到了 PMF 的六个症状，和它在个人产品上的换算
判断有没有到 PMF，最早的那份判据里一个数字都没有。
站内 coding 支柱的课程反复拿 PMF 当决策开关用——讲「分发大于产品、时间分配要倒过来」的那篇说没到 PMF 就别砸广告，讲要不要做投放的那篇用的是同一个开关。那两篇讲的是开关拨向不同方向之后该做什么，它们默认你已经知道自己在开关的哪一侧。这篇补的是开关本身：在你还没有足够样本发问卷、也没有足够数据看留存曲线的阶段，先把自己定位到某一侧。本专题里另有一篇讲问卷分数低该怎么读，那篇的前提是你已经跑过问卷、手上有一个数；这篇的前提是你还没有那个数，或者你的用户少到发问卷收不回几份有效回答。
2007 年那篇《The Only Thing That Matters》把 PMF 定义成两件事的叠加：你所在的市场本身得是个好市场，而你手上这个产品得能满足它（A2.1）。这句定义里没有百分比、没有留存曲线、没有问卷。40% 那条线也好，次留七留也好，都是后来的人为了回答「那我怎么知道到了没有」才发明的测量手段。
同一篇文章倒是给了判据，只不过是六条症状：
- 客户下单的速度，超过了你交付得出来的速度
- 用量往上冲的速度，超过了你加服务器的速度
- 钱在持续不断地进账
- 你正在到处招销售和客服
- 记者主动找上门要做采访
- 各种创业奖开始落到你头上
这六条是 2007 年那篇原文里逐条列出的（A2.4）。它们隐含的态度很明确：到了的时候你不会不知道。
问题出在读者是谁。
一、这六条描述的不是你
把这六条逐条摊开看，它们预设了三样东西：一支正在扩编的销售队伍、一组会被用量压垮的服务器、一条已经存在的媒体与评奖通道。这是 2007 年一家融过资的公司的日常。
一个人做产品，这三样一样都没有。你没有产能瓶颈，因为软件复制不要成本；你不会为加服务器发愁，因为你用的是别人的云；你不认识任何一个记者。按原样对照，六条里你能对上号的接近于零——但这不说明你没到，只说明这把尺子的刻度不是给你这个体型的人用的。
原文这组症状描述的是融过资、有销售团队、有服务器扩容压力的公司，用在个人产品上必须先换算（A2.4）。
下面这张换算表是本站的判断，依据是 A2.4 那六条症状各自的底层含义，不引入任何原文之外的事实。换算的原则只有一条：保留「这件事说明了什么」，换掉「这件事在公司里长什么样」。
| 2007 年的原症状 | 它真正在说的事 | 一个人做产品时它长什么样 |
|---|---|---|
| 下单快过交付 | 需求端的压力顶到了供给端的天花板 | 你的答疑、开票、手工开通这类杂事，开始挤掉写代码的时间 |
| 用量快过扩容 | 使用强度在推着基础设施走 | 你为账单感到不安——不是没人用，是用得多到你算不清这笔账 |
| 钱持续进账 | 收入不依赖你每一次的推动 | 在你什么都没做的月份里，续费和复购照样发生 |
| 到处招销售客服 | 重复劳动的频次超过了个人承受度 | 你第一次认真考虑把某件重复的事写成脚本或交给别人 |
| 记者主动上门 | 外部的人开始替你做传播 | 有人在你不知情的情况下，把你写进了他的清单、教程或对比文里 |
| 创业奖落到头上 | —— | 这一条本站判断为无对应物，直接划掉 |
最后一行是故意留空的。个人产品上不存在与「拿创业者奖项」等价的事件，硬找一个替代品（比如把它换成「上了某个榜单」）只会引进一个更容易造假的指标。六条里能换算的是五条，那就承认是五条。
二、五条里有两条会给假信号
换算完不等于能直接用。上面五条里，第二条和第五条在 AI 产品上特别容易骗人。
第二条：用量涨得快。
这条在 2007 年的语境里是纯粹的好消息，因为用量涨了不花你的钱——传统软件的边际成本接近于零。AI 产品不是这个结构：每一次调用都在花钱，这直接翻转了免费层的经济性，逼着很多 AI 产品在很早就推转化，甚至出现按日的用量墙——这在传统 SaaS 里几乎不会出现（B2.2#1）。
结果是同一个信号在两种产品上指向相反的方向。传统软件里用量猛涨说明你可能到了；AI 产品里用量猛涨，可能只是说明你正在替一批还没决定要不要付钱的人烧钱。
还有一层。那份统计约 3,500 家软件公司的留存报告记录了一个现象：实验性质的 AI 产品使用者最终会离开，关键特征是转向下一个热门产品（B1.3）。同一份报告里，AI 原生产品的中位总收入留存从 2025 年 1 月的 27% 涨到了 2025 年 9 月的 40%（B1.4）。这两条要连起来读：留存在改善，一种可能的解释是尝鲜的人陆续离场、基本盘沉淀下来。这个数字本身还在快速变化，不是结论。
引用它必须带上门槛：这份截至 2025 年 9 月的报告只统计已经达到 25 万美元年经常性收入的公司（B1.0）。也就是说它描述的是「已经活下来的公司之间的差异」，不是你这个阶段的命运。顺便说清，这里的 40% 是 2025 年的留存口径，跟问卷里「回答非常失望的比例达到 40%」那条线毫无关系——那条线的说法出自 Superhuman 那篇复盘里的转述（A3.2），两个数只是碰巧一样。
对个人产品的推论是本站的判断：用量曲线在 AI 产品上不能单独作为 PMF 症状使用，它至少要拆成两条来看——新用户带来的用量，和上个月就在的那批人这个月带来的用量。前者涨、后者不涨，说的是尝鲜，不是契合。
第五条：有人主动写你。
这条的失效原因不在你身上，在外部可观察性本身。
a16z 的消费级 AI 应用榜单第 6 版里，作者写了一句相当罕见的话：这份排名越来越低估了人们用得最多的那些 AI 产品——原话是「undercount the AI products people use most」（B4，2026-03-09 发布，榜单数据截至 2026 年 1 月）。她举的例子是，一个每天泡在 Claude Code 里八小时的开发者显然是重度 AI 用户，但在网页流量数据里几乎体现不出来。
这是一家把「排 AI 应用榜」做成招牌的机构，拿着商业级的流量与月活数据，在自己最新一版里承认量不准这个品类。
那么一个独立开发者靠「有没有人在公开场合提到我」来判断自己到没到，可靠性只会更低。本站的判断是：这一条在 AI 产品上只能单向使用——有人主动写你是正信号，没人写你不是负信号。前者需要有人真的用到愿意花时间描述它，后者可能只说明你的用户不在会写文章的那群人里。
三、缺席比在场更好判
同一篇 2007 年的文章还给了另外六条，说的是「没到 PMF」时是什么样（A2.3）：客户从产品里拿到的价值不够、口碑传不开、用量涨不动、媒体那边反应平淡、成单周期拖得很长、快谈成的单子频频告吹。
这六条比前六条更适合个人产品，原因是它们描述的是缺席，而缺席不需要规模就能观察到。换算过来（同样是本站判断）：
- 口碑传不开——你能叫得出名字的用户里，主动把产品发给别人的有几个，最近一次是什么时候
- 成单周期拖得很长——从一个人第一次看到你的落地页，到他掏钱，中间隔了多久；有多少人卡在这段里再没出现
- 快成的单子频频告吹——开了试用然后消失、加进收藏夹再没回来的，占了多大一块
- 价值不够——那些用过核心功能又停用的人，你能不能说清他们停用的那一天发生了什么
a16z 2017 年那篇十二条里，第 4 条讲的正是这件事：察觉 PMF 靠看可观察信号——获客速度、自然增长、正面报道——或者这些信号的缺席（A5.1）。缺席被专门写进去了，不是修辞。
同一篇的第 5 条还有一句要紧的：认出 PMF 需要定性判断，不是纯看数（A5.1）。这跟上面那张换算表是同一件事的两种说法——你要找的不是一个达标的数值，是一组能说出具体日期和具体人名的事件。
四、这张表怎么用
到这一步，你手上有五条正向症状和四条反向症状。用法有三个要求，每一条都对应一个容易犯的错。
第一，填的是事件，不是感觉。 每一行右边写的必须是「某月某日，某人做了某件事」这种能被复查的东西。写「感觉口碑还行」等于没填。a16z 那篇十二条里的第 6 条专门点了这个毛病：创始人经常把早期的一点起色误当成真的 PMF（A5.1）。防它的唯一办法是要求自己给每一条配一个日期。
第二，凑不出证据就是没凑出，不要补。 九条里（五正四反）你能填上带日期证据的如果不到三条，结论不是「暂时看不出」，是这一轮还没有可用的信号。这时候有用的动作是去把信号造出来——收窄用户、加深使用——而不是换一把更宽松的尺子。
第三，这张表的价值在第二次填。 a16z 那篇明确把「PMF 是一个离散的、大爆炸式的事件」列为迷思，并转述了 Ben Horowitz 的观点：PMF 是迭代的、连续的，而且如果停止适应就会丢掉（A5.4）。同一篇的第 8 条也写着 PMF 不是一次性事件、不总是显而易见、是会丢的（A5.1）。所以单次填表只是一个点。隔一个季度用同一张表再填一次，两次之间哪几行从空变成了有日期、哪几行反过来从有变成了空——那个差值才是你真正要的东西。
五、现在去做的那件事
把上面九条抄进一张两栏表，左栏是症状，右栏只填两样东西：这件事在我的产品上具体长什么样，以及我上一次看见它是哪一天。
填不出日期的行留空，不要写「大概最近」。填完数一下有日期的行有几条，把这个日期和条数记下来。三个月后不改这张表，原样再填一遍。
第二次填完的那个差值，比任何一次的绝对值都更接近 2007 年那句话的原意——到了的时候，是这张表上的空格在一行一行被填满，而不是某个数字跨过了某条线。
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）