PLG 實戰指南：讓你的作品自己會賣，不用你追著人推銷

欸，你聽過 PLG（Product-Led Growth，產品驅動成長）嗎？

不是因為它是一個很潮的英文縮寫。

是因為它講的這件事，根本就是你現在最想要的：讓你做出來的東西自己會賣，不用你一直追在後面推銷。

PLG 的核心精神，是把「產品本身」當成獲取用戶、激活用戶、賺到錢、擴大規模最主要的引擎。傳統的銷售驅動模式，企業要養一整組業務團隊和客服團隊去推業務；PLG 模式裡，產品自己就是「自動化業務員、自動化新手導師、自動化客服」。這不只是省成本，也剛好對上新世代不想被業務員推銷、想自己線上摸索解決問題的習慣。

這篇不誇張，是把《Freemium: The Definitive Guide to Product-Led Growth》這本書的精華，整理成一份可以直接拿來用的實戰筆記。

要真的做到 PLG，不能只是把它當成「免費試用」的行銷話術，要當成一整套做事的方式。這需要回到最底層的三大支柱：同理心、慷慨、數據指標。

1. 同理心：為「真正在用的人」設計，不是為「掏錢的人」設計

傳統企業軟體開發，常常優先討好有預算、有決策權的高管——為了拿下合約，把研發資源砸在「多層審批、合規、複雜權限管理」這些買家在意的功能上，卻忽略了真正每天在用的人的體驗。

PLG 反過來做。「終端使用者至上」是 PLG 的靈魂。 你要問清楚：這個真正在用的人是誰？她每天怎麼工作？她的「待辦任務（Job To Be Done，JTBD）」是什麼？她追求的結果是什麼？解決這個問題，在她一天的優先順序裡排第幾？

當產品真的讓使用的人感到爽、有效率，就會在組織裡自己長出一股「由下往上」的推廣力量，反過來影響上面的購買決策。

2. 慷慨：先給價值，再收價值

PLG 打掉了傳統「先簽約、後交付」的邏輯，核心公式是：先想辦法創造價值，再想辦法收回價值。

- 免費體驗的力量：客人還沒付一毛錢之前，就要讓他無阻力地摸到產品的核心價值。 - First Impact（首次影響力）：這是用戶第一次感受到「啊哈，原來這麼好用」的那個瞬間。你要慷慨到把最核心的價值放進免費額度，確保用戶付費前就摸到這個瞬間。 - 長期關係比單筆交易重要：從「這一筆怎麼榨到最多」的交易腦，換成「這個客人一輩子能帶給我多少價值」的關係腦。

3. 數據指標：沒人盯著的時候，數據就是你的眼睛

PLG 的自助服務世界裡，沒有業務代表手把手教，也沒有客服隨時盯著用戶動作。所以產品裡一定要內建數據埋點。

- 收集信號：自動記錄用戶觸發的關鍵事件。 - 找問題、驗假設：透過數據看出用戶卡在哪裡、在哪裡放棄（例如氣得亂點滑鼠），拿這個當優化、A/B 測試的科學依據，而不是憑感覺猜。

大公司常常是各部門各做各的（銷售、行銷、產品、研發、客服），只在最高層才有交集——這對想靠產品驅動營收的 PLG 來說是致命的。

1. 什麼是成長團隊

一個小型、自包含、跨職能的組織，唯一目標是優化產品的成長模型，把產品、研發、行銷從各自的部門孤島裡解放出來，一起圍著成長目標協作。

2. 成長團隊的經典配置（5 到 7 人）

- 成長產品經理：排實驗優先順序，是團隊的指揮官。 - 成長工程師（1-3 名）：專注介面微調、實驗代碼快速上線、消息推播和工作流優化。「有工程師參與」是成長團隊和傳統行銷團隊最大的差別。 - UX 設計師：設計無摩擦的極簡體驗。 - 成長行銷人員：建立獲客迴圈和行銷漏斗，把流量引進產品。 - 數據分析師：設計實驗、分析數據信號，建立流失或成長的預測模型。

3. 避開內部政治，保護好這個團隊

把 PLG 當成一個「業餘副業」、不正式的小規模測試，幾乎注定失敗——這會引來各部門主管的排斥（業務主管怕免費用戶稀釋佣金、客服主管堅持只有真人客服才做得好導入）。成功的 PLG 專案必須符合兩個條件：

1. 由 CEO 或 GM 直接贊助保護。 2. 配置完全專職、不會被日常業務拖走的頂尖人才。

4. 每週例會與 I&L 審查

成長團隊像個實驗室，每週跑固定節奏：

- 每週指標審視：看最新核心指標，找出卡點。 - 測試活動回顧：分析上週的實驗結果。 - 選定下週測試：團隊腦力激盪、排優先級、分配負責人。 - 跨團隊「影響與學習回顧（I&L）」：當公司有多個成長團隊時，每週圍繞這 5 個問題開一次： 1. 我們做了什麼？（實驗、研究的細節） 2. 我們原本以為會發生什麼？（當初的假設） 3. 實際發生了什麼？（數據落差） 4. 我們學到了什麼？（有沒有建立因果關係？對其他團隊有什麼啟示？） 5. 接下來打算做什麼？（規模化、繼續實驗，還是果斷放棄？）

在 PLG 裡，「多即是少，少即是多」。把一個功能強大但很複雜的企業級產品直接丟給用戶自己探索，一定會失敗。

1. 鎖定單一的「待辦任務（JTBD）」

做 Clayton Christensen 的 JTBD 深度訪談——去觀察、跟拍你的用戶在真實工作場景裡的一舉一動，搞懂他在什麼情境下會想「雇用」你的產品來解決眼前的痛苦。

案例：Bill.com 的啟示。 Bill.com 有非常複雜的報表、對帳、系統集成功能，但一個新用戶剛進來，他可能只是想「開一張能讓客戶用電子轉帳付款的發票」。Bill.com 把第一步做得很簡單：連結銀行帳戶、套範本、發送發票，5 分鐘搞定。這就是對 JTBD 的精準回應。

2. 下修功能範疇，精簡第一眼體驗

做免費版或 MVP 的時候，要大刀闊斧砍掉 80% 沒用到的功能。那些安全合規審查、精細報表權限、客製化整合，是用戶變成「習慣用戶」甚至準備買企業版時才需要的東西。

優化第一眼體驗（First-Time User Experience，FTUX）：不要一進來就逼用戶填一堆資料，或強迫綁信用卡。任何可有可無的步驟，在這個階段都要無情剔除，讓用戶用最短最快、零摩擦的路直接抵達 First Impact。

3. 五個常見的 MVP 開發陷阱

1. HiPPO（最高薪的人說了算）主導：不要聽老闆個人的偏好，一切以用戶實驗反饋和客觀數據為準。 2. 功能過載：捨不得刪功能，導致頁面混亂、干擾核心流程。每個留下來的功能都要為自己「戰鬥」才能留下。 3. FTUX 令人困惑：沒把第一眼體驗做簡單，讓新用戶不知所措。 4. 步驟冗長：用戶的耐心非常有限，每多一個欄位、一個步驟，流失率就成倍增長。 5. 測試不夠客觀：只拿給技術熟練的內部員工或朋友測試，缺乏代表性。

4. 實戰案例：Miro 的四次 Onboarding 迭代

Miro（前身叫 RealtimeBoard）發展初期，首週用戶留存率一直卡住，團隊試了很多次：

- 第一次嘗試：設計了非常精美、引導細緻的新手體驗。上線後首週留存率不升反降——太精美的裝飾流程，反而擋住了用戶想做的核心任務。設計師這才明白：數據反映事實，用戶訪談能解釋原因，絕不能單憑設計直覺行事。 - 第二次嘗試（推 Freemium，撞上疫情）：2020 年遠距辦公爆發，Miro 決定推 Freemium，降低入門門檻。團隊做了大規模相關性分析，定義出「設置時刻」「阿哈時刻（First Impact）」與「習慣時刻」。First Impact 的定義是：用戶在自己建的看板上，收到隊友的第一個反饋。 - 第三次嘗試：引入 AI 助手引導，結果只有 25% 用戶願意用，對 First Impact 成功率沒有明顯提升。 - 第四次嘗試（分群優化）：團隊深入分析發現，新用戶主要分成「創建者」和「加入者」兩群，兩者在產品裡的角色和任務完全不同。針對這兩種角色分別設計專屬的 Onboarding 動線，這次指標終於真正動了——也為 Miro 從 100 萬用戶成長到 5000 萬用戶奠定了關鍵基礎。

要推動一個夠大的 PLG 飛輪，最上游一定要有夠寬的網頁流量和註冊用戶數。

1. 領結模型（Bowtie Model）的逆襲

傳統行銷用「漏斗」模型，把「簽約成交」當終點。但 PLG 裡，成交只是關係的起點——這叫領結模型：

在這個模型裡，Activation（激活）和 First Impact（首次影響）被大幅提前到售前階段。用戶要先完成激活、真的體驗到效率提升，才會走向後面的付費和擴展。

2. 優化用戶獲取

PLG 獲客強調多管道協同：有機流量、SEO、SEM、口碑、合作夥伴、應用市場：

- SEO：見效慢，但長期是很有成本效益的流量池。 - 獲客迴圈（Acquisition Growth Loops）的聖盃：這是 PLG 的終極追求——讓「用戶在日常使用產品的過程中，自動幫你推薦新用戶」。 - 經典案例：Zoom 與 Calendly——用戶發一個視訊連結或排程連結給外部協作者，接收者在參與的同時，就完成了對這個產品的認識和導入，這就是完美的產品內建獲客迴圈。 - 病毒傳播指標（R0）：如果平均一個老用戶在他的生命週期裡，能帶進超過 1 位新用戶（R0 > 1），這個產品就有自我增長的「病毒式」擴散能力。

3. 用戶獲客經濟學：12 個月 CAC 回本法則

推廣期，可以不惜代價建立口碑；但到了規模化階段，必須嚴格追蹤「客戶獲取成本（CAC）回本週期」：

- 12 個月黃金法則：在 B2B SaaS，業界的黃金準則是——用戶產生的淨營收，要在 12 個月內完全回收獲取這個用戶花掉的行銷和銷售成本。

在訂閱制和循環營收模型裡，「使用留存」的重要性遠高於「金額留存」——因為「循環營收是循環影響力的結果」。產品沒有黏性、沒辦法讓用戶養成習慣，用戶遲早會取消訂閱。

1. 衡量指標：DAU、WAU、MAU 與 CURR

- 日活躍用戶（DAU）／週活躍用戶（WAU）／月活躍用戶（MAU）：衡量黏性的基礎指標。 - 當前用戶留存率（CURR）：預測長期留存最關鍵的指標。

2. 實戰案例：Duolingo 重新點燃增長引擎

2018 年，多鄰國（Duolingo）的日活躍用戶數停在 300 萬左右。新任首席產品長 Jorge Mazal 帶團隊對用戶狀態流轉做了嚴格的數學建模：

透過蒙地卡羅模擬，團隊發現：把 CURR 每季提升 2%，長期帶來的 DAU 增長效果，高達其他任何指標的 5 倍！ 於是 Duolingo 重新分配組織資源，成立專責團隊專攻 CURR，推出三大王牌功能：

1. 排行榜：把用戶和實力相當的陌生人分在同一個 30 人小組裡競爭，激發好勝心。 2. 更聰明的推播：專注「社交屬性的通知」（某位朋友在排行榜上超越了你、或有人幫你點讚），而不是生硬的系統通知。 3. 連擊（Streaks）：用戶連續學習超過 10 天，會建立強烈的「損失規避」心理——為了保護連擊，多鄰國甚至破例在深夜或假日發推播。

這套機制最終幫多鄰國的日活躍用戶在 3.5 年內從 290 萬飆升到 1320 萬，徹底打破增長瓶頸。

3. Snyk 的用戶狀態模型與 PQARC 預測

安全平台 Snyk 也建立了自己的用戶狀態模型：

Snyk 發現，只要引導用戶在註冊後 15 週內完成 3 個關鍵步驟——「完成一項集成、導入一個專案、建立一個非空專案清單」——15 週後的長期留存率，會從原本的 3% 飆升到 48%！

此外，Snyk 用數據科學分析用戶行為關聯，建立了一套「具有流失風險的產品合格帳戶（PQARC）」預警模型。當系統偵測到高 fit 企業用戶的關鍵功能使用次數（例如導入第一個專案）或登入頻率突然下降，就會自動觸發信號，讓行銷或客服團隊主動介入，做預防性挽留。

「免費」是手段，「變現」才是讓企業活得長久的目的。

1. 四大變現原型

企業要根據產品特徵和市場定位，選最合適的變現路徑：

1. 免費增值（Freemium）：提供沒有到期日的免費版本（Forever Free）。核心功能免費，進階功能、儲存量、協作人數放在付費牆後面（像 Zoom 40 分鐘限制、Lucid 限制 60 個物件）。適合邊際成本低、單人也有價值主張的產品。 2. 免費試用（Free Trial）：限時開放完整功能（14 天或 30 天），到期就要付費，否則失去訪問權限。好處是逼用戶在時限內做決定，付費轉化率通常較高；適合邊際成本非零（像 Twilio 的簡訊發送成本）或高單價的企業級產品。 3. 逆向試用（Reverse Trial）：結合前兩者。用戶註冊後先免費體驗 14 天完整版功能，試用期結束若未付費，不是直接斷開連線，而是「自動降級」到功能受限的 Freemium 版。這既保留了老用戶的歷史數據，又讓他們真的體驗過付費版，大幅增加未來轉化的機率。 4. 產品驅動銷售（PLS）：用免費產品的使用數據建立銷售管線，由銷售人員把它轉成大型企業付費合約。這是高客單價、高複雜度 B2B 產品的變現聖盃。

2. 包裝計費黃金法則：單一價值指標

- 按客戶真正在乎的「價值/影響力」計費——例如客戶的目的是開發票，就按「發票張數」計費；是要篩履歷，就按「篩選的履歷份數」計費。反面案例：排班系統若按「員工總數」計費，會讓客戶不敢把兼職、臨時工放進系統，因為這會直接增加不必要的固定成本。 - 避免複雜度：不要同時用「席位數」又疊「功能牆」和「用量限制」的交叉計費組合，這會讓自助服務用戶感到困惑、心存懷疑，反而阻礙轉化。 - 保持定價透明：定價頁要清楚，讓用戶一眼看懂各個 Tier（Free → Pro → Team → Enterprise）的差異和回報，建立市場信任。

「所有成功的 SaaS 公司最終都會加入銷售團隊」——但 PLS 模式裡的銷售代表，跟傳統冷不防打電話推銷的獵手完全不同：

1. 不要把 PQA 跟 MQL 混為一談

- 行銷合格線索（MQL）：靠靜態表面興趣指標打分（網頁點擊、下載白皮書、參加線上研討會）。MQL 的決策權常在採購或高層，但他們可能根本沒碰過產品。 - 產品合格帳戶（PQA）：靠「真實的產品活躍用量與行為信號」。數據證明，PQA 的成交轉化率通常比 MQL 高出 4 至 7 倍！

2. PQA 打分兩大維度：Fitness & Readiness

不是所有免費用戶都值得業務花時間跟進，要把寶貴的銷售戰力精確投放在高回報的帳戶上：

1. 企業契合度（Fitness Score）：基於企業規模、年營收、產業、技術棧等 firmographics 數據。只有符合業務 ICP 的帳戶（例如員工超過 500 人、年營收超過 5 億美元），才有轉換成大合約的潛力。低 Fit 的客戶應留在「自助服務快樂路徑」上自動運轉，業務不用介入。 2. 產品準備度（Readiness Score）：基於產品內部的行為特徵（例如某部門已有 3 位用戶註冊、達成 First Impact 且頻繁協作）。Readiness Score 偏低時貿然聯絡會顯得突兀；只有在 Readiness Score 高、又面臨協作牆或功能限制時，業務介入提供幫助才是最佳時機。 3. 案例：Figma 的自動化分類。 Figma 用數據科學對漏斗中的帳戶做精細分類：先用企業特徵數據篩出「自助服務型」和「銷售合格型」兩池；銷售合格型再按活躍用量和協作信號強度區分——弱信號者，業務以「引導和輔助活躍」為主；強信號者，啟動正式大客戶開發，推進企業級統一部署。2023 年 Figma 4 億美元 ARR 中，有 40% 來自純自助服務，60% 的銷售協助收入中，又有高達 70% 是由這種自下而上的 PLS 升級貢獻的。

3. PLS 銷售實戰三步法

1. 瞭解當前使用：業務聯絡客戶前，先調取產品數據——帳戶裡有多少活躍用戶？使用頻率如何？遇到什麼使用上限？主動跟內部種子用戶做 1:1 訪談，挖掘他們真實解決的 JTBD、痛點與已實現的影響力。 2. 建立商業敘事：把收集到的基層使用數據和成功案例，包裝成一份極具說服力的商業價值報告，思考怎麼透過企業版（SSO、更強的安全合規、跨部門管理、集中帳單）幫這家企業把當前零散的價值，放大成全公司級的戰略優勢。 3. 對話決策者：業務主動接觸企業高層或採購決策者，帶著對方不知道的內部秘密開場——例如：「您好，我手上有數據顯示您團隊中已有 121 位員工每天使用我們產品協作，我今天來是想跟您分享他們怎麼解決效率痛點，以及怎麼透過企業級管理，為貴公司省下更多時間與法規風險⋯⋯」

4. 警惕早熟擴張的災難

在 PLS 體系裡，銷售產能的擴張必須被「PQA 產生速度」硬性制約：

- 常犯錯誤：PQA 生成數量有限時，為了迎合投資人或營收目標，盲目加倍招聘業務代表。 - 惡性循環：新業務分不到足夠的優質 PQA，被迫轉去打冷電話，或硬介入非 ICP 的小客戶——這會導致獲客成本失控、回本週期拉長到 2 年以上，還會拉高未來的流失率，讓行銷團隊精疲力竭、產品戰略完全脫軌。 - 正確法則：「寧可讓業務超額完成業績，也不要在 PQA 供給不足時盲目擴編。」 只有產品端產生了足夠、溢出的 PQA，才是擴充銷售戰力的最佳時機。

對 99% 歷史悠久、以銷售驅動為主的成熟大廠來說，PLG 轉型是一次高難度的「自我革命」。以下三家公司的實踐，照亮了轉型的路：

1. MongoDB：從下載版到 Atlas 雲平台的變現革命

MongoDB 早期靠開源資料庫累積了大量開發者口碑，但變現一直依賴業務團隊，一家一家向大型金融和政企客戶推銷安裝在本地端、具備進階安全特性的企業授權版。

危機與決策：2016 年，MongoDB 營收達到 1 億美元，正面臨 IPO 的關鍵時刻，但原有的 inside sales 轉化率低下、回本週期過長。產品負責人 Sahir Azam 決定啟動雲端託管數據庫服務 MongoDB Atlas，把原有的內銷團隊重組，在官網放上「點擊、輸入信用卡、啟動帳戶」的按鈕，實施無接觸的 Freemium 雲端變現。

成果：18 個月內，Atlas 的 PLG 營收就達到了 2000 萬美元；如今 Atlas 已佔 Mongo 年營收 13 億美元的 65%，成為不折不扣的成長巨輪。

2. Unity Software：巧用 EULA 合規的「7-10 增長規則」

Unity 早期靠極具慷慨度的免費遊戲開發引擎，吸引了全球 75% 以上的行動遊戲開發者，連《寶可夢 GO》都是開發者用免費授權在基層完成開發的。

危機與決策：雖然 Unity 的產品發現與獲取做得完美無缺，但變現卻遇上大考驗——上萬家規模已超過 20 萬美元營收、本應合規付費的遊戲工作室，仍在違規使用免費授權。增長負責人 Jesus Requena 沒有走強硬的法律訴訟路線，而是實施了「7-10 增長規則」——「不要試圖把單一輸入翻倍，而是找出產品旅程中的 7 個關鍵轉化節點，把每個節點優化 10%」。他們優化了合規性通知、重新設計了 Onboarding 中的變現提示，並大幅簡化了升級到付費專業版的自助服務流程。

成果：這項巧妙的合規與引導策略，幫 Unity 第一年就把自助服務營收做到 2000 萬美元，並在 4 年內突破 1 億美元大關。

3. HubSpot：成立「組織特區」孵化 GTM 戰略

HubSpot 在 2014 年已經有一億美元的銷售驅動型循環營收。決定跨進銷售軟體領域嘗試 PLG 轉型時，CEO Brian Halligan 做了一個很有遠見的決定——「不要直接在舊有業務裡修補，而是建立組織特區」。

實踐：Halligan 親自帶一個僅 10 人的全專職跨職能團隊，完全脫離原有的官僚和匯報體系，開發一款叫 Signals 的免費 email 追蹤產品，實踐 100% 的 Freemium 自助轉化。

成果：特區團隊在 3 年內收穫 1000 萬美元 ARR，徹底跑通了 PLG 產品研發、數據埋點和自助變現流程。隨後 HubSpot 實施「One HubSpot」計劃，把這套 PLG 的極簡 DNA 注入回整個行銷、客服等 5 大產品 Hub，推動公司走向 320 億美元市值。

Agent 可以幫你生成十個版本的介面，但選哪個對，只有真實數據和用戶會告訴你——不是你的直覺。

Miro 第一次的教訓就是這個：團隊覺得美，不代表用戶用得順。他們沒有靠感覺硬撐，是回頭看數據、訪談用戶，才找到問題出在哪裡。

這正是你現在能直接抄的部分：判斷力不是「一次就對」，是「先做出一版，讓真實用戶告訴你哪裡不對」。你不需要 MongoDB 的團隊、不需要 Duolingo 的數據科學家，你需要的只是把上面這套「先做出來、觀察、修正」的循環，套用在你自己在做的小東西上。

而 Bill.com 的 5 分鐘開發票案例也在說同一件事：你不需要一次做出全能的東西。你需要的是先鎖定一件事，把它做到讓人 5 分鐘內就摸到「啊哈」的那個瞬間。作品做完，不是結束，是開始——PLG 講的每一件事，最終都指向同一個問題：這個東西，能不能自己說服下一個人？

隨著軟體「吃掉世界」，加上智慧硬體、物聯網、AI 的全面爆發，PLG 的第一性原理正在跨越軟體邊界，向實體經濟深度滲透：

- John Deere 的「智慧鐵器」：把自動導航、電腦視覺、高精度噴灑軟體、土壤 IoT 感測器嵌進拖拉機，讓實體農機具備自我診斷、自動訂購備件，還能透過手機 App 自助訂閱增值數據服務的 PLG 屬性。 - Chatbooks 的社交成長迴圈：這家實體相簿沖印公司透過內建軟體和 AI，自動為相簿生成精美 soundtrack 和 Mini Movies，引發用戶在 Instagram 分享，直接帶動了 30% 以上的自發性客群自傳播。 - Oak Wood Fire Kitchen 的慷慨體驗：即使在餐飲業，透過給首訪客人不同顏色的桌墊引發「特權服務」感，並在客人離店前主動送「免費雞肉券」，同樣是很好的 PLG 原理實踐。

未來的 GTM 堆疊會高度垂直整合：底層是產品、中層是數據系統，頂層是具備同理心和高 EQ 的人類銷售專家。AI 會高效代替人類處理繁瑣的事實、交易和細節計算，人類則能把精力真正聚焦在客戶的戰略、願景和情感連結上。

PLG 不是一朝一夕的戰術，是一場需要「組織意志、頂尖人才與數年耐性」的系統工程。只有真正踐行同理心、大膽慷慨給予、無條件依賴數據指標的人，才能在這場軟體工業革命裡脫穎而出，把未來的成長牢牢握在自己手中。

不是先學完整套 PLG 理論再開始做。

是先挑出你作品裡「用戶第一次打開會做的那一步」，觀察或問一個真實的人：他卡在哪裡？

試試看：找一個朋友，不解釋任何東西，讓他直接打開你的作品試試看 → 你只在旁邊看，不要出手幫忙。看他卡在哪一步，那就是你今天最值得改的地方。

我還沒做出東西，這些案例對我有用嗎？ 有用。這些案例講的不是「做得更好看」，是「別急著相信自己的直覺，先做出一版讓真實用戶告訴你哪裡不對」。你在做第一版的時候，就可以先想清楚：等它做出來，要拿去給誰試、怎麼觀察他卡在哪裡。

我不是做企業軟體，這些觀念還適用嗎？ 適用。PLG 講的核心不是「企業軟體」，是「讓產品自己完成獲客、激活、留存」這件事——不管你做的是一個小工具、一個網站，還是一個數位產品，都可以問：我的產品，有沒有讓用戶自己走完「認識→上手→留下」的路？

我一個人做，沒有 5-7 人的成長團隊，這些方法還能用嗎？ 成長團隊的分工，是把「觀察數據、設計介面、寫程式、抓流量」這幾件事拆開來看。你一個人做的時候，可以把這幾件事輪流做——今天看數據、明天改介面——核心精神（用數據驗證，不是憑感覺硬做）不會因為只有一個人就不成立。

我想開始把「先做出來、讓真實用戶告訴我哪裡卡」的方法用在我的作品上，第一步該怎麼做？ 打開 Claude Code，用一句話說出你想做的最小版本。做出來之後，找一個人試用，觀察他卡在哪裡，不要幫他。如果你想要更完整的方法，去 BUILD 開始做：aicoding.tw/build。

如果你也想用「先做出來，讓真實用戶告訴你哪裡卡」的方式做出你的第一個作品—— 去 BUILD 開始做：aicoding.tw/build