职业者催收未付发票的工具,这串假设可能是:

假设若为假的损失证据欠缺程度风险(乘积)
自由职业者要花时间追讨拖欠的款项5315
他们想要一个工具,而不是一封模板邮件4416
他们愿意按月付费5525
他们会通过搜索或社区找到我们3412

付费意愿排名最高,但在东西还没做出来之前测它成本很高。实用的顺序是先做便宜的测试(兴趣,然后是问题,然后是付费意愿),每一步都以上一步为前提,就像下面的计划那样。

哪种 MVP 测试适合你的问题?

测试类型它是什么测试什么要记录的信号投入
落地页冒烟测试一个描述产品并带注册入口的页面这个承诺是否吸引任何人按流量来源的注册率数小时
礼宾式服务你亲手向少数客户提供这项服务这个结果是否有价值重复使用、付费意愿数天
绿野仙踪式产品看起来是自动的,背后由人来做在自动化之前,体验是否成立任务完成、再次访问数天到数周
预购或付费试点客户在东西做出来之前就付款付费意愿,一个很强的信号付款、退款请求数天
单一功能产品一个真实的功能,别无其他核心价值能否独立成立第 1 周和第 4 周的回访数周

选成本最低、又能证伪你最大风险假设的测试。冒烟测试没法告诉你人们会不会付钱;预购可以。

测试类型测试什么要记录的信号
落地页冒烟测试这个承诺是否吸引任何人按来源的注册率
礼宾式服务这个结果是否有价值重复使用、付费意愿
绿野仙踪式自动化之前体验是否成立任务完成、再次访问
预购或付费试点付费意愿付款、退款请求
单一功能产品核心价值能否独立成立第 1 周和第 4 周的回访

选成本最低、又能证伪你最大风险假设的测试。

MVP 测试计划里写什么?

上线之前,把计划写成一张表。每个假设一行,带上决定它的阈值。发票提醒想法的示例数据:

步骤假设指标通过阈值示例结果通过后的决定
1. 落地页自由职业者想要它,到了愿意留邮箱的程度注册数 ÷ 独立访客比率 ≥ 8%,且 95% 区间的下端 ≥ 5%27 ÷ 300 = 9.0%(6.3% 到 12.8%)邀请注册者通话
2. 访谈注册者在意到愿意交谈约到的通话 ÷ 发出的邀请≥ 20%8 ÷ 27 = 29.6%完成这 8 次通话
3. 问题这个问题是眼下的,而不是假想的过去 30 天内催过逾期发票的受访者≥ 8 人中的 6 人8 人中的 6 人提出付费试点
4. 付费意愿东西还没做出来他们就愿意付钱预付的受访者≥ 8 人中的 2 人8 人中的 4 人开展礼宾式试点
5. 早期留存两周之后这个结果依然被需要第 2 周仍活跃的试点用户≥ 12 人的 50%12 人中的 7 人 = 58.3%做出精简版产品

这张表的规则:

  • 先定阈值。 如果在看到数字之后再写,阈值就会被定在数字已经在的地方。
  • 每一步也有止损值。 如果第 1 步的区间上端低于 5%,决定就是「换信息或换受众,或者停下」。
  • 小数量只能看方向。 8 次访谈和 12 个试点用户证明不了一个比率;它们只是检验信号到底有没有,下一节会说明。
app.tapcub.com

MVP 测试计划与示例结果

示例数据
步骤阈值结果
落地页注册≥ 8%(区间下端 ≥ 5%)9.0%(6.3% 到 12.8%)
约到访谈≥ 20%29.6%
描述近期遇到的问题≥ 8 人中的 6 人8 人中的 6 人
预付≥ 8 人中的 2 人8 人中的 4 人
第 2 周留存≥ 12 人的 50%58.3%
示例数据
示例数据,针对一个发票提醒的想法。阈值在上线前写好;小数量只能看方向,不是证明。

要有多少用户才能相信结果?

小样本得出的比率是一个范围,不是一个数。威尔逊区间是计算比例区间的标准办法,NIST 的手册给出了公式(NIST/SEMATECH e-Handbook)。取 95% 置信度的 z = 1.96,上面示例结果的区间是:

结果观测值95% 区间
300 位访客里 27 人注册9.0%6.3% 到 12.8%
100 位访客里 9 人注册9.0%4.8% 到 16.2%
600 位访客里 54 人注册9.0%7.0% 到 11.6%
27 位注册者里 8 次通话29.6%15.9% 到 48.5%
8 人中 4 人预付50.0%21.5% 到 78.5%
12 人中 7 人仍活跃58.3%32.0% 到 80.7%

读两遍。同样的 9.0%,在 300 位访客时是通过(下端 6.3%,高于 5% 的下限),在 100 位时却不是(下端 4.8%,低于下限),所以只有 100 位访客时,正确的决定是「继续收集」。8 人中 4 人预付令人鼓舞,但区间从 21.5% 一直到 78.5%,所以它触发的是试点,而不是上线。

一个粗略的样本量规则,针对 9% 左右的比率:n = z² × p × (1 − p) ÷ 误差²。误差 ±5 个百分点时,1.96² × 0.09 × 0.91 ÷ 0.05² ≈ 126 位访客;±2 个百分点时约为 787 位。据此规划流量,或者接受更宽的区间,再判断决定经得起它吗。

怎么测试人们是不是真的会想念它?

行为告诉你人们有没有行动;对已有用户的调查告诉你,他们会不会想念这个产品。Sean Ellis 的问题(Superhuman 用过)是「如果你再也不能使用这个产品,你会有什么感觉?」,选项是非常失望、有点失望和不失望。Ellis 在近 100 家创业公司里得出的基准是 40% 选「非常失望」:低于它的公司通常增长吃力,增长强劲的公司通常超过它。Superhuman 调查的是过去两周内至少用过两次的用户;一开始是 22%,把对象分到合适的用户后达到 33%,经过三个季度的产品改进后到了 58%;作者也指出,大约 40 份回复就可以给出有方向性的参考(First Round Review)。

对 MVP 来说,把它用在试点用户身上,而不是从没用过任何东西的注册者。12 个试点用户的回复远少于 40 份,所以只能把它当作访谈的线索,不能当成分数。

怎么决定:继续、调整还是停止?

结果数据长什么样决定
明确通过每一步都高于阈值,区间也高于下限做出精简版产品;为下一个测试设定新阈值
好坏参半兴趣高,付费意愿低先测定价或更窄的受众,再动手做
不明确比率靠近阈值,区间很宽继续收集数据;不要改阈值
明确失败区间上端低于止损值调整信息、受众或想法,重新跑第 1 步;两次调整都失败就停止

哪些错误会毁掉 MVP 测试?

  • 拿朋友和同事来测。 他们的注册说明不了陌生人的态度。只算来自你目标受众的访客。
  • 移动阈值。 事前写「8%」,数字出来后又说「5% 也行」,就等于决定无视这个测试。
  • 把点击当作需求。 点一下按钮不是预购。沿着投入程度的阶梯往下走:邮箱、通话、付款。
  • 混合来源。 付费流量和社区帖子合在一起的注册率,掩盖了哪个受众有效。按来源分别报告。
  • 把小样本当结果。 像表里那样展示区间。

怎样用 TapCub 跑 MVP 测试

TapCub 不做实验、不分流、不发问卷;Ellis 的那个问题需要另外的问卷工具。它衡量的是行为:访客从哪里来、有没有转化、有没有回来。以发票提醒测试为例:

  1. 给每个渠道打标记。 你发出的每个链接都带 utm_source、utm_medium 和 utm_campaign,然后看 网站统计 › 来源:「UTM」页签按来源、媒介和活动拆分访客和会话,渠道表再加上转化,所以按渠道的注册率在一张表里。
  2. 把注册定义为目标。 在 网站统计 › 目标 里,为注册事件或感谢页建一个目标。它的转化率除以的是所选日期内的独立访客,和计划里「注册数 ÷ 独立访客」这个指标一致。
  3. 注册之后识别个人。 试点用户登录时调用 tapcub.login,这个人就会出现在 全端分析 › 用户 › 用户 里,带有按天排列的行为时间线,对礼宾式和试点这几步很有用。
  4. 查看各步骤和回访。 在 全端分析 › 行为分析 › 行为分析 里,建一个从落地页到注册再到首次使用的漏斗,并为试点人群建一份留存报表,与第 2 周的阈值对照。
  5. 区间要自己算。 TapCub 给出数量和比率;小样本的区间像上表那样自己计算,并把决定写进你的计划。

FAQ

什么是 MVP 测试?

MVP 测试是一个实验:用能给出可信答案的最小构建,让真实的人验证关于产品的一个有风险的假设。它需要一个假设、一个行为指标、一个事先写好的阈值,以及每种结果对应的一个决定。

怎么用真实用户测试 MVP?

从成本最低、又能证伪你最大风险假设的测试开始:用落地页测兴趣,用访谈测问题,用预购测付费意愿,用礼宾式试点测留存。事先写好阈值,每一步都以上一步为前提。

测试 MVP 需要多少用户?

取决于你能接受的误差。对 9% 左右的比率,约 126 位访客给出大约五个百分点的误差,约 787 位给出两个百分点。样本更少时就报告区间:100 位访客里 9 人注册是 9%,但可能在 4.8% 到 16.2% 之间。

MVP 测试的阈值定多少合适?

没有通用数字。要从经济账出发:为达到你的获客成本需要的注册率,或者让生意成立所需的预购占比。示例里,8% 且区间下端 5% 是门槛。请在上线之前定下你自己的。

MVP 和原型有什么区别?

原型演示某个东西可能怎么运作;MVP 是和真实客户一起使用,收集他们行为的证据。原型可以是 MVP 测试的一部分,比如绿野仙踪式的做法,但测试由假设和阈值定义,而不是由制品定义。

另见:PDLC 和 SDLC 的区别:产品与软件生命周期。

资料来源

归档:数据分析

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

苏禾

数据分析师

围绕流量来源、转化漏斗与用户留存写作,重视指标口径和分析过程,用具体示例解释数字背后的问题。

量出每一步背后的行为

UTM 来源、注册目标、漏斗和留存放在同一个项目里;TapCub 衡量行为,不做实验和问卷。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie