精益创业 BML：不确定性下的验证循环

TL;DR：精益创业的 Build-Measure-Learn（构建-测量-学习）是 Eric Ries 提出的端到端框架，用于不确定性下的产品验证。它的核心倒置常被忽略——先想"要学什么"，再决定"测什么"，最后才"构建什么"，而非反过来。MVP（最小可行产品）不是砍功能的产品，是验证假设的最小实验装置。目标是验证式学习（Validated Learning），不是实现功能清单。本篇讲清 BML 循环、MVP 与验证式学习，以及它和 PDSA 的工程/产品侧对照。

概念解释

BML 是什么

Build-Measure-Learn 是精益创业的核心反馈循环：把想法构建成产品、测量顾客反应、学习应转向（pivot）还是坚持（persevere）。它属于 端到端问题解决总览：A3 与 OODA 的"验证学习"节奏，前提是"关键假设待证伪"——当产品是否被需要、哪个方向对都不确定时，用最小成本跑通"假设→验证→修正"。与 A3 的"线性根治已知问题"相对，BML 解决"连问题方向都需要验证"的不确定性。

验证式学习 vs 实现功能

这是精益创业最容易被忽略的倒置。多数团队把 BML 顺序理解成 Build→Measure→Learn（先做、再测、最后学），但 Ries 强调应从 Learn 倒推：先确定"要学什么假设"，再设计"测什么指标"，最后才决定"构建什么最小东西来测"。目标不是交付功能，是验证假设。

核心纪律：MVP 的"M"（最小）指验证假设所需的最小成本，不是产品完整度的最低。一个落地页、一个手动模拟（concierge MVP）、一段访谈都可以是 MVP——只要它能验证关键假设。

BML 与 PDSA 的关系

对照：BML 和 PDSA 是同一思想（小步验证式学习）在两个领域的投影。PDSA 已在 PDSA 循环：从预测到研究的知识生成 详述，本专栏只做产品侧/工程侧对照，不重复。

目录

BML 循环

倒序设计：真正有效的 BML 从 Learn 端倒推——"这一轮要验证哪个假设？什么指标能证伪它？构建什么最小东西能产生这个指标？" 顺序做（Build 起）常导致做了大产品却发现测的是错指标。

MVP 与验证式学习

MVP 的类型随要验证的假设而变，不是只有"砍功能的半成品"：

核心：MVP 的设计取决于"要学什么"。同样一个功能，验证"需要不需要"用落地页，验证"流程通不通"用人工模拟，验证"哪个体验好"用 A/B。没有"最小产品"，只有"针对某假设的最小实验"。

BML 与 PDSA 的关系

互补：BML 验证"方向对不对"（产品-市场契合），PDSA 验证"干预有没有效"（过程改进）。一个完整的产品演进可能先用 BML 找到对的方向，再用 PDSA 把流程稳定下来——前者学"做什么"，后者学"怎么做稳"。

与其他专栏的衔接

定位：BML 聚焦七阶段闭环的"建模（假设）→验证→学习"弧，在产品不确定性下快速重入。它的"学习"输出可喂给 PDSA 做工程侧沉淀。

适用边界与误用

• 不是所有开发都跑 BML：确定性的内部工具、明确需求的功能，直接做，不必套 MVP 仪式。
• MVP 不是偷工减料的借口："我们做个 MVP"不能掩盖"没想清要测什么假设"。无假设的 MVP 是伪精益。
• 警惕虚荣指标：PV、注册数不能证伪假设。Ries 反复强调用"可执行指标"——能告诉你转向还是坚持的指标。这正是 指标与决策复盘：避免 Goodhart 式自欺 的古德哈特警示。
• BML 不替代根因：测出假设不成立后，要靠 因果分析与根因分析 解释为什么不成立，而非直接换方向乱试。
• 转向不等于放弃：转向（pivot）是基于验证式学习的方向修正，不是失败后的慌乱改向。需记录转向依据（决策记录（ADR）：让技术决策可追溯可演进 思路）。

关联笔记

• 端到端问题解决总览：A3 与 OODA（BML 是验证学习节奏的框架）
• PDSA 循环：从预测到研究的知识生成（BML 与 PDSA 的产品侧/工程侧对照）
• 实验设计：AB 测试、灰度与消融实验（BML 测量阶段的实验方法）
• 指标与决策复盘：避免 Goodhart 式自欺（可执行指标与古德哈特警示）
• 贝叶斯更新与新证据：信念该改变多少（学习阶段用证据更新假设信念）

参考资料

• The Lean Startup — Eric Ries（精益创业官方网站）
• What is a Minimum Viable Product (MVP)? — Lean Startup
• Validated Learning — Lean Startup
• The Lean Startup — Harvard Business Review（Eric Ries 论验证式学习）