是什么 Product-Market Fit Score Calculator?
▾
产品市场契合度 (PMF) 分数是对产品满足强劲市场需求程度的定量衡量标准，即产品满足特定目标市场需求的程度，如果该产品消失，客户将会深感失望。这个概念由马克·安德森（Marc Andreessen）和肖恩·埃利斯（Sean Ellis）推广。肖恩·埃利斯 (Sean Ellis) 的开创性调查方法提出了一个简单的问题：“如果您无法再使用[产品]，您会有什么感觉？”提供三种答复选项：非常失望、有些失望和不失望。埃利斯的研究发现，超过 40% 的用户回答“非常失望”的公司已经实现了产品与市场的契合——它们属于“必备”类别。低于 40% 的公司尚未找到真正的 PMF，无论营销支出如何，都将难以实现可持续增长。 40% 规则是通过对数百家初创公司的分析得出的：高于阈值的初创公司持续实现了高效增长且保留率较高，而低于阈值的初创公司在收购上投入了大量资金，但保留率较低且流失率较高。除了 Ellis 的调查之外，PMF 还可以通过几个额外的信号进行量化：净推荐值（NPS 大于 50 与 PMF 相关）、DAU/MAU 比率（消费者应用程序高于 20%，企业应用程序高于 40%）、自然口碑占新用户获取的百分比，以及保留曲线的形状（平坦的保留曲线表示稳定的用户群）。保留曲线特别具有诊断性：没有 PMF 的产品显示出保留率持续下降且没有变平，这意味着所有群组最终都会完全流失。具有 PMF 的产品显示出平坦且稳定的保留曲线，表明有一个核心用户群认为该产品不可或缺。计算 PMF 分数需要调查具有统计意义的样本（至少 40 到 100 名活跃用户），计算“非常失望”的百分比，并随时间推移跟踪它以及保留率和参与度指标。 PMF 不是二元成就，而是一个范围——公司随着市场的发展不断完善适应能力。
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
公式
▾
产品市场适合度分数计算：
步骤 1：收集所需的输入值：受访者百分比、主要 PMF 指标、净推荐值、每日活跃用户。
步骤 2：应用核心公式：PMF 分数 (%) =（非常失望的答复 / 调查总答复）× 100。
步骤 3：计算中间值，例如 PMF Benchmark：分数 >（如果适用）。
步骤 4：在组合术语之前验证所有单位是否一致。
第五步：计算最终结果并审查其合理性。
步骤 6：检查是否有任何特殊情况或边界条件适用于您的输入。
步骤 7：根据上下文解释结果并与参考值（如果有）进行比较。
每个步骤都建立在前一个步骤的基础上，将组件计算组合成全面的产品市场适合度得分结果。该公式捕捉了控制产品市场契合度得分行为的数学关系。变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| PMF Score | 受访者百分比 | — | 如果没有该产品，受访用户会“非常失望”的百分比 |
| Very Disappointed % | 主要 PMF 指标 | — | 主要 PMF 指标 — 必须超过 40% 才能确认贴合 |
| NPS | 净推荐值 | — | NPS参数代表产品市场契合度评分计算中的关键量化输入，以其标准单位进行测量，并通过数学公式直接影响计算结果 |
| DAU/MAU Ratio | 每日活跃用户数 | — | 每日活跃用户/每月活跃用户 - 参与强度 |
如何 Product-Market Fit Score Calculator
▾
- 1收集所需的输入值：受访者百分比、主要 PMF 指标、净推荐值、每日活跃用户。
- 2应用核心公式：PMF 分数 (%) =（非常失望的答复 / 调查总答复）× 100。
- 3计算中间值，例如 PMF Benchmark：分数 > 如果适用。
- 4在组合术语之前验证所有单位是否一致。
- 5计算最终结果并审查其合理性。
- 6检查是否有任何特殊情况或边界条件适用于您的输入。
- 7在上下文中解释结果并与参考值（如果有）进行比较。
例题解析
▾
将产品市场契合度评分公式与这些输入一起应用，得出： PMF 评分 48.3% — 确认产品市场契合度。所有三个信号（PMF 48%、D30 52%、NPS 61）一致。准备扩大增长投资。这展示了一个典型的产品市场契合度评分场景，其中计算器将原始参数转换为有意义的定量结果以供决策。
将产品市场适合度评分公式与这些输入一起应用，得出：PMF 评分 22.4% — 尚未实现。所有信号都很弱。专注于 19 位“非常失望”的核心用户 — 发现他们最看重的是什么，并加倍关注这些功能。这演示了一个典型的产品市场契合度评分场景，其中计算器将原始参数转换为有意义的定量结果以供决策。
将产品市场适合度评分公式与这些输入一起应用，得出： PMF 评分 46.7% — 有希望的 PMF 信号，但需要注意样本量较小。在扩展之前先与 100 多名受访者进行验证。保留和有机增长信号应该得到确认。这展示了一个典型的产品市场契合度评分场景，其中计算器将原始参数转换为有意义的定量结果以供决策。
将产品市场适合度评分公式与这些输入一起应用，得出： 卖方 PMF 已确认；买家 PMF 尚未实现。投资优先级：在扩大卖方供应方之前改善买方体验。这演示了典型的产品市场契合度评分场景，其中计算器将原始参数转换为有意义的定量结果以供决策。
实际应用
▾
决定是否扩大增长投资或继续迭代产品，代表了产品市场适合度分数在专业和分析环境中的重要应用领域，其中准确的产品市场适合度分数计算直接支持明智的决策、战略规划和性能优化
确定哪些用户群具有最强的产品契合度，代表了产品市场契合度分数在专业和分析环境中的重要应用领域，其中准确的产品市场契合度分数计算直接支持明智的决策、战略规划和绩效优化
使用量化的 PMF 证据准备投资者叙述，代表产品市场适合度分数在专业和分析环境中的重要应用领域，其中准确的产品市场适合度分数计算直接支持明智的决策、战略规划和绩效优化
在归因于营销之前诊断高流失率和低保留率，代表专业和分析环境中产品市场适合度分数的重要应用领域，其中准确的产品市场适合度分数计算直接支持明智的决策、战略规划和绩效优化
每季度跟踪 PMF 趋势以检测市场或产品退化，代表产品市场适合度分数在专业和分析环境中的重要应用领域，其中准确的产品市场适合度分数计算直接支持明智的决策、战略规划和性能优化
特殊情况
▾
双边市场：分别测量每一方（买方和卖方）的 PMF。
在产品市场适合度分数中，这种情况在解释产品市场适合度分数结果时需要格外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当产品市场适合度得分计算落入非标准范围时使用替代方法交叉引用结果。
免费增值产品：单独衡量付费用户的 PMF——免费用户有
免费增值产品：单独衡量付费用户的 PMF——免费用户的转换成本低得多，PMF 得分也低。在产品市场适合度分数中，这种情况在解释产品市场适合度分数结果时需要格外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当产品市场适合度得分计算落入非标准范围时使用替代方法交叉引用结果。
企业软件：PMF 通过续订率、扩展收入和
企业软件：PMF 通过续订率、扩展收入和拥护者行为来衡量——调查格式不太合适。在产品市场适合度分数中，这种情况在解释产品市场适合度分数结果时需要格外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当产品市场适合度得分计算落入非标准范围时使用替代方法交叉引用结果。
产品市场契合度评分参考数据
▾
| PMF分数 | 分类 | 建议采取的行动 | 成长准备 |
|---|---|---|---|
| 20%以下 | 无PMF | 转向或重建核心价值支柱 | 请勿缩放 |
| 20 - 30% | 早期信号 | 迭代“VD”细分需求 | 还没有 |
| 30 - 40% | 接近PMF | 加倍关注最强大的用例 | 有限的测试 |
| 40 - 50% | PMF确认 | 开始系统的生长实验 | 准备扩展 |
| 50 - 60% | 强PMF | 规模增长投资 | 高置信度 |
| 60 - 75% | 卓越的 PMF | 积极扩展是合理的 | 非常高的置信度 |
| 75%+ | 稀有/特殊 | 专注于可扩展的分发 | 全成长模式 |
常见问题
▾
这在产品市场适合度分数计算的背景下尤其重要，因为准确性直接影响决策。多个行业的专业人士依靠精确的产品市场适合度分数计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
这在产品市场适合度分数计算的背景下尤其重要，因为准确性直接影响决策。多个行业的专业人士依靠精确的产品市场适合度分数计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
这在产品市场适合度分数计算的背景下尤其重要，因为准确性直接影响决策。多个行业的专业人士依靠精确的产品市场适合度分数计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
这在产品市场适合度分数计算的背景下尤其重要，因为准确性直接影响决策。多个行业的专业人士依靠精确的产品市场适合度分数计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
这在产品市场适合度分数计算的背景下尤其重要，因为准确性直接影响决策。多个行业的专业人士依靠精确的产品市场适合度分数计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
这在产品市场适合度分数计算的背景下尤其重要，因为准确性直接影响决策。多个行业的专业人士依靠精确的产品市场适合度分数计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
这在产品市场适合度分数计算的背景下尤其重要，因为准确性直接影响决策。多个行业的专业人士依靠精确的产品市场适合度分数计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
常见错误注意事项
▾
- !调查所有注册用户而不是活跃用户 - 使无经验用户的样本膨胀
- !将 40% 视为二元通过/失败，而不跟踪趋势方向（改善与下降 PMF）
- !使用 PMF 分数作为唯一信号 — 应与保留曲线、NPS 和有机增长进行三角测量
- !在 PMF 确认之前扩大增长支出——高效增长需要 PMF 基础
- !对所有细分市场的 PMF 进行平均 — 可能会错过特定细分市场的 PMF（一个角色强，另一个角色弱）
- !进行 PMF 调查的频率太低——对于快速发展的初创公司来说，至少每季度一次
专业提示
当您的 PMF 分数低于 40% 时，请重点关注“非常失望”的用户。问他们：“什么类型的人会从该产品中受益最多？”以及“您如何使用该产品以及您认为什么最有价值？”他们的答案揭示了产品的真正价值以及 PMF 存在的细分市场。
你知道吗？
Superhuman（电子邮件客户端）因运行严格的 PMF 流程而闻名 — 首席执行官 Rahul Vohra 每周跟踪 PMF，只有在达到 58% 的“非常失望”时才启动公共增长。 The approach is now considered a gold standard for pre-scale product validation.
Regional Guides
▾
Global▾
参考资料
- ›Sean Ellis —“为您的初创公司寻找增长黑客”（原始 40% 方法论）
- ›Marc Andreessen —“唯一重要的事情”（PMF 概念）
- ›Rahul Vohra —“超人如何构建引擎来寻找适合产品市场的引擎”
- ›Andrew Chen — Andreessen Horowitz — PMF 和保留
Ratings & comments
获取每周数学提示
加入 12,000+ 订阅者，每周都会获得计算器提示。