一句话回答
PMF 是产品市场契合(Product-Market Fit)的缩写:产品在多大程度上满足了某个具体市场的强烈需求,让用户持续使用、愿意付费并主动推荐。它不是某一天达成的时刻,而是一组信号,比如留存曲线变平、自然需求增长。
PMF 是什么意思?
在商业语境里,PMF 是 Product-Market Fit(产品市场契合)的缩写:产品在多大程度上满足了某个具体市场里真实而强烈的需求,以至于用户会持续使用、愿意付费,还会主动带来别人。(在统计学里 PMF 也指概率质量函数,本条讲的是创业领域的这个词。)
常见的误解是把产品市场契合当成一个时刻,好像某一天创业公司「达成了 PMF」。实际上它表现为一组可以持续观察的信号:留存曲线变平而不是一路滑向零,新用户里自然增长的占比上升,不靠折扣也有人付费。调研打分可以作参考,但单独看往往会高估契合度。契合也会变弱:市场在变、竞争对手进来,或者你扩张到了产品并不适合的人群。
这个词从哪里来
这个说法因马克·安德森(Marc Andreessen)2007 年的文章 The only thing that matters(大意是「真正要紧的只有一件事」)而流行,他把它定义为「身处一个好市场,并拥有能满足这个市场的产品」。他说这个表述来自投资人安迪·拉克利夫(Andy Rachleff),并认为市场比团队和产品更重要。
安德森描述的是行为上的差别,而不是一个分数。没有契合时,用户不太觉得有价值,口碑弱,使用量增长慢,销售周期拖得很长;有契合时,需求跑在公司服务能力前面:用户买得比你交付得还快,钱快速进账,公司拼命招销售和客服。这些都是能观察到的信号,所以下面这种用数据判断的思路,仍然延续了他那篇文章。
产品市场契合的信号
| 信号 | 类型 | 看什么 | 怎样会误导 |
|---|---|---|---|
| 留存曲线变平 | 定量 | 一批注册用户在第 8、12、26 周还活跃的比例 | 还在下滑的曲线,只看降了几个百分点而不看相对降幅,会显得「平了」 |
| 新用户里自然增长占比上升 | 定量 | 直接访问、自然搜索、推荐来源的新用户占全部新用户的比例 | 同期暂停了付费投放,自然占比会虚高 |
| 不靠折扣也有人付费 | 定量 | 按原价付费的转化占比;续费 | 首发折扣和终身买断买来的是收入,不是契合 |
| 推荐和口碑 | 定量 | 老用户带来的新用户、提及量、品牌词搜索 | 一条爆款帖子只会冲高一次 |
| 使用深度 | 定量 | 留下来的用户每周做核心动作的情况 | 数登录次数而不是核心动作 |
| 「非常失望」调研 | 定性 | 没有这个产品会「非常失望」的用户占比 | 只问活跃用户,分数就会上升 |
| 销售和客服的拉力 | 定性 | 主动来的需求超过承接能力;功能需求趋于一致 | 少数大客户的声音特别大 |
各项指标的详细定义和参考值见产品市场契合指标;本条只讲怎样把这些信号放在一起读。
算例:留存曲线到第 8 周有没有变平?
示例数据:两个产品每周各有一批 1,000 名注册用户。表里是每批用户在第 N 周仍活跃的比例。
| 周 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| 产品 A | 42% | 33% | 28% | 25% | 23% | 22% | 21.5% | 21.2% |
| 产品 B | 38% | 27% | 20% | 15% | 11% | 8% | 6% | 4.5% |
判断规则:最近三周,每一周相对上一周的降幅都低于上一周数值的 5%,就算曲线变平。
- 产品 A,第 6 周:(23 − 22)÷ 23 = 4.3%;第 7 周:(22 − 21.5)÷ 22 = 2.3%;第 8 周:(21.5 − 21.2)÷ 21.5 = 1.4%。都低于 5%:已变平。1,000 名注册用户里,第 8 周大约还有 212 人活跃,而且从曲线看,大部分会留下来。
- 产品 B,第 6 周:(11 − 8)÷ 11 = 27.3%;第 7 周:(8 − 6)÷ 8 = 25.0%;第 8 周:(6 − 4.5)÷ 6 = 25.0%。没有变平。1,000 人只剩约 45 人;如果每周 25% 的衰减继续下去,第 12 周是 4.5 × 0.75⁴ = 1.4%。
陷阱在产品 B 的百分点降幅:3 个、2 个、再到 1.5 个百分点,看起来曲线在趋稳;按相对值算,它每周仍然流失剩余用户的四分之一。曲线像 B 这样的产品,在这个人群里没有契合,不管注册数涨得多好看,因为每一批用户都在走向零。看留存曲线要看相对降幅,并用表里的其他信号交叉确认。
PMF 之前和之后,要做的事有什么不同
| PMF 之前 | PMF 之后 | |
|---|---|---|
| 核心问题 | 谁喜欢它?为什么? | 怎样触达更多这样的人? |
| 盯什么指标 | 每批用户的留存;激活 | 获客成本、回本周期、扩展收入 |
| 市场投入 | 少量,用来找信号 | 在已经能转化的渠道上放量 |
| 产品工作 | 改核心循环、砍功能、收窄人群 | 稳定性、规模化的新手引导、相邻功能 |
| 团队 | 小团队,创始人亲自卖、亲自做客服 | 招销售、客服和增长岗位 |
| 风险 | 过早放量,把钱烧在会流失的用户身上 | 市场或人群变化后失去契合 |
曲线还没变平就大举投放获客,等于往漏水的桶里倒水:每一批新用户都像上一批一样流失。AARRR 和产品驱动增长这类增长模型都默认留存环节已经成立;契合之后怎么做,见SaaS 增长策略。
常见误区
- 凭一次调研就宣布达成 PMF:肖恩·埃利斯(Sean Ellis)测试问的是「如果不能再用这个产品,你会有什么感受?」,40% 回答「非常失望」是埃利斯对比大约一百家创业公司后得出的参考线。Superhuman 的创始人说他们一开始只有 22%。这个分数适合用来找出最投入的人群,但结果很依赖问的是谁,要和留存一起看。
- 把增长当成契合:靠付费投放,注册数可以一直涨,同时每一批用户都在流失。
- 把不同人群平均在一起:产品可能契合一个人群(小型代理公司),却不契合另一个(大企业);混在一起的曲线会把两者都掩盖。
- 以为契合会一直保持:调价、进入新市场、竞争对手有大动作之后,都要重新检查这些信号。
- 把打折收入算进去:终身买断和大幅首发折扣说明的是价格敏感度,不是按真实价格的需求。
在 TapCub 里检查 PMF 信号
把上面第 8 周的判断放到 TapCub 里这样做。TapCub 不做问卷,肖恩·埃利斯那道题要用别的调研工具;行为上的信号都能在这里看到。
- 画出留存曲线:在 全端分析 › 行为分析 › 行为分析 选留存,周期设为周,显示 12 周。用「第 N 期恰好回访」读每周的比例;初始事件设为注册,回访事件设为你的核心动作,而不是任意活动。每一行是一批用户,带人数和每周比例;表格下方那条线是按人数加权的平均值。对这条平均线和最新几批用户套用 5% 的规则。参见搭建留存报表。
- 看用户结构的变化:切到生命周期,按周。新增、留存、回流、流失四组数字能看出:留存用户是在作为基本盘增长,还是每周的新用户只是在填补流失的人。参见解读生命周期报表。
- 看自然增长和推荐:在 全端分析 › 经营分析 › AARRR 增长,获客环节按渠道显示新用户,推荐环节显示被推荐的新用户(渠道为社交或推荐来源的新用户),K = 被推荐的新用户 ÷ 活跃用户。想按周看自然流量占比,可以在 网站统计 › 来源 按渠道拆分访客。
- 先分群再平均:在 全端分析 › 用户 › 分群与标签 定义你认为契合的人群(比如来自代理公司的注册用户),再把它用到留存报表上,这样一个人群变平的曲线不会被混合平均掩盖。
TapCub 也不做订阅计费;付费信号来自你上报的购买事件,这些事件会进入 全端分析 › 经营分析 › 电商与收入。
另见:产品差异化是什么?定义、四种类型,以及怎样验证差异是真的。
资料来源
- Marc Andreessen,The only thing that matters,2007。
- Rahul Vohra,First Round Review,How Superhuman Built an Engine to Find Product/Market Fit,2018。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
