PMF 问卷该对谁发、发多少份

2026-08-25

你打算跑一轮 PMF 问卷。主问题是现成的——「如果以后再也不能用这个产品了，你会是什么感觉」，选项三个：非常失望、有点失望、不失望（A3.2）。题目不用你自己想。

真正卡住人的是下一步：这份问卷发给谁，什么时候发，收回多少份才敢拿它做决定。名单错了，后面所有的解读都是在解读噪音，而噪音看上去和信号长得一模一样——都是一个百分数。

站内 L9 阶梯那几篇反复把「到了 PMF 再放量」当决策开关用，那些篇讲的是开关拨过去之后该怎么投放、怎么放大，没讲这个开关本身怎么读。本站这个专题另有一篇讲分数低的时候该换题还是该继续做，那篇处理的是数字已经躺在表格里之后的事。这一篇更靠前一步：数字还没产生，名单还在你手里。

一、这道题只有一种人回答得了

主问题问的不是「你觉得这个产品好不好」，也不是「你以后会不会用」。它问的是一样东西被拿走时你的反应（A3.2）。

这个句式有个硬前提：受访者手上得真的有那样东西。一个注册完从没打开过核心功能的人，被问到「再也不能用了会怎样」，他脑子里没有可以被拿走的对象，只能凭想象作答。他大概率会礼貌地选「有点失望」——这一票不是弱信号，它根本不是信号，是一次填空。

所以名单的第一条不是「发给多少人」，而是先把不具备回答条件的人排除掉。本站的判断是，按 A3.2 那个问法的性质，一份可读的名单要同时满足四条：

完整用过核心功能至少一次。 不是登录过，不是看过引导页，是把你这个产品存在的理由那一步走完了。
距离最近一次使用不超过一个可感知的周期。 周期长短随产品形态定：日用型工具按周算，月度结算型按月算。判据是「他还记得这个产品在他工作流里的位置」。
不是你认识的人。 熟人不回答这道题，熟人回答的是另一道题——「我要不要伤你的面子」。
不是被奖励驱动来的。 用抽奖、返现换来的问卷回收率，换来的同时也把选项的含义换掉了。

这四条不是从哪份研究里抄的，是从主问题本身的语义倒推出来的——它问的是既成事实的剥夺感，任何让受访者进入「想象」或「客气」状态的因素，都会让这一票失效。

二、名单里最危险的不是新人，是尝鲜者

第一条判据会挡掉大批没激活的注册用户，这一步大多数人做得到。做不到的是第二类污染。

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，他们的关键特征是转向下一个热门产品（B1.3）。这类人完整用过你的核心功能，最近也活跃，四条判据里前两条他全都过。

他们在问卷里的表现是本站认为最值得警惕的一种：因为正在新鲜期，他们很可能真诚地选了「非常失望」。这一票在统计上和一个用了半年的老用户等值，但它的保质期是几周。你的分数被这批人抬上去，然后在他们迁移到下一个产品之后自己掉回来——而你会以为是自己哪次改版做砸了。

本站给的处理办法不是把他们剔出去，是给名单加一个使用时长的分组标记：把使用满一个完整计费周期（或对免费产品而言，满一个自然月）的人和不满的人分开统计，两组分数分开看。这个动作成本极低，一个字段的事，但它把「新鲜感」和「离不开」这两件长得一样的东西分开了。

三、发多少份，决定的不是准不准

有说法认为，这份问卷至少要收到三十份左右的有效回答才值得读，过百份时信心会明显更高（A3.2）。这个建议本站没有找到一手出处，所以不拿它当门槛用，只当参考。

比份数本身更值得说清的是份数在决定什么。本站的判断是：份数决定的不是分数准不准，而是你能不能分层看。

这是一道算术题，不需要任何外部依据。按 2018 年那篇复盘里转述的口径，分数是「非常失望」的人在总回答里的占比。当你只有三十来份回答时，一个人的答案就值三个多百分点，三个人改主意，分数跳十个点。你在这样的样本上比较「这次比上次涨了几个点」，比较的是随机波动。

更要命的是分层。第二节说的那个使用时长分组，一旦落到三十份的样本上，两个组各剩十几份，每一组的分数都失去了读数意义。你想按人群细分（比如按职业、按获客来源），份数就更不够分。

所以本站给的实际做法是：

份数少的时候，只读定性内容，不读百分数。
份数少的时候，不比较前后两次的分数变化，只看「非常失望」那一栏里有没有人、他们在配套题里说了什么。
份数上来之前，别为了凑份数去放宽第一节的四条判据。放宽名单换来的份数，是负资产——它让你从「不敢下结论」变成「敢下一个错结论」。

a16z 有一条经验放在这里正好。他们把「排 AI 应用榜」做成了招牌产品，在 2026 年 3 月发布、数据截至 2026 年 1 月的第 6 版榜单里，却白纸黑字承认一件事：自家这份排名，正越来越漏算掉人们用得最多的那批 AI 产品（原文用词为 undercount the AI products people use most，见 B4）。他们举的例子是：一个每天泡在 Claude Code 里八小时的开发者是不折不扣的重度用户，但在网页流量数据里几乎体现不出来。

本站从这条得到的推论是：拿着行业级数据源的机构，口径都会漏掉最该被计入的那批人；你自己后台的注册数、日活数，漏得只会更多。 这不是让你不信数据，是让你在圈名单的时候别把后台的活跃榜直接当名单——那个榜单的排序逻辑和「谁离不开你」不是同一件事。

四、名单的价值不在总数，在那一栏

Superhuman 那套流程的第一步，是把回答「非常失望」的人单独拎出来，据此画出高期待用户的画像（A4.2）。画像的材料来自他们对「你觉得谁最能从这个产品受益」这道配套题的回答，而且要用他们自己的措辞和关键词，不是你的行业黑话（A4.3、A4.4）。

这一步反过来对名单提了个要求：你的问卷必须能识别出每一份回答是谁填的。 一份完全匿名的问卷可以给你一个百分数，但没法让你回到那批人身上去看他们是谁、在用哪个功能、留存曲线长什么样。那个百分数于是成了一个孤立的数字，什么动作都触发不了。

具体到实施，这意味着问卷链接要按用户带参数下发，而不是在产品里挂一个所有人共用的入口。这件事必须在发问卷之前决定，事后补不回来。

五、分数高也可能是名单的问题

2024 年 12 月 19 日，Sean Ellis 本人在他的 Substack 上发过一篇文章，标题就叫《High PMF score but low retention》。付费墙前可见的摘要里记录了一个创始人的案例：问卷里有 55% 的用户回答「没有这个产品会非常失望」，高于他自己推荐的那条线，但公司仍然面临低留存（A3.3）。他在正文里给的解释在付费墙后面，本站没有取到。

这条素材的分量不在答案，在提问的人是谁——提出那条线的人自己，在写文章讨论「分数过线了但留存还是不行」。

本站不编造他的答案，但可以从名单这个角度给出一个可自查的方向：问卷分数和留存数据是两个独立口径，它们对不上的时候，最先该怀疑的是两个口径覆盖的不是同一群人。 问卷是主动填答的，愿意填的人天然偏向活跃和有好感；留存是被动统计的，覆盖全体。前者高后者低，最常见的机械原因就是前者的样本被自选择过滤了一遍。

所以做完问卷别急着庆祝，做一个交叉动作：把「非常失望」那批人的账号 ID 拉出来，去看他们在过去几个周期里的实际使用频次。 如果这批人的使用频次也不高，那你手上这个分数描述的是好感度，不是依赖度。

六、一张可照抄的口径登记表

Superhuman 那套流程的第四步是循环：持续对新用户发问卷，把分数当作最重要的指标，每个季度按新的回答重建一次路线图（A4.2）。循环成立的前提是两次的数可比，而可比的前提是名单口径没变。

口径这东西不写下来，三个月后你一定记不清上次是怎么圈的。发问卷之前把下面这几格填掉，和结果存在一起：

登记项	这次填什么
核心功能的定义	走完哪一步算「用过」
活跃窗口	最近多少天内有使用
使用时长分组线	满多久算老用户，不满的单独统计
排除项	熟人、内测名单、有奖励的渠道、企业统一开通的账号
发放方式	是否带用户标识、是站内触发还是邮件
有效回答数	总数，以及两个时长分组各多少
同期留存快照	「非常失望」那批人的实际使用频次

下次再跑的时候，先比这张表，再比分数。表里任何一格变了，两次的分数就不能直接相减——本站的判断是，这种情况下应当把它当成两个独立的观测点分别读，而不是当成一次变化。

七、与站内既有课程的分工

站内 L5 阶梯有一篇专讲问卷调研为什么不可信，核心是「大家嘴上说会用，结果没人买」，还有几篇讲反馈可信度排序和访谈提纲。那些篇针对的是产品还没做出来时的意向类问卷——问的是未来行为，而人对自己未来行为的预测本来就不准。

这一篇讨论的问卷不是那一类。它问的是一件已经发生的事被撤销时的反应，前提就是产品已经在被使用。两者的可信度基础不同，那几篇的结论不能直接搬到这里来否定 PMF 问卷；反过来，这篇的名单判据也救不了一份意向问卷——意向问卷的问题在题目，不在名单。

另外要说清出处的性质：40% 这条线最常被引用的转述，来自 2018 年那篇 Superhuman 复盘，而不是某篇 2009 年的原文——那篇原文本站没有取到（A3.1）。它是一个横向比较一批公司之后定下的经验值，不是一条被反复验证过的统计标准。名单圈得再干净，这个性质也不会变。

八、现在就能做的那件事

打开你的用户表，按第一节的四条判据筛一遍，看看还剩多少人。

这个数字本身就是这次动作最大的产出。如果剩下的人不到几十个，问卷这一步先别跑——你需要的不是一个百分数，是去和这几十个人里的每一个聊一次。如果剩下几百个，那就按第二节加上时长分组标记，按第四节配好带标识的链接，把第六节那张表填掉，再发。