אני בונה את המוצר.

MVP טוב לא נבנה סביב רשימת פיצ'רים. הוא נבנה סביב הנחה. המוצר הראשון שלכם צריך לבדוק אם ההתנהגות שבבסיס ההנחה באמת מתרחשת. אתם לא צריכים כרגע לבנות מערכת שלמה מסביבה.

ChatGPT או Claude יכולים לעזור מאוד לצמצם Scope, להפוך רעיון ל-PRD קצר ולזהות מה אפשר לבדוק בלי לבנות מערכת מלאה. אבל אל תתנו להם להוסיף פיצ'רים רק כי הם מקובלים במוצרים מהסוג הזה.

מתחילים מההנחה המרכזית. אחר כך בודקים כל פיצ'ר ושמים אותו באחת מארבע קבוצות: חייבים לבנות עכשיו בלעדיו אי אפשר לבדוק את ההנחה. אפשר לעשות ידנית מאחורי הקלעים המשתמש מקבל את הערך, אבל אתם עדיין לא צריכים לבנות אוטומציה מלאה. אפשר לדחות יכול להיות שימושי בעתיד, אבל לא משפיע על הלמידה כרגע. למחוק לא עוזר לבדוק שום דבר משמעותי.

לא מסמך של 30 עמודים. PRD קצר שאפשר לתת למפתח או לכלי בנייה ולהבין מיד: מה בונים, למה בונים אותו ומה אמור לקרות כדי שנדע שלמדנו משהו.

AI הפך את הבנייה לכל כך נגישה, שהרבה יזמים מגיעים ל-MVP לפני שהם באמת סיימו להבין את הבעיה והשוק. ובגלל שכל פיצ'ר נמצא במרחק של עוד Prompt, קשה יותר לעצור. המטרה היא לא לבנות כמה שיותר בזול. המטרה היא ללמוד כמה שיותר עם כמה שפחות בנייה.

ניפוח פיצ'רים (Feature Creep). אם תשאלו את ה-AI מה עוד כדאי להוסיף, הוא כמעט תמיד ימצא תשובות. לפעמים השאלה הנכונה יותר היא: איזה פיצ'ר אפשר להוציא ועדיין לבדוק את ההנחה המרכזית?

אפשר להגיע תוך יומיים למשהו שנראה מאוד בשל. יש Login, Dashboard, גרפים, AI ואולי אפילו מערכת תשלומים. הכול נראה אמיתי. אבל זה עדיין יכול להיות דמו שעובד טוב רק בתרחיש שתכננתם מראש.

כאן אפשר לתת לו הרבה עבודה: UI, Flow, Database ראשוני, לוגיקה, Integrations, Copy, Tests בסיסיים ו-Troubleshooting. אבל לפני שנותנים לכלי להתחיל לבנות, כדאי לדרוש ממנו לעצור רגע ולהראות שהוא מבין מה הוא עושה.

משהו שאפשר לתת למשתמש אמיתי ולראות מה קורה. הוא לא חייב להיות מושלם. הוא כן צריך להיות מספיק טוב כדי לבדוק את ההתנהגות שבגללה בניתם אותו.

לפני כמה שנים, העובדה שהיה קשה לבנות הכריחה יזמים להיות מאוד בררנים. היום המגבלה הזאת כמעט נעלמה בהרבה סוגי מוצרים. זה מעולה, אבל צריך לייצר את המשמעת בעצמכם. רק כי אפשר להוסיף משהו היום, לא אומר שכדאי להוסיף אותו היום.

התרחיש המושלם (Happy Path). הדמו עובד מצוין כל עוד המשתמש עושה בדיוק את מה שאתם מצפים ממנו. ואז מגיע משתמש אמיתי.

בדקו מה קורה אם אין נתונים, אם המשתמש עושה טעות, אם שירות חיצוני נופל, איזה מידע נשמר, איפה הוא נשמר, מי יכול לראות אותו ואיזה מידע רגיש עובר לצדדים שלישיים.

משתמש יכול להגיד שהמוצר מעולה ולא לפתוח אותו שוב. אחר יכול כמעט לא לתת Feedback, אבל להשתמש בו שלוש פעמים בשבוע. שני הדברים חשובים. אבל הם לא אותו סוג של מידע.

כאן AI יכול לעזור מאוד בסינתזה. הוא טוב בלחבר בין ראיונות, Notes, תמלולים ותגובות. את נתוני השימוש עצמם תשמרו במקום אמיתי: Analytics, Database או Spreadsheet. הצ'אט לא צריך להיות מקור האמת של המספרים.

לא Overall, users responded positively. אלא משהו שאפשר לקבל לפיו החלטה: הנחה אחת קיבלה חיזוק, אחרת עדיין לא נבדקה מספיק, ושלישית כנראה לא נכונה.

לתת יותר מדי משקל למשתמשים שמדברים יפה. משתמש אחד שלח הודעה מפורטת, אבל אולי הוא לא חזר למוצר אפילו פעם אחת. בינתיים, חמישה משתמשים שקטים ביצעו את הפעולה המרכזית שוב ושוב.

לפעמים MVP מצליח פשוט כי אף אחד לא החליט מראש איך ייראה כישלון. אם כל תוצאה יכולה להיות מפורשת כ-Success, לא באמת נבדקה Hypothesis.