一次 10 個 MVP 測試市場

不要浪費 AI

傳統創業有一條不成文的規則：

一次專注在一個產品上。

不是因為這樣做最好。是因為這是人類的極限。

一個人的注意力有限，精力有限，時間有限。同時做三件事，三件都做不好。所以選一個，做完，再選下一個。這個邏輯在沒有 AI 的世界是合理的——一個人的產能就是上限。

你現在有 AI 了，但還在用一次一個的模式——

這才是在浪費 AI。

---

一次一個，是人類限制的產物

想想「專注一個 MVP」這個建議從哪裡來。

它來自人類執行的現實：建落地頁要幾天，寫銷售文案要幾天，建付款流程要幾天。一個人的一週，做完這些已經滿了，沒有剩餘產能做第二個。

所以「專注一個」不是策略智慧。是人力限制下的妥協。

AI 移除了這個限制。Claude 寫銷售文案，幾個小時。Claude Code 建落地頁，半天。Agent 設定付款和追蹤，幾個小時。

做一個 MVP 的時間，從幾週壓縮到一兩天。

這意味著：同樣一週，你可以做出十個 MVP，而不是一個。

產能限制消失了，你還在用「只做一個」的舊模式——這就是浪費 AI。

---

AI 最強的能力：並行

AI 最大的優勢不是聰明，是並行。

人類是序列動物：做完 A 才開始 B。Agent 沒有這個限制：A、B、C、D 同時跑。

你一個人，帶著 AI，可以同時讓十個 MVP 在進行：落地頁文案 Agent 在寫，技術建置 Claude Code 在做，市場研究另一個 Agent 在跑，社群貼文又一個 Agent 在生成。

四件事同時發生，不需要你一件一件做完。

你的角色？你做決定，Agent 做執行。你設定方向，系統同時推進十條線。

用人類的序列模式來使用 AI，是把一台跑車開在時速三十公里的限制裡。

---

從「一個賭注」到「十個實驗」

換一個角度想：

傳統創業是在下賭注。選一個方向，把幾個月的精力押上去，等結果。賭對了，繼續。賭錯了，從頭再來。

每次賭錯，你失去的不只是那幾個月——是那幾個月裡你本來可以學到的東西。

用 AI 同時做十個 MVP，不是下十個賭注。是跑十個實驗。

實驗和賭注的差別：實驗不分輸贏，只分「學到了」和「沒學到」。十個實驗同時跑，你知道的事比序列跑十輪快了十倍。

你不再是在賭市場要什麼。你是在讓市場告訴你它要什麼。

---

今天的第一步

問自己：你現在手上有幾個想做但還沒做的產品想法？

把它們都列出來。三個、五個、十個都行。

然後想：如果有 Agent 幫你執行，你能在一週內同時讓這些想法進市場嗎？不是做完整的產品，是做夠小的驗證版本。

如果答案是可以，你已經找到了不浪費 AI 的方向。

下一章，我們來算這件事如何讓你的勝率提高十倍。

---

提高 10 倍的勝率

你覺得你創業成功的機率是多少？

如果你一次測試一個方向，花三個月，成功率假設是 10%——合理的數字，很多創業者的第一個產品都沒找到 PMF。

一次測一個，三個月一輪，一年測試四個方向。

四個方向，每個 10% 成功率，一年內至少有一個成功的機率是多少？

大約 34%。

還不到一半。

---

換一個玩法

同樣一年，你用 AI 並行測試：一週上線十個 MVP，兩週看結果，砍掉沒信號的，留下有信號的繼續。

一年測試的方向數量不是四個，是幾十個。

同樣是每個 10% 的成功率：測五個方向，至少一個成功的機率 41%。測十個，65%。測二十個，88%。

你的勝率，不取決於你多努力。取決於你測試了多少個假設。

不是說你不需要努力。是說努力的方向應該是「增加測試的數量和速度」，而不是「把一個假設做得更完美」。

---

為什麼序列測試是低勝率的玩法

傳統序列測試有一個根本問題：你每次只放一個賭注。

賭輸了，回到原點，再放下一個。每次輸，你損失的不只是那個想法，是那幾個月。

還有一個沒人說的心理成本：你把三個月的精力投入一個方向，會開始對它產生感情，開始為它找理由——「再給它一點時間，也許下個月就起來了」。

這個心理偏誤，讓序列測試比想像中更慢。因為你很難在一個投入了太多的方向上，按下停止。

並行測試解決了這個問題。十個方向同時跑，每個方向的投入都很淺，淘汰的心理成本很低。沒有信號的，砍掉，沒有情緒包袱——因為你同時還有另外九個在跑。

---

投資組合思維

創投不會把所有錢押在一家公司上。他們投二十家、三十家，知道大部分會失敗，但只要有一兩個大贏家，整個組合就賺了。

分散風險，讓贏家自己浮現。

你的 MVP 測試可以用同樣的邏輯。你不需要猜哪個方向會贏——把十個方向同時放進市場，讓市場告訴你。有信號的加碼，沒信號的出場。

你的工作不是預測哪個會贏。是設計一個讓贏家能夠被發現的系統。

AI 讓你第一次有能力用投資組合邏輯做 MVP 測試——不需要大團隊，不需要大預算，一個人加 Agent，同時跑十條線。

---

10 倍勝率的具體算法

假設你有五個想法，兩種選擇：

選擇 A（序列）：一個一個來，每個兩個月，一年測六個。每個成功率 15%，一年至少成功一個的機率：63%。

選擇 B（並行）：一週上線全部五個，兩週看結果，挑有信號的繼續。一年測試的方向是選擇 A 的三到四倍。同樣 15% 成功率，測了二十個，至少成功一個的機率：96%。

同樣的人，同樣的市場，同樣的努力——只是改變了測試方式，勝率從 63% 變成 96%。

這是數學的力量，不是天才的力量。

---

今天的第一步

拿出你現在所有的產品或服務想法，全部列出來。

對每一個問一個問題：「這個想法，我能不能在三天內做出一個最小的驗證版本？」

能的，放進你的「本週測試清單」。不能的，想想為什麼——是真的很複雜，還是你的標準太高了？

把清單整理好。這就是你的投資組合。

---

你不用傾聽市場的聲音

你聽過「傾聽市場的聲音」這句話嗎？

做用戶訪談、看社群留言、分析競品評論、追蹤趨勢——這是傳統創業智慧的核心。你需要深入理解市場，才能做出市場要的產品。

這件事沒有錯。

但這件事，現在不再是你的工作了。

---

人類傾聽市場，有三個根本缺陷

樣本太小。 你訪談十個用戶，得到十個人的反饋。十個人代表不了一個市場。但訪談更多人，你的時間不夠，分析能力也跟不上。Agent 可以同時分析一千個用戶的反饋、一萬條社群留言、幾百篇競品評論。

確認偏誤。 你在傾聽市場的時候，大腦在做一件事：尋找支持你已有想法的證據。你相信這個方向是對的，所以更容易記住那些說「對，這個問題很嚴重」的訪談，忽略那些說「其實還好」的回應。不是你壞，是人腦的本能。但它讓你的市場理解，系統性地偏向你希望看到的結論。Agent 沒有既有立場，它分析的就是它看到的數據。

速度太慢。 約人、等人、錄音、整理、分析——一輪幾週過去了。市場在動，你的理解卻是幾週前的快照。Agent 即時追蹤、即時分析，你的市場理解永遠是現在式。

---

Agent 傾聽市場，比你強一百倍

把「傾聽市場」交給 Agent，它能做的事：

即時追蹤競品：每天掃描你指定的競品網站和社群，有新動向自動整理成報告。

分析真實痛點：在 Reddit、PTT、Facebook 社群搜尋目標受眾的討論，找出他們真正在抱怨什麼、在搜尋什麼解法。

監控關鍵字趨勢：哪些搜尋詞在上升、哪些主題在爆發、哪些問題最近被大量提起——Agent 追蹤，你只看結論。

A/B 測試市場反應：同時跑十個不同標題，讓市場告訴你哪個有吸引力——比你坐在那裡想標題更快更準。

整理用戶回饋：學員的所有留言和問卷，Agent 整理成主題分類，告訴你哪類問題最多、哪裡最讓人卡住。

這五件事 Agent 同時做，24 小時不間斷，處理的數據量遠超任何一個人類研究員。

---

你真正應該做的事

Agent 負責傾聽市場，你的時間解放出來——做什麼？

判斷，不是分析。

Agent 給你數據、給你分析、給你選項。你做最後的判斷：這個方向，符不符合我的夢想和品味？

Agent 告訴你「這個主題搜尋量很高，競爭度很低」。但它沒辦法告訴你「這是你真的想做的事嗎？做這件事會遇到的人，是你最想服務的客群嗎？」

這個問題，只有你能回答。

數據是 Agent 的強項，判斷是你的強項。讓每個角色做它最強的事。

---

今天的第一步

選一個你最想驗證的產品方向，給 Agent 一個任務：

「搜尋 [你的目標受眾] 在 [相關社群] 討論的問題，找出他們最常提到的五個痛點，整理成報告。」

讀報告。然後問自己：這些痛點裡，哪個最讓你有感覺、最想解決？

那個「有感覺」，就是你的判斷。那是你的工作，不是 Agent 的。

---

一次 10 個 MVP 產品上市

「同時做十個 MVP」聽起來很嚇人。

但讓我們把它拆開來看。一個 MVP 需要什麼？

一個清楚的價值主張——你幫誰解決什麼問題，結果是什麼。 一個讓人看到的地方——落地頁、Notion 頁面、社群貼文都算。 一個讓人回應的方式——填表、預購、傳訊給你。

就這三樣。不需要完整的產品，不需要完美的設計。有這三樣，就夠讓市場告訴你要不要繼續了。

一個 MVP，用 AI，半天做完。十個，一週。

---

你的 Agent 生產線

十個 MVP 同時跑，不是你一個人做十份工作。是你設計一條生產線，Agent 在上面同時推進十條軌道。

你的工作（只有你能做的）：

• 定義每個 MVP 的目標受眾和核心假設
• 決定賣多少錢、承諾什麼結果
• 最後確認文案語氣符合你的品牌

Agent 的工作（你交代，它執行）：

• 為每個 MVP 生成落地頁文案草稿
• 建立頁面（Carrd、Notion 或 Claude Code 直接建）
• 設定 Stripe 付款連結或 Typeform 填表
• 產出每個 MVP 的社群推廣貼文草稿

你做決定，Agent 跑執行。十個 MVP 的製作，你大部分時間在審核和調整，不是在從頭做。

---

七天上線十個 MVP 的節奏

第一天：列清單，寫假設。

30 分鐘，把腦袋裡所有可能的產品想法列出來，不篩選、不評判，十五到二十個都好。

然後對每個想法寫一句話：「我幫 [誰] 解決 [什麼問題]，結果是 [具體結果]，費用是 [多少]。」

寫不出這句話的，先放著。能寫出來的，選出最想測試的十個。

第二到第四天：每天做三個。

每個 MVP 的流程：把一句假設貼給 Claude，請它生成落地頁文案（痛點、解法、結果承諾、定價、CTA）。你花 15 分鐘調整語氣，讓它聽起來是你說的話。建到 Carrd 或 Notion，5 分鐘設定付款連結，完成。

半天三個。不趕進度，留一半時間給你自己思考。

第五天：全部推出去。

十個 MVP 上線了。每個都做一件事：讓你的受眾看到它。一則社群貼文、一條限時動態、或傳給十個可能感興趣的人。

不需要廣告預算。先用你現有的受眾和人脈。

第六、七天：等信號。

你不需要做任何事。讓市場說話。

兩週後：看數字，做決定。

哪個有人填表？哪個有人預購？哪個有人主動傳訊問細節？

有真實行動回應的，繼續。沒有的，暫停。

---

什麼算真實信號

一個很重要的區分：

假信號：「讚」「好棒」「有需要我會考慮」「先追蹤你」。

真信號：填了表單留下 email、點了付款頁、傳訊問「什麼時候可以開始」、預購了。

真信號 = 有人願意用具體行動表達他們想要這個東西。

不是說假信號沒有價值。是說做決定的依據，必須是真信號。十個 MVP 裡，找出有真信號的那幾個——那才是你該繼續投入的方向。

---

今天的第一步

打開備忘錄，設 20 分鐘計時。

計時器結束之前，寫出你所有的產品和服務想法，不管多粗略，全部列出來。

計時結束，你有了原料清單。選最讓你興奮的三個，今天把這三個的「一句話假設」寫完：

「我幫 [誰] 解決 [什麼問題]，結果是 [具體結果]，費用是 [多少]。」

三句話，就是你前三個 MVP 的種子。

---

你的工作是領導 AI CEO

某個週五早上，你打開電腦。

你的 Agent 整理好了本週十個 MVP 的數據：流量、填表率、問題率、推薦連結來源。三個有真實信號，七個沒有。這些你不需要去撈，不需要去算，Agent 自動彙整好了，等你讀。

你花二十分鐘看完報告，做三個決定：

• MVP #3 繼續，下週開始深化
• MVP #7 和 #9 再觀察一週
• 其餘七個，結束這輪測試

然後你告訴 Claude：「這三個我想繼續，幫我規劃下週的測試重點。」

你關上電腦，去吃早餐。

---

這是你在第二部學到的新工作方式。

不是你做十個 MVP，是你帶著 Agent 跑十個實驗。不是你傾聽市場，是你判斷 Agent 給你的市場分析。不是你建頁面、寫文案、設付款——是你確認假設、審核語氣、做取捨決定。

你的工作，從執行者變成了決策者。

---

什麼是領導 AI CEO

在第五章，你的 Agent 有了名字——Claude Code，你的 AI CEO。

但 AI CEO 需要一個老闆。

AI CEO 管工廠：執行方向、資源分配、優先順序。這個角色需要目標、需要判斷標準、需要在多個選項之間做決定。

這些事，AI 不能替你做。

AI 可以告訴你十個 MVP 的數據，但它沒辦法告訴你哪個方向更符合你的夢想，哪個受眾你更有能量服務，哪個產品讓你早上願意起床繼續做。

你做夢，AI 做事。你定方向，AI 跑流程。你判斷，AI 執行。

這就是你和 AI CEO 的分工。你不是在用 AI 工具。你是在領導一個 AI 組織。

---

從「我要做什麼」到「我要讓 AI 做什麼」

這個轉變看起來簡單，但很多人卡在這裡很久。

我們的默認思維是「我要做什麼」：我要寫文案，我要建頁面，我要研究市場，我要聯繫客戶。

換成「我要讓 AI 做什麼」之後，問題的形狀改變了：

• 我要讓 Agent 生成哪種語氣的文案草稿？
• 我要告訴 Claude Code 這個頁面要解決什麼問題、用什麼結構？
• 我要讓 Agent 分析哪個平台的哪類用戶的什麼關鍵字?
• 我要設計怎樣的觸發點，讓 Agent 在適當時機自動聯繫潛在客戶？

你的工作不是消失了。是升維了——從執行任務，升維到設計系統、定義標準、做最終判斷。

這個升維，需要你主動選擇。沒有人幫你切換。

---

第二部你做到了什麼

你知道了：

• MVP 的本質是一個假設，不是一個產品
• 24 小時上線的方式，是「夠用就好，先讓市場說話」
• 為 Agent 開發產品，是一個幾乎無人競爭的新市場
• 並行測試十個 MVP，不是做更多事，是讓 AI 做它最強的事
• 真實信號和假信號的區別，是你決策的基礎
• 你的工作是領導 AI CEO，不是替代它

但你現在面對一個問題：知道了這些，怎麼落地？

你的 Agent 很強，但 Agent 需要指令。你如何寫出讓 AI CEO 真正能執行的指令？如何設計讓 AI 維持高品質輸出的工作規範？如何讓這套系統在沒有你盯著的時候，也能持續跑？

---

翻到第三部

第三部要回答這個問題：你是一個怎樣的老闆？

不是你對 AI 有多親切。是你給 AI 的指令有多清晰。

我們把這件事叫做 Boss Engineering——你如何設計你和 AI CEO 的工作關係，讓 AI 在你的夢想方向上，以你的標準，持續輸出。

這不是寫 prompt 的技術問題。這是建立一個可以複製、可以擴展、可以在你不在的時候繼續跑的 AI 工廠的問題。

一個你建的工廠，用你的品味，跑你的夢想。

翻過去，我們開始建。

---