我創業失敗，只因這三個錯誤假設
Mona Sabet
2024-10-16
有時，創始人會過于沉迷技術，卻忽視了創建商業上可行的業務所需的其他元素。
我就經歷過，確實是這么做過，也從中吸取了教訓。
2013年，我的工作相當不錯，當時我在一家上市公司擔任高管，薪資豐厚又穩定。但我總覺得不滿意，感覺工作把我變成了機器，渴望重新創造點什么。
我創辦過服務企業，有兩家非營利組織現在還在，但我從未嘗試過做產品的公司。恰好我剛做了一個視頻技術相關的項目，發現視頻應用人工智能蘊含著巨大機遇。
沒多久我就辭職了。一位朋友向我介紹了技術聯合創始人。其實我在自家就發現了實用案例：我給孩子拍了很多G視頻，想要整理成方便重溫的珍貴片段卻很難。
我們把應用做得很豐富，可以用人工智能自動標記、分類和搜索視頻，這樣就能很容易地找到珍貴時刻或“自動”創建精彩片段。（請注意，這可是2013年，當時谷歌照片還沒用上人工智能，蘋果照片也還沒有應用面部識別技術。）
團隊很快擴充到10人，不到三年就推出了基于人工智能的技術領先的視頻標簽解決方案，可以通過瀏覽器或iPhone應用訪問。產品也聚起了不少用戶。
聽起來是不是很像完美的創業故事？結果并非如此。最后，我們做出了艱難但正確的決定，把公司關了。我后悔嗎？并不。我從Viblio學到的經驗教訓比在“機器模式”中過三年更有價值。
失敗并不是因為執行不力，而是假設有問題。以下是我們的三個錯誤假設：
反饋足以證明產品與市場的契合度
創始人經常收到建議，即收集潛在客戶的反饋驗證想法。我們照做了。我們首先采訪了符合目標受眾標準的朋友。之后擴大范圍，訪問了活動中遇到的人。我們付費調查了1000名想測試的不同細分市場的人。我們分析相關數據，納入推介方案，顯示產品與市場的契合度。
這并不是說創始人得到的建議有誤，只是這么做獲得的信息經常掐頭去尾，不夠完整，也不夠精練。
實際情況是，人們不喜歡當面告訴你這個創意機會不大。通過各種調研我們發現，人們認為這項技術很酷（因為確實如此！）。但這并不意味著所有人都愿意付費使用。
我應該發起預售，也就是介紹產品的網站，預付一定款項就能獲得大幅折扣。如此我們能獲得真實的數據，從中看出目標受眾有沒有從產品中看到足夠的價值，且愿意為此付費。
如果沒法獲得買家的承諾，產品與市場的契合度就只能靠運氣。
更多功能可提高粘性
我們并不是沒有用戶。產品采用了免費增值模式，人們可以免費使用服務，理論上以后會開發更多需要訂閱的功能。
然而，用戶并沒有繼續留在平臺上。他們上傳視頻，使用了一些功能然后就消失了。
為了吸引用戶，我們增加了更多功能，首先是自動創建精彩視頻集，發送給早期用戶，鼓勵他們創建更多精彩視頻。我們還添加了“臉部頁面”，用戶點擊一張臉就會加載帶有這張臉的所有視頻。我們還嘗試了很多自認為很酷的東西。但都沒增加用戶粘性。
事實證明，我們解決的問題本身就是錯誤的。我們以為要解決粘性問題，但始終沒解決產品與市場的契合問題。
我們能找到需要的人才
創立Viblio時，人工智能正經歷爆炸式發展（今天仍然如此，但方式完全不同）。當時谷歌剛收購DeepMind，科技公司正以六位數高薪雇傭機器學習專家。我們的種子資金根本不夠。
我和聯合創始人想在圈子里找合適的技術人員或目標市場都有點困難。我們運氣不錯找到一位資深人工智能專家，還聘請了一名剛大學畢業的機器學習工程師。再想找其他人基本不可能。我們做得不錯，但僅僅靠著不錯想在競爭激烈的領域創業遠遠不夠。
現在作為初創公司的顧問，我想到了曾經錯誤的假設，也就是只要花錢就能組建合適的團隊。一般來說如果人們選擇高要求高風險的路，要么為了高薪，要么是為了追隨仰慕之人。如果人際圈中沒有業務領域的專家，花錢也不一定能組起需要的團隊。
失敗的價值
這三個假設導致我們距離產品真正契合市場越來越遠。
由此，我開始體會到這段經歷最大的收獲。硅谷宣揚的所謂要找到產品與市場的契合點只是很小一塊。必須對市場充滿熱情。要深入了解，還要擁有與之相關的人才組成的系統。
2016年，我們關閉了Viblio。即便公司失敗，這段經歷本身并沒有失敗。三年時間里，我學到的經驗比當六年企業高管還要多。創業能教會人們安穩工作時永遠也學不到的東西。在我創業失敗獲得的諸多教訓中，有三條對于后來的成功格外有用：
? 少花錢多辦事。我們用非常有限的預算構建了功能齊全的人工智能視頻平臺。很多上規模的公司之所以失敗，就是因為很擅長花錢，最終卻沒做出多少實事！
? 嚴格確定重點。感覺上很多事都有必要，但并非一切都重要。要結束看起來很酷的事很困難，如果沒效果就必須放棄。
? 正如他們所說，“要愛上問題，而不是解決方案。”（財富中文網）
莫娜·薩貝特為初創公司提供咨詢服務，擔任董事會成員，合著有新書《揚帆起航：初創公司從啟動到退出如何避免錯誤》（Sail to Scale: Steering Startups Clear of Mistakes from Launch to Exit）。
譯者：梁宇
審校：夏林
有時，創始人會過于沉迷技術，卻忽視了創建商業上可行的業務所需的其他元素。
我就經歷過，確實是這么做過，也從中吸取了教訓。
2013年，我的工作相當不錯，當時我在一家上市公司擔任高管，薪資豐厚又穩定。但我總覺得不滿意，感覺工作把我變成了機器，渴望重新創造點什么。
我創辦過服務企業，有兩家非營利組織現在還在，但我從未嘗試過做產品的公司。恰好我剛做了一個視頻技術相關的項目，發現視頻應用人工智能蘊含著巨大機遇。
沒多久我就辭職了。一位朋友向我介紹了技術聯合創始人。其實我在自家就發現了實用案例：我給孩子拍了很多G視頻，想要整理成方便重溫的珍貴片段卻很難。
我們把應用做得很豐富，可以用人工智能自動標記、分類和搜索視頻，這樣就能很容易地找到珍貴時刻或“自動”創建精彩片段。（請注意，這可是2013年，當時谷歌照片還沒用上人工智能，蘋果照片也還沒有應用面部識別技術。）
團隊很快擴充到10人，不到三年就推出了基于人工智能的技術領先的視頻標簽解決方案，可以通過瀏覽器或iPhone應用訪問。產品也聚起了不少用戶。
聽起來是不是很像完美的創業故事？結果并非如此。最后，我們做出了艱難但正確的決定，把公司關了。我后悔嗎？并不。我從Viblio學到的經驗教訓比在“機器模式”中過三年更有價值。
失敗并不是因為執行不力，而是假設有問題。以下是我們的三個錯誤假設：
反饋足以證明產品與市場的契合度
創始人經常收到建議，即收集潛在客戶的反饋驗證想法。我們照做了。我們首先采訪了符合目標受眾標準的朋友。之后擴大范圍，訪問了活動中遇到的人。我們付費調查了1000名想測試的不同細分市場的人。我們分析相關數據，納入推介方案，顯示產品與市場的契合度。
這并不是說創始人得到的建議有誤，只是這么做獲得的信息經常掐頭去尾，不夠完整，也不夠精練。
實際情況是，人們不喜歡當面告訴你這個創意機會不大。通過各種調研我們發現，人們認為這項技術很酷（因為確實如此！）。但這并不意味著所有人都愿意付費使用。
我應該發起預售，也就是介紹產品的網站，預付一定款項就能獲得大幅折扣。如此我們能獲得真實的數據，從中看出目標受眾有沒有從產品中看到足夠的價值，且愿意為此付費。
如果沒法獲得買家的承諾，產品與市場的契合度就只能靠運氣。
更多功能可提高粘性
我們并不是沒有用戶。產品采用了免費增值模式，人們可以免費使用服務，理論上以后會開發更多需要訂閱的功能。
然而，用戶并沒有繼續留在平臺上。他們上傳視頻，使用了一些功能然后就消失了。
為了吸引用戶，我們增加了更多功能，首先是自動創建精彩視頻集，發送給早期用戶，鼓勵他們創建更多精彩視頻。我們還添加了“臉部頁面”，用戶點擊一張臉就會加載帶有這張臉的所有視頻。我們還嘗試了很多自認為很酷的東西。但都沒增加用戶粘性。
事實證明，我們解決的問題本身就是錯誤的。我們以為要解決粘性問題，但始終沒解決產品與市場的契合問題。
我們能找到需要的人才
創立Viblio時，人工智能正經歷爆炸式發展（今天仍然如此，但方式完全不同）。當時谷歌剛收購DeepMind，科技公司正以六位數高薪雇傭機器學習專家。我們的種子資金根本不夠。
我和聯合創始人想在圈子里找合適的技術人員或目標市場都有點困難。我們運氣不錯找到一位資深人工智能專家，還聘請了一名剛大學畢業的機器學習工程師。再想找其他人基本不可能。我們做得不錯，但僅僅靠著不錯想在競爭激烈的領域創業遠遠不夠。
現在作為初創公司的顧問，我想到了曾經錯誤的假設，也就是只要花錢就能組建合適的團隊。一般來說如果人們選擇高要求高風險的路，要么為了高薪，要么是為了追隨仰慕之人。如果人際圈中沒有業務領域的專家，花錢也不一定能組起需要的團隊。
失敗的價值
這三個假設導致我們距離產品真正契合市場越來越遠。
由此，我開始體會到這段經歷最大的收獲。硅谷宣揚的所謂要找到產品與市場的契合點只是很小一塊。必須對市場充滿熱情。要深入了解，還要擁有與之相關的人才組成的系統。
2016年，我們關閉了Viblio。即便公司失敗，這段經歷本身并沒有失敗。三年時間里，我學到的經驗比當六年企業高管還要多。創業能教會人們安穩工作時永遠也學不到的東西。在我創業失敗獲得的諸多教訓中，有三條對于后來的成功格外有用：
? 少花錢多辦事。我們用非常有限的預算構建了功能齊全的人工智能視頻平臺。很多上規模的公司之所以失敗，就是因為很擅長花錢，最終卻沒做出多少實事！
? 嚴格確定重點。感覺上很多事都有必要，但并非一切都重要。要結束看起來很酷的事很困難，如果沒效果就必須放棄。
? 正如他們所說，“要愛上問題，而不是解決方案。”（財富中文網）
莫娜·薩貝特為初創公司提供咨詢服務，擔任董事會成員，合著有新書《揚帆起航：初創公司從啟動到退出如何避免錯誤》（Sail to Scale: Steering Startups Clear of Mistakes from Launch to Exit）。
譯者：梁宇
審校：夏林
Sometimes founders fall so deeply in love with their technology that they become blind to the other elements they need to create a commercially viable business.
I’ve been there. I’ve done that. And I’ve learned from it.
Back in 2013, I had the dream job—executive role, great salary, stability at a public company. But I still wasn’t satisfied. I felt my job had made me an optimizer when I was itching to get back to being a builder.
I had founded services businesses before—and two nonprofits that continue to this day—but I had never built a product company. I had just finished a project about video technology and saw the huge opportunity in artificial intelligence applied to video.
Next thing I knew, I was quitting my job. A friend introduced me to a technical cofounder. I found the use case literally in my backyard: gigabytes of family videos of my young kids, impossible to organize into precious little bits I could relive.
We fleshed out the application, using AI to automatically tag, categorize, and search videos so you could easily find priceless moments or create “automagic” highlight reels. (Remember, this was in 2013, before Google Photos leveraged AI or Apple Photos used facial recognition.)
We grew to a team of 10, and in less than three years, we launched an advanced AI-based video tagging solution—available as an application accessed through a browser or in an iPhone app. And we had users.
Perfect startup story? It turned out not to be. In the end, we made the tough—but right—decision to shut down the venture. Do I regret that time? No. The lessons I learned from Viblio were more valuable than spending three years in “optimizer mode.”
Our failure wasn’t about execution—it was about assumptions. Here are the three mistaken assumptions we made:
Feedback is sufficient to prove product-market fit
A common piece of advice for founders is to validate their idea by seeking early feedback from potential customers. So, we did that. We started with interviews with friends who fit our target audience. We widened the circle to interview people we met at events. We paid to survey a thousand people that fit different market segments we wanted to test out. We analyzed the data and included it in our pitch decks to show product-market fit.
It’s not that the advice we get as founders is wrong—it’s just truncated, incomplete, pithy.
Here’s the thing. People don’t like telling you to your face that your idea isn’t going to be big. Our efforts showed that people thought the tech was cool (because it was!). But that didn’t mean anyone would pay to use the application we wanted to build.
What I should have done is set up a presell campaign: a website describing our product and offering a deep discount if people prepaid for the promise of delivery in the future. That would have given us real data on whether our target audience saw enough value in our product to pay something—anything—for it.
If you can’t get buyer commitment, it’s product-market fit by luck.
More features will drive stickiness
It’s not that we didn’t have users. We operated on a freemium model, where people could use our service for free with the theory that we’d build more features later that would require a subscription.
It’s just that our users didn’t stay engaged on our platform. They uploaded their videos, they played with some of our features, and then they disappeared.
So, we added more features, starting with automagically-created highlight reels that we sent to our early users along with a call to action to create more themselves. We added a “face page,” where you could click on a face and we’d load all the videos we found that contained that face. We tried doing a lot of other things we thought were really cool. Nothing drove stickiness.
Turns out we were solving the wrong problem. We thought we were solving for stickiness—but we still hadn’t solved for product-market fit.
We can hire who we need
When we started Viblio, AI was exploding (and still is today, but in a completely different way). Google had just acquired DeepMind, and tech companies were hiring machine learning specialists at high six-figure salaries. Our seed money just didn’t cut it.
Neither my cofounder nor I had the natural ecosystem for the right tech people or target markets. We lucked out engaging a senior AI person and ended up hiring a straight-out-of-college machine learning engineer. But it was impossible to hire anyone else in that field. We did pretty well, but pretty well isn’t enough to build a company in a highly competitive field.
As an advisor to startups today, I think about the mistaken assumption we made—that we could just pay our way to the right team. People choose demanding high-risk journeys either because they are paid a lot or because they are following other people they want to follow. If you lack people in your ecosystem who are experts in your startup’s area of focus, you won’t likely pay your way to the team you need.
The value of failure
These three assumptions led us further and further away from realizing our true product-market fit.
And thus, I came to understand my biggest learning. The Silicon Valley hype of finding your product-market fit isn’t enough. You must have passion about the market you are playing in. You must understand it, and have an ecosystem of people you can draw from who are connected to it.
We shut down Viblio in 2016. But even though the company failed, the journey was not a failure. In three years, I learned more than I had in six years in executive enterprise roles. Building a company teaches you things you’ll never get from working safely. Among the many lessons from my failed startup, I have focused on three in particular that have made me successful in my subsequent roles:
? Do more with less. We built a functioning AI video platform on a shoestring budget. Most scaling companies fail because they learn to spend more and still end up not doing more!
? Prioritize ruthlessly. Everything feels necessary, but not everything matters. It’s hard to shut down something that seems cool, but if it’s not moving the needle, it has to go.
? As they say, “fall in love with the problem, not the solution.”
Mona Sabet advises startups, serves on boards, and is coauthor of the new book Sail to Scale: Steering Startups Clear of Mistakes from Launch to Exit.
財富中文網所刊載內容之知識產權為財富媒體知識產權有限公司及/或相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。
