Ano ang PMF Score Calculator?
▾
Ang product-market fit (PMF) ay ang antas kung saan natutugunan ng isang produkto ang isang malakas na pangangailangan sa merkado. Isa ito sa mga pinakapangunahing konsepto sa diskarte sa pagsisimula, na kumakatawan sa inflection point kung saan lumilipat ang isang startup mula sa paghahanap para sa modelo ng negosyo nito patungo sa pagpapatupad at pag-scale ng isa. Bago ang PMF, ang isang startup ay dapat umulit at mag-eksperimento; pagkatapos ng PMF, dapat itong tumuon sa pag-scale ng pamamahagi at organisasyon na nagpapalaki sa kung ano ang gumagana na. Ang PMF ay kilalang-kilala na mahirap sukatin nang tumpak dahil ito ay isang multi-dimensional na konsepto na pinagsasama ang demand sa merkado, kalidad ng produkto, pagpapanatili ng customer, at kakayahang umangkop sa negosyo. Ang pinakamalawak na ginagamit na quantitative proxy ay ang Sean Ellis test: survey users asking 'Ano ang mararamdaman mo kung hindi mo na magagamit ang produktong ito?' Ang mga gumagamit na sumagot ng 'napaka-disappoint' ay malakas na tagapagpahiwatig ng PMF. Ang threshold ng 40% ng mga aktibong user na pumipili ng 'napaka-disappoint' ay karaniwang itinuturing na ebidensya ng PMF, batay sa empirical na pananaliksik ni Ellis sa daan-daang mga startup. Ang mga quantitative signal na sumusuporta sa pagtatasa ng PMF ay kinabibilangan ng: Net Promoter Score (NPS) sa itaas 40-50 para sa B2B, organic viral growth (mga bagong user na dumarating sa pamamagitan ng mga referral sa halip na mga bayad na channel), malakas na retention cohort curves na flatten sa halip na bumababa sa zero, Net Revenue Retention na higit sa 110-120% para sa B2B SadecaSmouth ng mga gastos sa customer. mga kapalit para sa bayad na pagkuha. Parehong mahalaga ang mga qualitative signal: nagrereklamo ang mga customer kapag sinubukan mong palitan ang isang feature, natutuklasan ng mga sales team na madaling magsara ng mga deal dahil naiintindihan kaagad ng mga customer ang halaga, mga pag-uusap sa suporta sa customer na nagpapakita kung gaano kalalim ang pagsasama ng produkto sa workflow ng user, at papasok na interes mula sa mga potensyal na customer at partner nang walang aktibong outreach. Ang PMF ay hindi binary — ito ay umiiral sa isang spectrum at maaaring maging malakas sa ilang mga segment ng customer habang mahina sa iba. Ang mga tagapagtatag ay madalas na maagang nagdedeklara ng PMF batay sa mga masigasig na maagang nagpatibay na maaaring hindi kinatawan ng pangunahing merkado. Ang pinakamahirap na pagsubok ng PMF ay kung ang produkto ay nagpapanatili ng mga pangunahing customer, hindi lamang ang mga maagang nag-aampon na susubukan ang anumang bago. Ang isang produkto ay may malakas na PMF kapag ang mga unang customer ay nagpapakita ng parehong sigasig at pagpapanatili tulad ng mga maagang nag-adopt. Maaari ding masira ang PMF sa paglipas ng panahon habang nagbabago ang mga merkado, bumubuti ang mga kakumpitensya, at nagbabago ang mga inaasahan ng customer. Ang mga kumpanyang nagpapanatili ng PMF ay ang mga patuloy na muling namumuhunan sa pag-unawa sa kanilang mga customer at pagpapaunlad ng produkto bago ang mga pagbabago sa merkado. Ang regular na quarterly na pagsukat ay mahalaga para sa pag-detect ng mga maagang palatandaan ng pagguho ng PMF bago sila maging mga umiiral na banta.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Pormula
▾
Pagkalkula ng Product Market Fit:
Hakbang 1: Isagawa ang survey ng Sean Ellis PMF sa mga kamakailang aktibong user (nakalipas na 30 araw): 'Ano ang mararamdaman mo kung hindi mo na magagamit ang produktong ito?' — Lubhang Dismayado, Medyo Dismayado, o Hindi Nabigo.
Hakbang 2: Kalkulahin ang Porsyentong Lubhang Disappointed: (napakadismaya na mga tugon / kabuuang mga tugon) x 100. Threshold para sa PMF: 40%.
Hakbang 3: Mag-survey nang hiwalay sa NPS (0-10 scale, posibilidad na magrekomenda): Mga Promoter (9-10) minus Detractors (0-6) = NPS. B2B PMF signal: 40+.
Hakbang 4: Suriin ang mga curve ng pagpapanatili ng cohort: i-plot ang porsyento ng mga user ng bawat cohort na aktibo pa rin sa 30, 60, 90, 180 araw. Ang pagyupi ng mga kurba ay nagpapahiwatig ng nakagawiang paggamit.
Hakbang 5: Subaybayan ang organic kumpara sa binabayarang bagong user acquisition: kung ang word-of-mouth ay bumubuo ng 30%+ ng mga bagong user na walang aktibong referral program, iyon ay isang malakas na signal ng PMF.
Hakbang 6: Pagsamahin ang lahat ng signal sa isang pinagsama-samang pagtatasa ng PMF: bigat ng VD% na pinakamabigat (pangunahing signal), pagkatapos ay pagpapanatili, NRR, NPS, at organic na pagkuha.
Hakbang 7: Ulitin ang survey at pagsusuri kada quarter habang umuunlad ang produkto at customer base — Maaaring mawala ang PMF habang nagbabago ang market o habang bumababa ang produkto kumpara sa mga kakumpitensya.
Bumubuo ang bawat hakbang sa nauna, pinagsasama-sama ang mga kalkulasyon ng bahagi sa isang komprehensibong resulta ng akma sa merkado ng produkto. Kinukuha ng formula ang mga mathematical na relasyon na namamahala sa pag-uugali ng produkto sa market fit.Paliwanag ng variable
▾
| Simbolo | Pangalan | Yunit | Paglalarawan |
|---|---|---|---|
| VD | Sobrang Dismayado % | % | Porsiyento ng mga na-survey na aktibong user na lubos na madidismaya kung mawala ang produkto; threshold: 40%. |
| NPS | Net Promoter Score | score | Ang parameter ng NPS ay kumakatawan sa isang pangunahing quantitative input sa pagkalkula ng angkop sa merkado ng produkto, na sinusukat sa karaniwang yunit nito at direktang nakakaimpluwensya sa nakalkulang resulta sa pamamagitan ng mathematical formula |
| D30 | 30-Araw na Pagpapanatili | % | Porsiyento ng mga user na aktibo sa buwan 1 na aktibo pa rin sa buwan 2; PMF signal: 40%+ consumer, 80%+ B2B. |
| WoM | Referral / Organic % | % | Porsiyento ng mga bagong user na dumarating sa pamamagitan ng organic word-of-mouth vs mga bayad na channel; mataas na % = signal ng PMF. |
| NRR | Pagpapanatili ng Netong Kita | % | Kasalukuyang paglago ng ARR ng customer kabilang ang mga pagpapalawak na binawasan ng churn; PMF signal: 110%+ para sa B2B SaaS. |
Paano PMF Score Calculator
▾
- 1Isagawa ang survey ng Sean Ellis PMF sa mga aktibong user kamakailan (nakalipas na 30 araw): 'Ano ang mararamdaman mo kung hindi mo na magagamit ang produktong ito?' — Lubhang Dismayado, Medyo Dismayado, o Hindi Nabigo.
- 2Kalkulahin ang porsyento ng Very Dissappointed: (napakadisappoint na mga tugon / kabuuang mga tugon) x 100. Threshold para sa PMF: 40%.
- 3Mag-survey nang hiwalay sa NPS (0-10 scale, posibilidad na magrekomenda): Mga Promoter (9-10) minus Detractors (0-6) = NPS. B2B PMF signal: 40+.
- 4Suriin ang mga curve ng pagpapanatili ng cohort: i-plot ang porsyento ng mga user ng bawat cohort na aktibo pa rin sa 30, 60, 90, 180 araw. Ang pagyupi ng mga kurba ay nagpapahiwatig ng nakagawiang paggamit.
- 5Subaybayan ang organic kumpara sa binabayarang bagong user acquisition: kung ang word-of-mouth ay bumubuo ng 30%+ ng mga bagong user na walang aktibong referral program, iyon ay isang malakas na signal ng PMF.
- 6Pagsamahin ang lahat ng signal sa isang pinagsama-samang pagtatasa ng PMF: bigat ng VD% na pinakamabigat (pangunahing signal), pagkatapos ay pagpapanatili, NRR, NPS, at organic na pagkuha.
- 7Ulitin ang survey at pagsusuri bawat quarter habang nagbabago ang produkto at base ng customer — maaaring mawala ang PMF habang nagbabago ang market o habang bumababa ang produkto kumpara sa mga kakumpitensya.
Mga Nalutas na Halimbawa
▾
58% VD >> 40% threshold; NPS 64 >> 40 B2B benchmark; 82% D30 >> 80% B2B target; 127% NRR >> 110% target.
Ang tool sa pamamahala ng proyekto ng B2B na ito ay nagpapakita ng napakalakas na PMF sa lahat ng sukatan. Ang 58% Very Disappointed na marka ay 45% sa itaas ng 40% threshold, na nagmumungkahi na ang produkto ay tumawid mula sa mga naunang nag-adopt sa mainstream market fit. Ang isang NPS na 64 ay nangangahulugan na ang mga customer ay masigasig na nagrerekomenda ng produkto. Ang 82% 30-araw na pagpapanatili ay nagpapahiwatig ng karaniwang pang-araw-araw o lingguhang paggamit na pangunahing sa daloy ng trabaho. Ipinapakita ng 45% organic acquisition na kumakalat ang produkto sa pamamagitan ng word-of-mouth nang walang bayad na marketing. Nangangahulugan ang 127% NRR na pinalawak ng mga kasalukuyang customer ang kanilang paggamit nang mas mabilis kaysa sa pag-churn nila — isang compounding growth engine. Ang lahat ng mga signal na magkasama ay nagpapahiwatig na ang kumpanya ay dapat lumipat mula sa paghahanap ng PMF sa agresibong pag-scale ng pamamahagi.
32% VD ay mas mababa sa 40% threshold; Napakababa ng 22% D30 retention para sa consumer; Ang NPS 28 ay katamtaman.
Ang consumer app na ito ay nagpapakita ng mahinang PMF signal sa lahat ng dimensyon. Ang 32% Very Disappointed na marka ay makabuluhang mas mababa sa 40% threshold, na nagmumungkahi na ang produkto ay maganda ngunit hindi mahalaga. Para sa mga consumer app, mas mataas ang PMF bar dahil mas mababa ang mga gastos sa paglipat. Napakababa ng 22% ng tatlumpung araw na pagpapanatili — 78% ng mga user na sumusubok sa produkto ay hindi bumabalik pagkatapos ng buwan 1. Ang NPS na 28 ay karaniwan. Ang organic acquisition sa 18% ay nagmumungkahi ng ilang word-of-mouth ngunit hindi sapat upang palitan ang mga bayad na channel. Ang tamang tugon ay ang malalim na pakikipanayam ang 32% na madidismaya, unawain ang kanilang partikular na kaso ng paggamit, agresibong ulitin kung ano ang kanilang pinahahalagahan, at muling suriin sa loob ng 6-8 na linggo.
Ang PMF ay partikular sa segment; ituon ang ICP sa enterprise kung saan pinakamalinaw ang halaga.
Ang pagsusuri na ito ay nagpapakita na ang PMF ay hindi pare-pareho sa mga segment ng customer. Ang enterprise segment ay nagpapakita ng 61% Very Dissappointed — malakas na PMF. Ang segment ng SMB ay nasa 38%, mas mababa lang sa threshold. Ang startup segment ay nagpapakita lamang ng 22% — walang PMF. Ang naka-segment na pagsusuri ng PMF na ito ay isa sa pinakamahalagang input para sa go-to-market na diskarte. Dapat ituon ng kumpanya ang Ideal Customer Profile nito sa mga customer ng enterprise kung saan malinaw na naghahatid ang produkto ng mahahalagang halaga, habang inaalis ang priyoridad sa startup segment kung saan mahina ang PMF. Ang pagtatangkang pagsilbihan ang lahat ng mga segment nang sabay-sabay na may mahinang PMF sa dalawang-katlo ng mga ito ay nag-aaksaya ng mga mapagkukunan at nagpapaputik sa roadmap ng produkto.
Sinusubaybayan ng mga quarterly survey ng PMF ang pag-uulit ng produkto; tumatawid sa 40% ang milestone ng PMF.
Ang pagsubaybay sa porsyento ng Very Dissappointed sa paglipas ng panahon ay isang mahusay na tool para sa pagsukat ng epekto ng mga pag-ulit ng produkto. Nagsimula ang team na ito sa 28% (walang PMF), masinsinang nagtrabaho sa feedback ng customer, nagpadala ng mga pangunahing feature, at pinahusay ang metric quarterly: 28% hanggang 35% hanggang 41% hanggang 48%. Ang pagtawid sa 40% na threshold sa ika-6 na buwan ay kumakatawan sa milestone ng PMF — isang malinaw na punto ng pagbabago na naging mahalaga ang produkto sa pag-target ng mga user. Kinukumpirma ng 48% ng Buwan 9 na ang signal ay sustainable sa halip na isang minsanang pagsukat na artifact. Ang pag-unlad na ito ay dapat na ibahagi sa board at mga mamumuhunan bilang katibayan na ang koponan ay maaaring matukoy at makatugon sa feedback ng user sa sistematikong paraan - isang pangunahing kakayahan na lubos na pinahahalagahan ng mga mamumuhunan.
Mga praktikal na gamit
▾
Pre-fundraising PMF validation para bigyang-katwiran ang Serye A na interes ng mamumuhunan, na kumakatawan sa isang mahalagang lugar ng aplikasyon para sa Product Market Fit sa mga propesyonal at analytical na konteksto kung saan ang mga tumpak na kalkulasyon sa market ng produkto ay direktang sumusuporta sa matalinong paggawa ng desisyon, estratehikong pagpaplano, at pag-optimize ng performance
Pag-prioritize ng roadmap ng produkto: tumutuon sa mga feature na nagpapabuti sa porsyento ng Very Dissappointed, na kumakatawan sa isang mahalagang lugar ng aplikasyon para sa Product Market Fit sa mga propesyonal at analytical na konteksto kung saan ang mga tumpak na kalkulasyon sa market ng produkto ay direktang sumusuporta sa matalinong paggawa ng desisyon, estratehikong pagpaplano, at pag-optimize ng performance
Pagse-segment ng customer: pagtukoy kung aling mga segment ang may malakas kumpara sa mahinang PMF, na kumakatawan sa isang mahalagang lugar ng aplikasyon para sa Product Market Fit sa mga propesyonal at analytical na konteksto kung saan ang mga tumpak na kalkulasyon sa market ng produkto ay direktang sumusuporta sa matalinong paggawa ng desisyon, estratehikong pagpaplano, at pag-optimize ng performance
Pag-uulat ng board: pagsubaybay sa mga sukatan ng PMF kada quarter upang ipakita ang pagkakahanay ng produkto-market, na kumakatawan sa isang mahalagang lugar ng aplikasyon para sa Product Market Fit sa mga propesyonal at analytical na konteksto kung saan ang mga tumpak na kalkulasyon sa market ng produkto ay direktang sumusuporta sa matalinong paggawa ng desisyon, estratehikong pagpaplano, at pag-optimize ng performance
Pagpaplano ng Go-to-market: gamit ang data ng segment ng PMF upang tukuyin ang Ideal na Profile ng Customer, na kumakatawan sa isang mahalagang lugar ng aplikasyon para sa Product Market Fit sa mga propesyonal at analytical na konteksto kung saan ang mga tumpak na kalkulasyon sa market ng produkto ay direktang sumusuporta sa matalinong paggawa ng desisyon, estratehikong pagpaplano, at pag-optimize ng performance
Mga espesyal na kaso
▾
PMF in Two-Sided Marketplaces
Dapat makamit ng two-sided marketplaces ang PMF sa magkabilang panig nang sabay-sabay — supply (nagbebenta, driver, host) at demand (mga mamimili, rider, bisita). Ang pagsukat ng PMF ay dapat masuri nang nakapag-iisa ang magkabilang panig at ang kanilang pakikipag-ugnayan. Ang isang pamilihan ay maaaring magkaroon ng malakas na PMF sa isang panig at mahinang PMF sa kabilang panig, na lumilikha ng hindi balanseng istruktura na naglilimita sa paglago.
Enterprise vs.
Bottom-Up PMF', 'description': 'Enterprise (top-down) PMF ay napatunayan sa pamamagitan ng mga desisyon sa pagkuha, multi-year na kontrata, at paglalaan ng badyet. Ang bottom-up product-led growth na PMF ay pinapatunayan sa pamamagitan ng indibidwal na user adoption na kumakalat sa loob ng mga organisasyon nang walang top-down na mandato. Malaki ang pagkakaiba ng mga sukatan: ang enterprise PMF ay nakatuon sa mga rate ng pag-renew ng kontrata at pagpapalawak; Nakatuon ang PLG PMF sa mga rate ng activation, paglaki ng upuan, at viral coefficient.'}
International PMF Variations
PMF can be highly localized — isang produkto na may malakas na PMF sa US market ay maaaring may mahinang PMF sa Germany o Japan dahil sa mga pagkakaiba sa kultura, mga kinakailangan sa regulasyon, o mga lokal na alternatibong mapagkumpitensya. Ang internasyonal na pagpapalawak ay dapat palaging kasangkot sa pagpapatunay ng PMF sa bawat bagong heograpiya nang independyente sa halip na ipagpalagay na ang US PMF ay awtomatikong ililipat.
Mga Benchmark ng PMF ayon sa Sukatan at Yugto
▾
| Sukatan | Walang PMF | Marginal na PMF | Malakas na PMF | Pambihirang PMF |
|---|---|---|---|---|
| Sean Ellis VD % | < 25% | 25-39% | 40-55% | > 55% |
| B2B NPS | < 20 | 20-39 | 40-60 | > 60 |
| Consumer 30-Day Retention | < 15% | 15-30% | 30-50% | > 50% |
| B2B 12-Buwan na Pagpapanatili | < 70% | 70-85% | 85-90% | > 90% |
| Pagpapanatili ng Netong Kita | < 90% | 90-100% | 100-115% | > 115% |
| Organic na % ng mga Bagong User | < 10% | 10-25% | 25-50% | > 50% |
Mga madalas itanong
▾
Ano nga ba ang 40% threshold sa Sean Ellis test?
Si Sean Ellis, na lumikha ng 'very disappointed' na paraan ng survey matapos pag-aralan ang daan-daang mga startup sa panahon ng kanyang panahon sa Dropbox, Eventbrite, at LogMeIn, ay empirically natagpuan na ang mga startup na may 40% o higit pa sa mga user na nagsasabing sila ay 'labis na mabibigo' kung wala ang produkto na patuloy na nagpapakita ng malakas na sukatan ng paglago at positibong unit economics. Sa ibaba ng 40%, ang paglago ay karaniwang mahirap at hindi mapanatili. Ang 40% ay isang threshold, hindi isang kisame — ang pinakamalakas na kumpanya ng PMF ay nagpapakita ng 60-80%+ sa sukatang ito. Sa kritikal na paraan, ang survey ay dapat na ipadala lamang sa mga kamakailang aktibong user sa nakalipas na 30 araw, hindi lahat ng mga rehistradong user — ang mga hindi aktibong user ay palaging magre-rate ng produkto na mas mababa at makabuluhang ibababa ang mga resulta.
Maaari ka bang magkaroon ng PMF sa B2B nang walang Sean Ellis test?
Oo — Ang PMF sa B2B ay mas mahusay na sinusukat sa pamamagitan ng pagpapanatili at mga sukatan ng kita kaysa sa pamamagitan lamang ng mga survey, dahil ang mga mamimili ng B2B ay kadalasang naiiba sa mga end user at ang mga tugon sa survey ay maaaring hindi makakuha ng mga desisyon sa pagkuha. Ang pinakamalakas na signal ng B2B PMF ay ang NRR na higit sa 110-120%, 12-buwan na kabuuang kita na pananatili sa itaas ng 90%, maiikling mga cycle ng pagbebenta na may mababang pushback sa presyo, mataas na papasok na interes na nauugnay sa outbound na pagsisikap, at aktibong ginagamit ng mga customer ang produkto araw-araw o lingguhan bilang isang kritikal na tool sa daloy ng trabaho. Para sa mga kumpanya ng B2B, ang pagtatanong sa mga customer kung magbibigay sila ng sanggunian sa pag-aaral ng kaso o magrerekomenda ng produkto sa isang peer ay kadalasang mas naaaksyunan na mga indicator ng PMF kaysa sa consumer-oriented na survey na Sean Ellis.
Ano ang dapat mong gawin bago ka magkaroon ng product-market fit?
Bago ang PMF, dapat bawasan ng isang startup ang mga gastos at i-maximize ang bilis ng pagkatuto — hindi sukat. Ang tuksong mag-hire nang agresibo, gumastos ng malaki sa marketing, at sukatin ang mga operasyon bago ang PMF ay isang nangungunang sanhi ng pagkabigo sa startup. Kung walang PMF, nasasayang ang paggastos sa marketing dahil nagbubuhos ka ng tubig sa isang tumutulo na balde. Ang pag-hire ng mga benta ay napaaga dahil hindi maaaring magsara ang mga reps kung hindi tumutunog ang produkto. Ang mga tamang aktibidad bago ang PMF ay malalim na nakikipagpanayam sa mga potensyal na customer upang maunawaan ang kanilang sakit, pagbuo at pagpapadala ng mabilis, pakikipag-usap sa bawat customer nang personal, walang awa na pagputol ng mga feature na hindi tumutugon sa pangunahing sakit, at muling pagsusuri pagkatapos ng bawat makabuluhang pagbabago ng produkto upang subaybayan ang signal ng PMF.
Maaari mo bang mawala ang product-market fit pagkatapos mong makuha ito?
Oo — Hindi permanente ang PMF. Maaaring mawalan ng PMF ang mga kumpanya habang nagbabago ang mga kondisyon ng merkado, lumilitaw ang mga kakumpitensya na may mas mahuhusay na solusyon, o nabigo ang produkto na umunlad sa pagbabago ng mga pangangailangan ng customer. Ang Blockbuster ay nagkaroon ng malakas na PMF para sa pagrenta ng pelikula bago ito ginulo ng Netflix. Maraming enterprise software vendor ang may PMF on-premise na bumagsak habang lumitaw ang mga alternatibong cloud. Maaari ding mawala ang PMF kung ang kalidad ng sariling produkto ng kumpanya ay bumababa o ang mga pagbabago sa pagpepresyo ay ginagawang hindi gaanong mapagkumpitensya ang produkto. Kabilang sa mga tagapagpahiwatig ng pagguho ng PMF ang pagbaba ng NRR, pagtaas ng churn rate, pagtaas ng mga gastos sa pagkuha ng customer, at pagbaba ng Very Dissappointed na porsyento sa mga paulit-ulit na survey. Ang mga regular na quarterly survey ay nakakatulong na mahuli ang pagguho nang maaga kapag ito ay naitama pa.
Ano ang pagkakaiba sa pagitan ng PMF at problem-solution fit?
Ang problema-solusyon na akma at produkto-market fit ay naiiba ngunit sunud-sunod na mga konsepto. Nauuna ang problem-solution fit: kinikilala ba ng mga customer na ang problemang nilulutas mo ay totoo at sapat na malaki upang magbayad para sa isang solusyon? Ito ay napatunayan sa pamamagitan ng mga panayam sa pagtuklas ng customer bago ang pagtatayo. Pangalawa ang product-market fit: ang iyong partikular na produkto ba ang tamang solusyon para sa problemang iyon, kung kaya't ang isang tinukoy na segment ng merkado ay nakagawian na ginagamit ito at magiging lubhang bigo kung wala ito? Ang isang startup ay maaaring magkaroon ng mahusay na problema-solusyon na akma ngunit nabigo upang makamit ang PMF dahil ang pagpapatupad ng produkto nito ay hindi ang tamang solusyon. Ang paglaktaw sa pagpapatunay ng solusyon sa problema — pagbuo bago kumpirmahin na totoo ang problema — ang pinakakaraniwang dahilan kung bakit hindi nakakamit ang mga startup.
Gaano katagal ang karaniwang inaabot upang mahanap ang product-market fit?
Nalaman ng survey ng State of Startups ng First Round Capital na iniulat ng mga founder na tumatagal ng average na 24 na buwan upang mahanap ang product-market fit mula sa pagkakatatag. Gayunpaman, malaki ang pagkakaiba nito: ang ilang kumpanya ay nakakahanap ng PMF sa loob ng 3-6 na buwan sa pamamagitan ng pagsisimula sa napakahigpit na pananaliksik sa customer at pagbuo kung ano mismo ang kailangan ng isang partikular na segment ng customer; ang iba ay umuulit sa loob ng 3-4 na taon bago mahanap ang tamang kumbinasyon ng produkto, customer, at go-to-market na diskarte. Ang oras sa PMF ay malakas na naiimpluwensyahan ng kung gaano katumpak na tinukoy ng founding team ang kanilang paunang hypothesis ng customer, kung gaano kabilis sila makakagawa at makakapagpadala ng mga iteration, at kung gaano kabisa ang proseso ng pagtuklas ng kanilang customer. Ang mga kumpanya ng YC, na dumaan sa masinsinang pagtuklas ng customer sa loob ng 3 buwang batch, ay kadalasang nakakahanap ng mga signal ng PMF nang mas mabilis kaysa sa mga hindi sinusuportahang founder.
Paano mo ginagamit ang mga insight ng PMF para gabayan ang pagbuo ng produkto?
Ang mga insight ng PMF mula sa survey ng Sean Ellis at pagsusuri sa pagpapanatili ay dapat direktang humubog sa roadmap ng produkto. Sa partikular: tukuyin ang mga feature at mga kaso ng paggamit na 'napaka-disappoint' na binanggit ng mga user bilang mahalaga — ito ang pangunahing bahagi ng iyong produkto at hindi kailanman dapat masira. Suriin kung ano ang sinasabi ng mga user na 'medyo nabigo' na sa tingin nila ay mahalaga — kinakatawan nito ang mga pagkakataong i-convert sila sa mga user na 'napakadisappoint' sa pamamagitan ng mga naka-target na pagpapahusay sa feature. Huwag pansinin o alisin ang priyoridad ng mga kahilingan mula sa mga user na 'hindi nabigo' — malamang na hindi sila maging iyong mga pangunahing customer anuman ang mga pagbabago sa produkto. Dapat matukoy ng pagsusuri sa pagpapanatili ang sandali ng pag-activate (ang punto kung saan unang nakakaranas ang mga bagong user ng pangunahing halaga) at ang mga feature na nauugnay sa pangmatagalang pagpapanatili — pareho dapat na agresibong i-optimize.
Mga Karaniwang Mali na Dapat Iwasan
▾
- !Pag-survey sa lahat ng mga rehistradong user sa halip na kamakailan lamang na mga aktibong user — i-drag ng mga hindi aktibong user ang porsyentong Very Dissappointed pababa, na nagbibigay ng maling pessimistic na pagbabasa.
- !Ang pagdedeklara ng PMF batay sa sigasig ng maagang nag-adopt nang hindi sinusuri kung ang mga pangunahing user ay nagpapakita ng parehong mga pattern ng pagpapanatili.
- !Ang pag-optimize ng mga salita sa survey upang mapataas ang mga marka — ang isang napalaki na marka ng PMF ay nanlilinlang sa mga tagapagtatag sa pag-scale nang maaga bago ang produkto ay tunay na handa.
- !Hindi pagse-segment ng pagsusuri sa PMF ayon sa uri ng customer — ang mahinang pangkalahatang PMF ay maaaring magtakpan ng malakas na PMF sa isang partikular na segment na dapat pagtuunan ng pansin.
- !Nakakalito sa paggamit ng produkto sa pag-ibig sa produkto — ang mataas na pang-araw-araw na aktibong user ay maaaring magresulta mula sa gamification o presyon ng notification sa halip na paghahatid ng tunay na halaga, na nagbibigay ng maling signal ng PMF.
Pro Tip
Ang 40% na benchmark ni Sean Ellis para sa tanong na 'napaka-disappoint' ay isang threshold, hindi isang kisame — nakikita ng pinakamahuhusay na kumpanyang malakas sa PMF ang 60-80% ng mga user na nagsasabing sila ay madidismaya kung wala ang produkto. Kung ikaw ay nasa 35%, wala ka pang PMF, ngunit maaaring malapit ka na para patuloy na umulit.
Alam mo ba?
Ang terminong 'product-market fit' ay pinasikat ni Marc Andreessen sa isang post sa blog noong 2007. Ang survey na 'napaka-disappointed' ni Sean Ellis ay naging ang pinakamalawak na ginagamit na quantitative proxy para sa PMF, sa kabila ng pagiging isang pansariling iniulat na sukatan.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Mga Sanggunian
Ratings & comments
Kumuha ng Lingguhang Mga Tip sa Math
Sumali sa 12,000+ subscriber na nakakakuha ng mga tip sa calculator bawat linggo.