留存数据少时,先别急着做营销,先确认产品是否有人真的在乎:看有没有人愿意留下联系方式、追问细节、主动说做出来要告诉他。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先验证需求,再谈营销
材料里的观点立正把第一步放在不写代码、先用人话把产品讲清楚,然后发到目标用户能触达的地方,观察的不是点赞,而是有没有人追问细节、主动说做出来告诉我、愿意留联系方式。如果反馈只是礼貌性的“挺好的”甚至沉默,他判断这不是营销问题,而是需求问题,要调整的是方向而不是话术1。留存数据少时,这个信号比留存数字更早出现,也更便宜。
留存少不等于没价值,但要先定义清楚
立正认为留存是增长里最重要的数据:留存好,增长才有被放大的基础;留存不好,再怎么增长最后也会归零2。但早期样本少时,单看一个百分比容易误判,要先说清分母是哪群人、隔多久算回来、“回来”指什么行为。他举美团的例子:如果只把打开 App 算作回来,发点笑话就能把数字做上去,却和核心价值无关;更合适的定义是每天回来并完成一笔订单3。留存太慢时,也可以先找更早反映产品价值的领先指标4。
营销要放进整门生意里算
AI推演立正不赞成“产品做完再找营销解决获客”的顺序,他认为要先想清楚谁会为什么付多少钱、多久才能理解和信任你、用什么方式接触他,这些会反过来决定产品该做成什么样5。早期留存少时,可以把已有用户按来源拆开看:自然来的和花钱买来的留存差多少,哪群人用得最久。这能帮你判断问题出在产品价值还是触达方式,而不是先加大投放。
留存定义与曲线判断的细节来自数据大师课,早期产品样本少时这些数字的参考价值有限。
出处
- 1创业公司用30天,从零到可交付产品的路线图
讲第一周如何用最低成本验证需求,适合核对“先看需求还是先做营销”。
- 2不想打工,但副业卡在销售、收费、增长上?这期是为你准备的
说明留存为什么是增长最重要的数据,适合理解留存与放大的关系。
- 3关于留存的所有知识|课代表数据大师课3
讲留存的人群、时间、行为三个定义,适合核对留存数字该怎么看。
- 4Meta、Notion、腾讯内部的增长专业课,我们写成了一本书
可回到原文核对这部分判断
- 5你赚哪份钱,决定了产品该怎么做|切问·立正02
讲获客、定价与产品范围的先后关系,适合把营销放回整门生意里判断。
追问2026年10月23日
Pieter Levels
现有材料只在 Indigo 的分享里提到 Pieter Levels:他反复快速做小产品,平均几周上线一个,已做过四十多个项目;这是被引用的案例,不是立正本人的主张。
Pieter Levels 被当作一次性软件的样本
材料里的观点在 Indigo 西雅图线下分享的记录里,Pieter Levels 被举为“拥抱一次性软件”的例子:他做过四十多个项目,平均每个用几周就上线,市场变了就换下一个产品,而不执着于做永久长青的软件。这个说法的论据是写代码的边际成本趋近于零,代码本身不再稀缺,稀缺的是注意力,所以先积累媒体和社群,再推产品,冷启动会快得多1。需要注意,这是 Indigo 在现场给出的建议和案例,发布在立正账号上不等于立正本人这样主张;这段材料也没有记录立正对它的回应或评价。
这套做法成立有条件
AI推演快速换产品之所以可行,前提是背后有稳定的媒体和社群,用户跟着人走,所以接受你换产品;没有这层积累,频繁换方向可能只是不断从零开始。如果你在考虑学他,可以先问自己:有没有一批会持续关注你下一步做什么的人?一个可试的做法是,下一个产品上线前先公开记录过程,看是否有人主动追问、愿意留下联系方式,用这个反馈判断你是在积累注意力,还是只在消耗时间。
出处 1
现有材料只有 Indigo 转述的这一处提及,没有 Pieter Levels 本人的发言,也没有立正对他的直接评价。
出处
- 1Agent 时代的投资与生存法则|Indigo 西雅图线下分享 Notes & Insights
唯一提到 Pieter Levels 的片段,可核对 Indigo 的原话、案例细节和“先媒体后产品”的论据。
追问2026年10月23日
立正自己怎么看 Pieter Levels 这种快速做小产品的方式?
现有材料里没有立正直接评价 Pieter Levels 的原话;能确认的是 Indigo 把 Levels 当作“一次性软件”的案例引用,而立正本人的相关判断是:快速做出第一版值得做,但它不等于产品已经成立。
快速做小产品是起点,不是终点
立正认可动手做:build 是学习 AI 最好的路径,每个人都该多做项目,通过亲手构建形成判断1。他也反对把“先想清楚做什么”当成不开始的理由,认为真实需求往往不是一开始就长成最终样子,得从一个小问题出发,做一点、用一点、再往前推2。但同一个周末就能被复刻的原型很难有竞争力,价值在持续迭代一年之后2。所以对 Levels 那种几周上线一个的节奏,按立正的框架,它更像“快速走到真实使用”的方法,而不是“做出来就算成功”的证明。
快不等于潦草,要区分 scrappy 和 sloppy
立正区分过两种快:scrappy 是在不确定里先做出能用的东西,sloppy 是拿快当借口掩盖潦草,最后上线一个垃圾3。这个区分正好是评价“快速做小产品”的关键条件:如果每个小产品都用来验证一个真实需求、拿到使用反馈,快就是优势;如果只是不断换壳上线、不看不改,快就变成回避判断。Levels 做了四十多个项目、平均几周一个,这是 Indigo 在分享里举的例子,用来支持“拥抱一次性软件”,不是立正本人的评价4。
产品要投入真实业务时,鸿沟另算
AI推演如果目标不是学习或验证,而是让业务长期依赖,立正提醒 demo 到 production 之间有一道容易被低估的鸿沟,AI 只是让人更快走到鸿沟边上1。这时快速上线的小产品不能直接当作可交付的系统。判断标准要回到客户买的是什么结果、你赚的是哪份钱5。所以对 Levels 方式的取舍取决于目的:练手和找需求,快做多试合理;要承接真实交付,就得补上可靠性和履约能力。
现有材料没有立正对 Pieter Levels 本人的直接评论,以上是按他关于快速构建、迭代和交付的判断做的推演。
出处
- 1Don't build: 看清demo和production之间的鸿沟
说明快速做出第一版与投入真实业务之间的距离,界定快做小产品的适用边界。
- 2从大厂高薪到自己赚钱,中间差的是什么?
说明立正对“先想清楚再做”和持续迭代价值的看法,是理解他如何看待快速起步的核心。
- 3战术勤劳与战略懒惰:大厂为什么越忙,产品质量越差?
提供 scrappy 与 sloppy 的区分,是判断“快”在什么条件下成立的关键。
- 4Agent 时代的投资与生存法则|Indigo 西雅图线下分享 Notes & Insights
Pieter Levels 案例的实际出处,可核对这是 Indigo 的引用而非立正的评价。
- 5你赚哪份钱,决定了产品该怎么做|切问·立正02
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。