你必须在不知道能不能成之前，就把市场选掉
要做给谁，是整件事里最早必须定下来的一步。它偏偏也是最没法在事前验证的一步——你得等到有人真的用起来、留下来、掏钱，才知道这批人选得对不对，而那时候你已经在这个市场里耗掉了半年。
a16z 2017 年 2 月那篇讲 PMF 的十二条要点，最后一条说的正是这个：创始人必须在还不知道自己能不能达成 PMF 之前，就先把市场选好（A5.1#12）。
站内 L9 阶梯有一篇讲分发优先级的课程，反复用「没到 PMF 就砸广告，等于往漏桶里浇水」这个判断；另一篇讲要不要做投放的，结论是「PMF 之后再放量」。那两篇告诉你到了 PMF 该做什么，这篇讲的是更靠前的一段：在你还没有任何 PMF 证据的时候，「市场」这个已经被你选定的变量，要怎么单独设判据、单独设退出线。
一、为什么这个顺序不能反过来
Andreessen 2007 年那篇把三样东西排了序：市场 > 团队 > 产品（A2.2）。他给的理由是，好市场会主动把产品拉出来，哪怕产品并不完美；而糟糕的市场会把最好的团队和最好的产品一起摧毁。同一篇里写出的 Rachleff’s Law，核心就一句：头号公司杀手是缺乏市场。
a16z 那十二条的第 1 条把这个排序推到了它的实际后果上：创始人可以换，市场换不掉（A5.1#1）。
这两条合起来，才是第 12 条成立的原因。市场是你手上唯一一个「选错了没法靠加班补回来」的输入，而它偏偏是必须最早定的那个。产品可以改，定价可以改，界面可以推翻重来，团队可以换人——这些都在你能反悔的范围里。选了做给谁，你后面所有的迭代都是在这个前提下的迭代。
所以「等我验证清楚再决定做给谁」这句话本身不成立。你没有那个时间窗口，验证行为本身就已经发生在某个市场里了。
二、把「市场选得对不对」和「产品做得对不对」分开度量
a16z 那篇区分了两个假设：价值假设要说清楚客户为什么会用你的产品——造什么、谁需要、怎么交付；增长假设只有在价值假设被验证之后才做（A5.3）。
本站的判断是：市场选择不属于价值假设，它是价值假设的前提。价值假设测的是「这批人为什么会用」，它默认了「这批人」已经被框定。你跑一轮用户访谈、跑一轮落地页测试，测到的都是产品和表达在这批人身上的反应，不是这批人本身值不值得服务。
把两者混在一起度量，会出现一种很难自查的错误：产品做得不对，你读成市场选错，于是换市场；下一个市场里产品还是做得不对，你继续换。每一次换市场，前面积累的所有理解全部清零，而清零这件事在当下感觉像是「果断止损」。
a16z 那十二条的第 3 条说 PMF 是个过程——运气确实存在，但它存在于一套可重复、可检验的方法之内，靠的是假设驱动的迭代（A5.1#3）。假设驱动的前提是每次只动一个变量。市场和产品同时动，你迭代的就不是假设，是心情。
站内 L5 阶梯有一篇专讲怎么估市场大小、怎么在竞品之间找缝，那篇解决的是「选之前怎么挑」；另有一篇讲什么时候该砍掉换题，给的是产品层面的 go-kill 契约。这篇不重复那两件事，只补中间那一层：选完了、还没有 PMF、手上只有零星信号的时候，怎么判断「市场」这一层是不是该动。
三、2007 年那 12 条症状，个人产品要先做换算
Andreessen 那篇列了两组可观察症状，一组是没到 PMF 的样子，一组是到了的样子（A2.3、A2.4）。合起来 12 条，全是定性描述，没有一个数字。
没到的那组是：客户没从产品里拿到足够价值、口碑传得很慢、使用量涨得不快、媒体反应平淡、销售周期拖得很长、交易频繁谈崩。到了的那组是：客户买的速度快过你能生产的速度、使用量涨得快过你加服务器的速度、钱不断进来、在拼命招销售和客服、媒体主动找上门、开始拿创业者奖项。
这 12 条有个前提必须说清楚：它们是 2007 年写给融过资、有销售团队、有服务器扩容压力的公司的。 一个独立开发者身上永远不会出现「拼命招销售」这种症状。直接拿去对照，你会得出「我一条都没占」的结论，而这个结论没有任何信息量。
下面这张换算表是本站的判断，依据是 A2.3 与 A2.4 那两组症状的原始含义，换算过程本身不引入任何新的事实来源：
| 2007 年的原始症状 | 个人产品上的对应形态 |
|---|---|
| 客户买的速度快过你能生产的速度 | 处理支持请求的时间开始挤掉你写代码的时间 |
| 使用量涨得快过你加服务器的速度 | 你开始为账单发愁，而不是为没人用发愁 |
| 媒体主动找上门 | 有人在你没参与的场合里，替你解释这个产品是干什么的 |
| 在拼命招销售和客服 | 你开始认真考虑把某件重复的事外包出去 |
| 销售周期拖得很长 | 每一个付费用户都要你亲自聊一轮才成交 |
| 交易频繁谈崩 | 试用到期就走，且说不出具体是哪里不行 |
| 口碑传播很慢 | 新用户全部来自你自己发出去的每一条内容，停更就归零 |
第二行在 AI 产品上要特别注意。传统软件的「使用量涨到服务器扛不住」是个迟到很久的信号，而 AI 产品每一次调用都在花钱（B2.2#1），账单从第一天起就在跟着使用量走。这意味着这条症状在 AI 产品上来得更早、也更容易被误读成好消息——账单涨说明有人在用，不说明这些人会留下来。
四、AI 产品上，早期信号会朝哪个方向偏
a16z 那份消费级 AI 应用榜的第 6 版（2026-03-09 发布，榜单数据截至 2026 年 1 月）里，作者自己写了一句承认：这个排名越来越低估了人们用得最多的那些 AI 产品（B4）。她举的例子是一个每天泡在 Claude Code 里八小时的开发者——按任何常识这都是重度 AI 用户，但在网页流量数据里几乎体现不出来。
一家把「排 AI 应用榜」做成招牌的机构，手里拿着两家数据供应商的口径，仍然要在自己最新一版的报告里写下这句话。本站由此得出的判断是：一个独立开发者拿注册数、拿日活来判断自己有没有 PMF，可靠性只会更低，不会更高。
这件事对市场选择的影响是有方向的，不是随机的。ChartMogul 那份留存报告里有一条现象描述：实验性质的 AI 产品使用者最终会离开，特征是转向下一个热门产品（B1.3）。本站的判断是，这批人在你的早期数据里是最活跃、最愿意回复你、最愿意点赞的那一批——因为他们对「AI 产品」这个类目有兴趣，而不是对你选的那个市场有兴趣。
于是早期信号会系统性地偏向「看起来热闹」的那一端。你选的市场里的真实用户可能沉默、试用节奏慢、要走采购流程；而被类目热度带来的人反应快、声音大、还会主动给你提功能建议。你如果照着后一批人的反馈迭代，产品会一路漂向一个你从来没打算服务的市场。
这就是市场这个变量必须单独设判据的直接原因：它不会自己浮出来，你不主动盯，它就被最吵的那批人替你改掉了。
五、留存差距里，有多少是市场选择的账
ChartMogul 那份报告（数据截至 2025 年 9 月）需要先说清楚一个门槛：它只统计已经达到 $250k ARR 的公司。这组数描述的是已经活下来的公司之间的差异，不是初创产品的命运。
在这个门槛之内，AI 原生产品的中位净收入留存是 48%，B2C SaaS 是 49%，两者几乎一样；真正的差距只存在于对 B2B SaaS 的 NRR 82%（B1.1）。而 AI 原生内部按价格档拆开之后差距极大：高档那一档的 NRR 是 85%，与 B2B SaaS 的 82% 基本持平；低档那一档的总收入留存只有 23%（B1.2）。这些数字在快速变化，同一份报告里 AI 原生的中位总收入留存从 2025 年 1 月的 27% 涨到了 2025 年 9 月的 40%，可能的解释是尝鲜的人陆续离场、基本盘沉淀下来（B1.4）。
顺带说清一件事：上面那个截至 2025 年 9 月的 40% 是总收入留存的中位数，和问卷里常被引用的那条 40% 线（A3.2）毫无关系，后者说的是「回答非常失望的用户占比」，而且那条线本身也是个经验值，最常被引用的转述出自 2018 年那篇 Superhuman 复盘。
这组分层数还有一层口径上的不确定：分档究竟是按产品标价还是按每账户平均收入，本站没有在报告页确认。所以不能写成「你把价格定高留存就会好」。
本站从这里得出的判断是相关性，不是因果：同样都是 AI 产品，档位之间的留存差距远大于 AI 原生与 B2C SaaS 之间的差距，这说明留存差的根源未必在「AI 这项技术」本身，更可能与承诺水平和定价姿态有关。而承诺水平和定价姿态在很大程度上是市场选择的下游——你选了哪批人，基本就决定了你能开什么价、能许什么诺、对方拿你的产品去干多要紧的事。这条外推的样本是已过 $250k ARR 的公司，用在个人产品上只能当参考方向。
六、把这个选择写下来
既然市场必须在没有答案的时候就选掉，那唯一能做的补救就是把选的过程留痕，让它后面可以被复查。具体做法是写一份市场选择声明，五项，写在一个你半年后还找得到的地方：
- 一句话写清你选的是谁。 用他们自己的措辞，不用你的行业黑话。这个做法来自 Superhuman 那篇复盘里构建高期待用户画像的办法：从用户对「你觉得谁最能从这个产品受益」的回答里提取关键词（A4.3）。还没有问卷可回收的阶段，替代材料是你已经聊过的那几个人是怎么自我描述的——照抄他们的原话。
- 写下这个选择的反驳条件。 什么现象出现，你会承认这批人选错了。这一条必须在你还乐观的时候写，因为你悲观的时候写出来的是情绪。
- 写下你打算用哪三个信号来判断，并逐个检查你这个规模能不能观察到。 用第三节那张换算表核对一遍，把「媒体主动找上门」这类你根本观察不到的删掉，换成对应形态。
- 写下回看周期。 Superhuman 那套流程的第四步是持续对新用户发问卷、每季度重建一次路线图（A4.2）。本站的判断是，市场这一层的回看周期应该明显长于路线图的回看周期——路线图每季度重排是迭代，市场每季度重选是重启。
- 写下你明确不做的那两三个市场，以及不做的理由。 半年后你想扩的时候，这几行字能告诉你当初排除它们是有依据的，还是只是当时不熟。
配套的四个问句，可以直接照抄进你的周复盘：
- 我选的这批人，在没有「AI」这个词的情况下，是不是也有这个问题？
- 如果这个产品里所有跟模型有关的部分都改成人工交付，这批人还会付钱吗？付多少？
- 我上个月新增的用户里，有几个能被归进我写下的那句话里？
- 我现在感觉到的热度，是冲着我选的这个市场来的，还是冲着这个类目来的？
第二个问句不是在讨论模型能做什么或不能做什么，它问的是价值来源归谁：如果换成人工交付这批人依然肯付钱，说明你选的是一个真实存在的市场；如果不肯，你卖的可能是新鲜感。
七、什么情况下该推翻市场选择本身
a16z 那十二条的第 6 条讲的是一种常见幻觉：创始人经常把早期的一点起色误当成真的 PMF（A5.1#6）。本站的判断是这句话反过来同样成立——早期没有起色，也很容易被误读成市场选错了。
同一份要点里的第 7 条说，赢的是先到 PMF 的，不是先进入市场的（A5.1#7）。这里只取一个含义：进场早晚不构成推翻市场选择的理由。
真正该分辨的是下面这四种情况：
| 你观察到的 | 该读成什么 |
|---|---|
| 有一小群人反复回来用，但人数一直上不去 | 市场没选错，是这批人聚在哪你还没找到，或者你框得太窄。这不是换市场的理由 |
| 用得多的那些人说不清自己是哪一类，彼此之间毫无共同点 | 你其实还没选市场，你只是在收集用户。回到第六节第 1 项 |
| 每一批新用户都在流失，且流失前的行为和留下来的人看不出区别 | 先修度量。你现在看到的差异可能根本不存在于数据里 |
| 你能清楚描述这批人是谁，但他们对这个问题的在意程度撑不起你要开的价 | 这才是市场选择本身的问题 |
只有第四行是换市场的理由。前三行换市场，换掉的是你自己的积累。
第四行有个更省事的检验方式：把你的定价往上抬一档，看那批最像高期待用户的人是走还是留。留下来说明在意程度够，问题在别处；全走了说明这个市场对这件事的在意程度就是这么高，而你需要的价格它撑不住——这时候要换的不是产品，是人。
延伸阅读
本篇提到的站内课程，可以直接接着往下读：
名词不熟可以先看术语页：PMF（产品市场契合）