PRD & Product Market Fit

Ý chính

Day 2 nối từ customer và need của Day 1 để đi lên 4 tầng product: value proposition, feature set, UX/prototype và test with customers. Mục tiêu không phải viết tài liệu đẹp, mà là quyết định chính xác build gì trước và đo thành công ra sao.

Điểm cần nhớ

1. WS1: Cắt scope đến mức đủ test giả thuyết.
2. WS2: Viết PRD rõ cái gì và tại sao.
3. WS2 AI-specific: Chốt model, data và fallback UX.
4. WS3: Ghi hypothesis, Aha Moment và PMF method.

Ý chính

MVP không phải bản sản phẩm nghèo tính năng. MVP là thí nghiệm rẻ nhất để kiểm tra giả định rủi ro nhất trước khi tốn thêm công build.

Điểm cần nhớ

1. Bắt đầu từ riskiest assumption, không bắt đầu từ danh sách feature.
2. Có thể test bằng Wizard of Oz, explainer video hoặc landing page trước khi code.
3. Nếu vẫn cắt thêm được mà user còn nhận giá trị cốt lõi, MVP hiện tại vẫn quá béo.

Ý chính

WS1 buộc team vẽ ranh giới rõ giữa thứ bắt buộc để test hypothesis, thứ nên để sau, và thứ sẽ không làm trong giai đoạn này. Chất lượng product judgment thể hiện rất rõ ở phần này.

Điểm cần nhớ

1. In-Scope: thiếu tính năng này thì không test được giả thuyết.
2. Out-of-Scope: tốt nhưng chưa cần cho bài test hiện tại.
3. Non-Goals: ranh giới đỏ để chặn scope creep.
4. In-Scope nên tối đa 3 tính năng để giữ độ sắc.

Ý chính

PRD MVP không phải technical spec dài hàng chục trang. Nó là tài liệu alignment để engineer, designer và stakeholder cùng hiểu bài toán, user ưu tiên, hành vi mong muốn và điều kiện thành công.

Điểm cần nhớ

1. Problem Statement phải nối trực tiếp về need của Day 1.
2. Target User là một persona ưu tiên, không phải mọi người.
3. User Story mô tả hành vi và outcome, không phải “dùng tính năng AI”.
4. Success Metrics và Dependencies phải đủ cụ thể để ra quyết định build.

Ý chính

Với AI product, PRD phải ghi thêm vì sao chọn model này, dữ liệu nào làm AI đúng, và user experience ra sao khi AI sai hoặc không tự tin. Đây là phần phân biệt AI product design thật với việc chỉ gắn model vào sản phẩm.

Điểm cần nhớ

1. Model Selection phải nêu trade-off accuracy, cost, latency, context và privacy.
2. Data Requirements phải rõ nguồn, owner, freshness và data quality risk.
3. Fallback UX phải có trigger và hành động cụ thể, không chỉ “hiện lỗi”.
4. Chọn đúng chiến lược: expectation management, human-in-the-loop hoặc graceful handover.

Ý chính

Mỗi tính năng trong MVP đều là một bet. Hypothesis tốt phải nêu rõ tính năng nào giúp nhóm user nào đạt outcome gì, và metric nào xác nhận hoặc bác bỏ giả thuyết đó.

Điểm cần nhớ

1. Viết hypothesis theo công thức feature → user → outcome → metric → threshold.
2. RAT bắt buộc tìm ra giả định nguy hiểm nhất cần test trước.
3. Cheapest test càng rẻ và càng sớm càng tốt.
4. Hypothesis phải có khả năng bị falsify, nếu không thì nó vẫn mơ hồ.

Ý chính

PMF chỉ có ý nghĩa khi bạn đo bằng bằng chứng định lượng: Sean Ellis test, retention curve hoặc Aha Moment tracking. Muốn đo đúng, bạn phải chọn actionable metric gắn thẳng vào lúc user nhận được core value.

Điểm cần nhớ

1. Aha Moment là hành vi cụ thể mà retained users thường làm sớm.
2. Actionable metric phải tốt lên cùng với core value, vanity metric thì không.
3. PMF method và success threshold phải phù hợp loại sản phẩm.
4. Đừng tự lừa mình bằng download, page view hay sign-up nếu value chưa xảy ra.

Ý chính

AI critique chỉ hữu ích khi bạn quyết định rõ accept, reject hay partial với từng feedback, rồi phản ánh thành thay đổi thật trong scope, PRD hoặc metric. Đây là phần thể hiện iteration quality.

Điểm cần nhớ

1. Ghi rõ issue AI chỉ ra, quyết định của bạn và lý do.
2. Ưu tiên sửa các mắt xích core như scope, fallback strategy và hypothesis metric.
3. Bản B nên khác bản A ở tư duy, không chỉ ở văn phong.
4. Minimum bar: engineer đọc PRD không cần hỏi lại quá 3 câu.