没到 PMF 的六个症状，和它在个人产品上的换算
2007 年 6 月那篇《The Only Thing That Matters》里，Andreessen 列了六条「没到 PMF」的症状（A2.3）：
- 客户没有从产品里拿到足够的价值
- 口碑传播很慢
- 使用量涨得不快
- 媒体报道反应平淡
- 销售周期拖得很长
- 交易频繁地谈崩
同一篇里还有反过来的六条（A2.4）：客户买的速度快过你能生产的速度、使用量涨的速度快过你能加服务器的速度、钱不断进来、在拼命招销售和客服、媒体主动找上门要采访、开始拿创业者奖项。
十二条，一个数字都没有。那篇文章给的定义本身也不含任何数字（A2.1）。所以 2007 年那套判据的潜台词是一句话：到了你不会不知道。
一、这六条是照着谁写的
照着一家融过资、有销售团队、有服务器要扩容的公司写的。这不是推测，A2.3 那组症状里「销售周期」「交易谈崩」两条本身就预设了有人在跑销售，A2.4 里的「加服务器」「招销售和客服」预设了有钱有编制。
一个人做产品，这六条里至少有一半在你身上根本不会发生：
- 你没有媒体这个器官。零报道是你的常态，不是症状。
- 你没有销售周期，你有的是一个结账页面。
- 你一个月成交两笔，谈崩一笔，这在统计上什么都说明不了。
如果你照着原文逐条打勾，会得到一个荒唐的结论：六条命中五条，所以你离 PMF 远得很。但其中三条命中是因为你压根没有那个器官，不是因为器官不工作。
本站的判断是（依据 A2.3 末尾对适用范围的说明）：这六条不能直接抄，得先做一次换算。换算的原则是先把每条症状还原成它在测什么，再在个人产品上找一个真的会动、并且你拿得到的观察对象。下面这张表是本站的推演，不是原文内容。
二、六条的换算表
| 原症状（A2.3） | 它在测什么 | 个人产品上的观察对象 |
|---|---|---|
| 客户没拿到足够价值 | 产品有没有真的产出结果 | 把产品用到出结果那一步、并且回来用第二次的人数 |
| 口碑传播很慢 | 用户愿不愿意替你说话 | 新用户里「别人告诉我的」占几个 |
| 使用量涨得不快 | 需求在不在扩散 | 每周新增使用者的绝对条数，连续四周排成一列 |
| 媒体报道反应平淡 | 外部有没有自发提及 | 有没有人在你不知情的情况下写到过你 |
| 销售周期拖得很长 | 决策成本高不高 | 从第一次打开到付费之间的天数 |
| 交易频繁谈崩 | 卡点集中在哪 | 退款和取消订阅时写下的理由原文 |
逐条说明第二列到第三列是怎么过去的。
第一条，价值。这条是六条里唯一不需要换算的，公司和个人身上是同一件事。要换的只是观察口径：别看注册数，注册只证明有人被标题吸引过。看的是有多少人把产品用到吐出结果的那一步，并且隔了一段时间又回来用了第二次。第一次可以是好奇，第二次才是需要。
第二条，口碑。个人产品上不要看转发数和点赞数，那是曝光不是口碑。可靠的做法只有一个：在新用户完成第一次使用之后，问一句「你是从哪知道这个东西的」，开放填空，不给选项。一周下来如果十个人里有两三个写的是某个具体的人或者某条具体的帖子，这条症状就不成立；如果十个人全写的是「搜到的」「刷到的」，那口碑这一项在你这儿目前是零。
第三条，使用量。基数小的时候增长率全是噪声：三个人变六个人，增长率好看得吓人；下一周掉回四个人，增长率又难看得吓人。同一批人，两周之内能把你的心情摇散架。改看绝对条数，并且必须连着排四周。单周的数看不出任何东西，四周排成一列才有形状。
第四条，媒体。个人产品上把它整个降级：零提及是背景噪声，不构成症状，别为此焦虑；但出现一次自发提及是强信号，值得你花半天时间去把那个人找出来，问清楚他为什么写。这条从「症状」变成了「彩票」，只在中奖的那一侧有信息。
第五条，销售周期。你没有销售，但决策成本还在。它藏在从第一次打开到付费的间隔里。这个数是长是短没有绝对标准，有意义的是它的分布形状：如果大部分付费都发生在第一天，说明产品的价值一眼可见；如果拖到两周之后才付，中间那两周里发生的事就是你真正的转化环节，而你多半对它一无所知。
第六条，谈崩。个人产品上成交样本太少，做不成比例，所以别算比例，去读原文。退款和取消订阅那一栏里用户手写的理由，一条顶十份问卷。哪怕一个月只有三条，读三遍，把里面重复出现的那个词记下来。
三、症状缺席不等于健康
a16z 2017 年那篇《12 Things About Product-Market Fit》里的第 4 条说，察觉 PMF 靠的是看可观察信号——获客速度、自然增长、正面报道——或者这些信号的缺席（A5.1）。
问题在于「缺席」有两种：真的没有，和你看不见。这两种在你的后台里长得一模一样。
有一个很硬的例子。a16z 在 2026 年 3 月发布的第 6 版消费级 AI 应用榜里，自己写下了这么一句：它的排名 undercount the AI products people use most（a16z，2026-03-09，数据截至 2026 年 1 月）。原文举的例子是一个每天泡在 Claude Code 里八小时的开发者——按任何标准都是重度 AI 用户，但在网页流量数据里几乎体现不出来（B4）。
这是一家把「排 AI 应用榜」做成招牌的机构，手里有两家数据商的流量与月活数据，在自己最新一版的榜单里承认量不准这个品类。
本站由此推的判断是：一个人拿着自建的注册数和页面访问量去判断上面那六条症状，误差只会比它更大，而且误差方向是固定的——越是把产品用得深的人，越不容易在你的公开指标里留下痕迹。所以换算表里第二条和第四条要用得格外小心：口碑慢和无人提及，在 AI 类产品上很可能是观察渠道的问题，不是产品的问题。
对应的动作是：这两条别单独当证据用，必须和第一条（有没有回来用第二次）交叉着看。第一条动了而二、四条不动，是可见性问题；第一条也不动，才是产品问题。
四、AI 产品上多出来的一条干扰
2007 年那六条症状还有一个隐含前提：使用量涨得快是好事。
在 AI 产品上这个前提要打折。ChartMogul 那份报告里有一条现象描述：实验性质的 AI 产品的使用者最终会离开，关键特征是转向下一个热门产品（B1.3）。报告本身没有给这类用户下正式定义，只描述了这个现象。
对照 a16z 那篇的第 6 条——创始人经常把早期的一点起色误当成真的 PMF（A5.1）——这两条叠在一起是个很具体的陷阱：AI 产品发布初期的使用量曲线，可能同时包含真需求和逛街的人，而且逛街的人来得更快、更集中。你的第三条症状（使用量涨得不快）会先假阴性一段时间，然后自己翻回来。
品类的基线也还在动。那份报告里，AI 原生产品的总收入留存中位数从 2025 年 1 月的 27% 变到 2025 年 9 月的 40%，九个月里的变化幅度很大，这类数字还在快速变化（B1.4）。要注意它的样本门槛：那份报告只统计已经跑到 25 万美元 ARR 以上的公司，跟一个还没起量的个人产品不是一回事，这里引它只是为了说明基线在动，不能当作你该达到的目标值。
本站的判断是：在整个品类的基线自己都在动的年份里，拿别人的数字横比没有意义，六条症状只能跟你自己上一个周期比。这也是上一节要求「连排四周」的原因——比的是形状，不是水平。
五、和站内既有课程的分工
站内 coding 支柱的 L9 阶梯里，有一篇讲分发和产品的时间分配，里面反复用「没到 PMF 就砸广告等于往漏桶里浇水」这类说法；还有一篇专讲要不要做投放，结论是投放是放大器不是发动机，得先到 PMF 再放量。那两篇告诉你「到了 PMF 再投放」，这篇补的是另一半：你怎么知道到了没有。
L9 还有一篇专讲留存优先于获客、留存曲线怎么提。那篇讲的是怎么提，本篇只做观察对象的换算，到「该看哪个数」为止，不碰怎么优化。
L5 阶梯里有一篇专讲用户访谈，给了三条铁律、十道题和三个禁问。下一节那三句问句不是访谈方法，只是为了把表填上而取数用的，要正经做访谈请以那篇为准。
六、下周可以直接填的那张表
把第二节的表抄成四列，前三列照抄，加一列「数据从哪来」：
| 症状 | 我的观察对象 | 上一周期实际值 | 数据从哪来 |
|---|---|---|---|
| 1 价值 | 用出结果并回来第二次的人数 | ||
| 2 口碑 | 新用户里「别人告诉我的」个数 | ||
| 3 使用量 | 每周新增使用者绝对条数 ×4 周 | ||
| 4 提及 | 自发提及次数 | ||
| 5 决策成本 | 首次打开到付费的天数 | ||
| 6 卡点 | 退款/取消理由原文 |
填的规矩有三条：
- 第三列填不出数字的行，先别去改产品，那一行的任务是补一个取数办法——一个埋点，或者一句要问的话。
- 第四列写不出来源的行，等于这行你一直在凭感觉判断。凭感觉判断的症状不能进决策。
- 六行里第一行是根。第一行答不上来的时候，后面五行填得再满也是噪声——其余五条本来就是第一条的外显。
取数用的三句问句，可以照抄：
- 你是从哪知道这个东西的？（问刚完成第一次使用的人，填第 2 行）
- 你上一次用它，是解决了什么事？（问回访的老用户，填第 1 行）
- 你当时没继续用，是卡在哪一步？（问退款和取消的人，填第 6 行）
表填满一个周期之后，你手上会有六个具体的数和一沓原话。这比「我感觉还没到 PMF」有用得多——后者没法做任何决定，前者至少能告诉你下一周该动哪一行。
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）