PMF 的信号：AI 产品要拉长到第 8 周看
经典判断标准还是那么几个：Sean Ellis 的 40% 规则（问用户「如果不能再用这个产品」，40% 以上说「非常失望」就算过了线）；留存曲线出现平台期而不是一路降到零；开始出现不靠投放的自然增长。
但 AI 产品有个陷阱：猎奇红利。新产品出来，用户都来尝鲜，玩两次发完朋友圈就走了，首周次周数据很好看，第四周开始裸泳。妙鸭相机 2023 年爆火，9.9 元生成写真，服务器排队，几个月后热度退潮——这是典型的有 wow moment、没有 PMF。反面是 Cursor 和 Copilot，程序员天天用、月月续费，留存曲线是平的，这才是真的。所以我给 AI 产品的纪律是：任何增长判断，数据至少看到第 4 周，重要判断看到第 8 周。
还有一个我经常用的土指标：用户愿不愿意为它改变习惯。一个 AI 工具如果只是「有空时玩玩」，留存一定撑不住；如果用户开始把它放进每天的工作流——上班第一件事打开它、遇到问题先问它——那就有戏。Copilot 过了 PMF 的标志不是下载量，是程序员开始在招聘要求里写「熟练使用 Copilot 优先」这种话，工具变成了职业技能。
路径：窄人群乘以深场景
从 0 到 1 最容易犯的错是想做「通用的 AI 助手」。通用助手打不过大厂——豆包、Kimi 一年烧几十亿换规模，你拿什么打。机会永远在窄处：特定人群、特定任务、做到 95 分。Cursor 只做 IDE 里的专业开发者，HeyGen 只做数字人口播视频，Perplexity 只做带引用的搜索，都是先打穿一个针尖再谈扩张。
具体走法：选一个高频、痛点明确、现有方案烂的场景，做一个粗糙但核心价值成立的 MVP，找 50-100 个目标用户深度用，然后盯行为而不是听评价——用户嘴上说好不算数，每周主动打开几次才算。这里有个关键概念是 wow moment：用户第一次体验到核心价值的那一刻，Perplexity 第一次给你带引用来源的答案、Cursor 第一次自动改完一个文件。这个时刻必须发生在新用户上手的前 5 分钟里，发生不了，后面做再多功能也救不回来。
找场景时还有一个筛选器：这件事用户现在是怎么解决的？如果答案是「忍着」或者「人肉硬扛」，那是好场景，痛点真实且没有好方案；如果答案是「用某个工具，还行」，那你面对的就是替换战，获客和教育成本都会高很多，要么做出十倍的体验差，要么换场景。
验证方法：先验证问题，再验证 AI
MVP 要验证的是两个层次，顺序不能反：先验证「这个问题值不值得被解决」，再验证「AI 是不是解决它的最佳方式」。很多团队跳过了第一层，最后发现用户要的根本不是 AI，是一个更好用的表单或者一个更全的模板库，那就老老实实做表单，别为了用 AI 而用 AI。
指标就盯四个：4 周和 8 周留存、每周主动使用频次、付费意愿（哪怕先放个假付费按钮看点击率）、40% 调研。迭代节奏按 2-4 周一个周期改假设，闷头做半年再发布是自杀。另外提醒一句，别拿融资节奏当验证节奏——投资人感兴趣和用户离不开是两回事，2023 年一堆 AI 应用拿过钱，第二年留存数据出来时倒掉一片。
三种伪 PMF，每种都坑过人
一是免费带来的虚高。免费用户什么都愿意试，一收费全跑光。所以验证 PMF 要尽早收钱，哪怕只收 9.9，付费率是任何行为数据都替代不了的试金石。
二是 B 端的大客户幻觉。一两个大客户掏了大钱，但全是深度定制，这不叫 PMF，叫接了两个外包单。B 端真 PMF 的信号是：第 5 个、第 10 个客户用的是同一套产品，交付成本在逐单下降。
三是技术自嗨。团队为「我们用了多智能体架构」而自豪，但用户根本不关心你底层是什么，他只关心问题解没解决。技术指标漂亮的会上，多问一句：用户留存涨了吗。
还有一种隐蔽的伪信号：内部自嗨式增长。全公司加上亲朋好友几百个账号天天用，数据很好看，一投放拉新就原形毕露，验证数据一定要剔除内部流量。另外付费验证里，续费率比首购率更有说服力——首购可能是营销厉害，续费才是产品厉害。