創業途中失敗別急著落跑!追問「為什麼」,突破性洞見就隱身其中
創業途中失敗別急著落跑!追問「為什麼」,突破性洞見就隱身其中
2017.07.14 | 創業

本文摘自:《快成長時代》,天下雜誌出版

大部分創業家在失敗之後都落跑。他們見到失敗跡象就急著改弦易轍,而沒有花必要的時間,去深入探討失敗的根本原因。在精實創業方法中,「軸轉」(pivot)這個詞往往被用來護航這種矯正行為,但是當然了,他們誤用了這個名詞:軸轉不是建立在學習之上,就只是「看看什麼黏得住」的偽策略。

突破的關鍵不是從失敗逃開,而是像前面提過的發明家一樣堅持不懈,不斷問為什麼。「快快失敗」的文化基因(meme)通常被用於強化這種情緒。但是我發現,失敗的禁忌如此根深蒂固(每個地方都是如此,也許矽谷除外),以至於「快快失敗」並不足以促使大家接受「取得突破的先決條件就是要先失敗」。

P226.jpg
圖/ 《快成長時代》

試著將所謂的失敗看成是「你的顧客行為模式和你觀察到的經驗不同」。在這種情況下,你需要嘗試不同的方法或修改你的模式。正如你投入的構想品質會影響得到的成果,實驗後的分析品質,也會影響接下來的突破性洞見。

分析你的成果

在「精實創業吧!」(GO LEAN)架構中的分析步驟,你要試著調和觀察到的成果和預期的結果。你的成果提供一個回饋循環,讓你反向處理。先是在實驗的層級,然後是在策略或驗證計畫的層級,最後則是在你的模式中。

P227-1.jpg
圖/ 《快成長時代》

1. 分析你的實驗

如果你觀察到的成果和預期結果相符,你可以給自己鼓鼓掌,並且邁向下一步,根據目標來分析你的驗證計畫。如果相反的,你觀察到的成果和預期結果不合,那就需要花時間了解為什麼,才繼續往前走下去。

P227-2.jpg
圖/ 《快成長時代》
P228.jpg
圖/ 《快成長時代》

這或許可以用許多方式做到:
I. 檢視蒐集到的資料
回頭檢視蒐集的資料,例如筆記和顧客訪談紀錄,搜尋以前可能漏掉的洞見。

II. 執行五個為什麼分析
和其他團隊成員執行五個為什麼分析,尋找沒產生預期結果更深層的原因。

III. 做更廣泛的資料採礦
用不同的方式分析,或者挖掘不同的微觀指標資料,或許有助於發覺觀察成果中的因果型態。

IV. 執行後續學習實驗
由於微觀指標只能告訴你發生了什麼事,而不是為什麼會發生。有些時候,最好的行動是執行後續的學習實驗,設計的目的是蒐集更多的資料。

2. 分析你的策略

接著要在策略的層次,分析觀察到的成果。根據觀察到的成果,一個驗證計畫接下來會有四個可能的狀態:

p229.png
圖/ 《快成長時代》

I. 退場
退場(retire)是指成功打破限制,並且達成使用這套策略想要實現的宏觀目標。於是這套策略退場,接著將口袋中前景看好的構想排定優先順序。

II. 堅守
堅守(persevere)是指蒐集夠多的正面訊號,有正當的理由繼續運用目前的策略。接下來你可以根據你的模式去分析這套策略,這有助於你決定下一個要執行的實驗。

III. 軸轉
軸轉(pivot)是指沒有蒐集到夠多的正面訊號,但你知道為什麼會這樣,而且還沒有準備好要放棄。軸轉代表根據新發現和學習到的事情去改變方向,但繼續聚焦於目標上。

IV. 重設
重設(reset)這是指蒐集夠多的負面訊號,可以推翻這套策略。由於顯然沒有堅守的必要,你決定將資源重新分配到前景更為看好的其他構想上。

3. 更新你的模式

最後,你需要確保在每一次的實驗之後,務必更新你的商業模式。儘管如此,務請記住,尋找可運作的商業模式是個搜尋和執行相抗衡的問題。正如你拿幾個不同的策略和實驗相互比較,你也需要拿幾個不同的商業模式相互比較。由於這個理由,經常回頭檢視你的商業模式,確保它們反映出你最新學到的知識也一樣重要。

4. 決定下一步行動

分析做完之後,你現在準備決定下一步行動。根據你的成果和更新後的模式,重新評估是否已經打破目前的限制,如果已經打破限制,接著該搜尋新的限制。務請記住:顧客工廠中的各個步驟彼此高度依賴。某個地方的改變經常會在其他的地方引發漣漪效應。如果你沒有從宏觀的層次經常監控整個系統,慣性就會油然而生,導致你掉進局部優化陷阱。

經過這個分析之後,你接著決定加倍下注在某些策略上、停用其他策略,也許甚至加進新的策略。

精實商業模式圖個案研究

背景

我是在2009年5月首次接觸到亞歷山大.奧斯瓦爾德(Alex Osterwalder)的商業模式圖,但是在建立許多產品的模式之後,我覺得商業模式圖的策略觀點可能比較適合根基較為穩固的產品,而且比較適合顧問使用,而不是創業家。

由於商業模式是以CC授權的條件發表,而且歡迎改作(remixing),所以我在2009年8月的一篇部落格文章中,發表我的改編版本:精實商業模式圖。到了2009年9月,在另一位創業家魯卡斯.費特爾(Lukas Fittl)的協助之下,我推出線上工具。

目標

即使精實商業模式圖在最初設計時是用在高科技公司的精實創業,但使用它的人卻迅速散布到更廣泛的客群,包括其他的新創事業、大型公司和大學。於是我們修改目標,從觸及1萬名使用者提高到10萬名使用者。到了2012年1月,我們跨越了那個目標,而且每個星期有數百位新使用者註冊。

觀察和定位

雖然我們的註冊人數比從前還多,顧客啟用率卻開始下滑。我們把顧客啟用的定義為完成九宮格精實商業模式圖中其中六個。剛推出的時候,我們的顧客啟用率接近70%。現在則在35%上下徘徊。這成為需要打破的關鍵限制。

P233.jpg
圖/ 《快成長時代》

我們先對映顧客啟用的子漏斗(subfunnel,這是微觀指標),以了解在哪裡流失使用者。

P234.jpg
圖/ 《快成長時代》

一旦我們對映了這個漏斗,構想立刻開始流動。觀察團隊裡針對相同問題所產生的多樣化解決方案是相當有趣的一件事:
1. 由於這是個多步驟長漏斗,設計師想要減少步驟並優化使用者流程,改善可用性。
2. 開發人員想要建立一個更好的用戶使用流程,以互動的方式,帶領使用者走過創作商業模式圖的流程。
3. 行銷人員只想透過我的部落格、書和研習班通路,不斷增添更多使用者。

我們甚至設法執行許多構想,但沒有一個對顧客啟用率產生顯著的影響。

學習、槓桿、消除

實驗徹底失敗的原因,在於我們每個人都在猜測顧客啟用率偏低的原因,但是我們所做的實驗,沒有一個證實我們的猜測是對的。

實驗

我們以前做的所有實驗都過早導向於消除限制(趕快祭出解決方案)。我們應該先了解有哪些限制。

想法很簡單。我們只是晚一點問大家為什麼沒有完成他們的商業模式圖。從我們的資料,我們得知80%的使用者在註冊後的前七天完成他們的商業模式圖。所以我們建立了一個功能,在一個星期後自動發出一封簡短的電子郵件,給那些已經開始製作商業模式圖、但還沒完成的使用者。我們在兩個星期後得到足夠的回應,能夠擬定新的一組假設。

分析

使用者沒有完成商業模式圖的前三個理由是:
1. 太忙碌
2. 需要更多的資訊
3. 只需要檢查工具
我們針對每個理由做了內部五個為什麼分析,並透過電子郵件和電話追蹤幾個使用者,進一步釐清某些事情。我們很快就驗證顧客之所以沒有繼續使用並不是因為對商業模式圖有疑惑而沒有填寫,而是因為他們不知道要在格子裡面寫什麼。這些使用者是精實創業方法的新手,給他們一張空白的商業模式圖去填寫,就像是丟給一個人文書軟體,要他們寫出一篇短篇故事。

下一步行動

有了新資料,我們的下一步行動是擬定一組可能的解決方案。我們決定最有希望的策略是推出一支教學課程短片,教導新使用者創作精實商業模式圖,這開啟下一個兩週週期。

學習、槓桿、消除

我已經開設一個半天的研習班,教導學員填寫精實商業模式圖。但因為使用者也表示相當忙碌,所以我們決定將課程拆成更短的單元,在七天內上完。

實驗

我們設計這個實驗,作為平行分組測試,只有一半的新使用者看到這支影片教學課程。我們用這種方式將教學課程影片造成的影響分隔開來並加以評估。
你猜得到結果如何嗎?

P237.jpg
圖/ 《快成長時代》

我們評估兩個分群間的顧客啟用率沒有顯著影響。事實上,如果仔細觀察,觀看教學影片的使用者啟用率甚至略微下滑(選項B)。

分析

雖然這起初似乎是可行的方法,但結果並沒有支持我們最初的熱情。正確來說,下一步行動本來應該宣告這是個失敗的策略,並且尋找替代解決方案。但我們沒這麼做,原因如下。

雖然我們沒有評估到顧客啟用率升高,教學影片下方卻有一面倒的正面評論,還有幾封電子郵件感謝我們製作這支影片。這表示這支影片並沒有白費力氣,雖然顧客啟用率沒有升高,卻有一些效益存在。

我們的分組測試工具(和大部分的現成工具一樣)是設計用來評估分組測試中的單一指標。我們開發一個新的儀表板,用不同的方式分析資料,並且發現觀看教學影片的人確實加快製作商業模式圖的時間,商業模式圖平均完成時間從七天降為三天。觀看影片的使用者,顧客維持率也比較高。一段時間下來,這群使用者成為付費使用者的轉換率也比較高。

P238.jpg
圖/ 《快成長時代》

下一步行動

我們最後不但沒有捨棄教學影片課程的策略,反而在這個部分加倍下注。快轉到今天,我們大量投資在電子郵件和內容行銷,並設計多個數週的免費和付費課程,引導使用者走過創業旅程,這些活動使顧客維持率和營收穩定提升。
這項個案研究再次點出一味聚焦在某個局部指標並沒辦法取得好效果。

關鍵字: #數位書選
往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
2026 大重啟
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓