ماذا أبني تاليًا؟ إطار لاتخاذ القرار لبُناة المنتجات
طريقة عملية للمؤسسين المنفردين ومهندسي المنتجات لاختيار ما يبنونه تاليًا بناءً على أدلة العملاء واستخدام المنتج واختبارات صغيرة، لا بناءً على أعلى الطلبات صوتًا أو أحدث أفكار الذكاء الاصطناعي.
ماذا أبني تاليًا؟ ابنِ أصغر شيء يزيل عقبة موثقة جيدًا أمام مستخدم محدد يؤدي مهمة مهمة. إذا كانت الأدلة ضعيفة، فخطوتك التالية اختبار للتعلّم لا مزيدًا من الكود. أدوات البرمجة بالذكاء الاصطناعي تجعل إطلاق أي تغيير رخيصًا، لكنها لا تخبرك إن كان التغيير مهمًا. يساعد الإطار أدناه المؤسسين المنفردين ومهندسي المنتجات على القرار في نحو 15 دقيقة أسبوعيًا.
أهم النقاط
80% من الميزات في المنتج البرمجي المتوسط نادرًا ما تُستخدم أو لا تُستخدم أبدًا (Pendo, 2019). بناء الشيء الخطأ هو القاعدة لا الاستثناء.
كان ضعف ملاءمة المنتج للسوق عاملًا في 43% من حالات إغلاق الشركات الناشئة المدعومة برأس المال المخاطر التي حللتها CB Insights منذ 2023 (CB Insights, 2026).
ابدأ من مستخدم ومهمة، لا من قائمة ميزات. عُدّ المستخدمين والمواقف المختلفة، لا مرات الذكر.
اختر الخطوة التالية بحسب أكبر مجهول لديك: مقابلة، نموذج أولي، اختبار طلب، تجربة تقنية سريعة (spike) أو بناء.
التقييمات مثل RICE تنظّم النقاش، لكنها ليست حكمًا نهائيًا حين تكون المدخلات تخمينات.
كيف تقرر ما تبنيه تاليًا؟
خمس خطوات بالترتيب:
سمِّ المستخدم والمهمة. من يواجه صعوبة، وفي ماذا، وفي أي موقف؟
افحص الأدلة. من لديه المشكلة، ومتى حدثت آخر مرة، وكم تكلّف، وما الذي سيثبت أنك مخطئ.
اختر بين البناء والاختبار. اختر الخطوة التي تحسم أهم مجهول.
حدّد أصغر بناء مفيد مع معايير قبول وحاجز أمان وتاريخ مراجعة.
يشرح بقية هذا الدليل كل خطوة، ثم يقدّم لك مراجعة أسبوعية ومثال تقييم محلولًا ونموذج أمر للذكاء الاصطناعي ينظّم الأدلة دون أن يختلقها.
من يواجه صعوبة، وفي أي مهمة؟
قبل مقارنة الأفكار، سمِّ من يواجه صعوبة وما الذي يحاول إنجازه. «تحسين الإعداد الأولي (onboarding)» عبارة واسعة جدًا. أما «مساعدة مؤسس منفرد على تحويل مكالمة مع عميل إلى موجز يستطيع مهندس تنفيذه» فمحددة بما يكفي للتحقيق فيها.
هذا جوهر التفكير القائم على «المهام المطلوب إنجازها» (jobs-to-be-done). جادل كلايتون كريستنسن وزملاؤه في HBR بأن الابتكار يبقى مسألة حظ ما دامت الفرق تركّز على المنتجات بدل فهم سبب اختيارات العملاء؛ وفي استطلاع McKinsey الذي يستشهدون به، وصف 84% من التنفيذيين الابتكار بأنه بالغ الأهمية، بينما كان 94% غير راضين عن أداء مؤسساتهم في الابتكار ().
[الشخص] يحاول [المهمة] عندما [السياق]، لكن [العقبة]. اليوم يلجأ إلى [الحل البديل]، وهذا يكلّفه [وقتًا أو جهدًا أو مخاطرة أو نتيجة فائتة].
أبقِ المستخدم والموقف والحل البديل معًا. طلب مثل «أضيفوا تصديرًا» قد يعني مشاركة تقرير أو الاحتفاظ بسجل تدقيق أو نقل البيانات إلى سير عمل آخر. هذه مشكلات مختلفة بحلول مختلفة. يساعدك قالب بيان مشكلة المنتج لدينا على تحويل الطلب إلى مشكلة قابلة للاختبار.
ما الإشارات التي تُعدّ دليلًا على ما تبنيه تاليًا؟
اجمع مجموعة صغيرة من الإشارات الحديثة من الأشخاص الذين تريد خدمتهم:
شخص يحاول إكمال سير العمل الأساسي ويفشل.
حلول بديلة متكررة في رسائل الدعم أو محادثات العملاء.
مستخدم يعود إلى المهمة نفسها ويتعثر عند النقطة نفسها.
طلب ميزة وراءه مثال واضح وحديث.
مؤشر منتج يدل على احتكاك، تتبعه محادثات تفسّره.
مخاطرة استراتيجية أو تقنية قد تجعل وعد المنتج الحالي غير موثوق.
تصبح الإشارة مفيدة حين يكون لها سياق: من عاشها، وماذا كان يفعل، ومتى حدثت، وماذا فعل بعدها. احتفظ برابط للمكالمة أو التذكرة أو الحدث الأصلي. لا تدع ملخصًا يحل محل الدليل.
ليست كل الإشارات متساوية:
إشارة أقوى
إشارة أضعف
«يوم الثلاثاء الماضي صدّرت إلى جدول بيانات وصحّحت التواريخ يدويًا»
«ربما كنت سأستخدمها»
حل بديل يواظب عليه شخص كل أسبوع
مجاملة على العرض التجريبي
مال أو وقت أُنفق فعلًا على حل
طلب ميزة بلا مثال
التسرب نفسه في البيانات وفي المقابلات
حساب واحد عالي الصوت
مستخدم يعود ويتعثر مرة أخرى
رأي من الذكاء الاصطناعي بأن الفكرة واعدة
كتاب The Mom Test لروب فيتزباتريك مبني على هذا التمييز: كيف تتجنب الملاحظات المتحيزة في محادثات العملاء وتعرف إن كان أحدهم سيشتري فعلًا (The Mom Test). وفي ملاحظات المقابلات، يفصل قالب تلخيص مقابلات العملاء لدينا بين ما فعله الشخص أو قاله وبين التفسير الذي قد تميل إلى إضافته.
ما مدى قوة الأدلة لكل خيار؟
اسأل عن كل مشكلة مرشحة:
من لديه هذه المشكلة؟ هل تستطيع تسمية الدور أو الشريحة اعتمادًا على الأدلة، لا على شخصية افتراضية عامة؟
متى حدثت آخر مرة؟ هل يستطيع أحد وصف موقف حقيقي وحديث؟
كم تتكرر أو كم تكلّف؟ هل تعطّل مهمة مهمة، أو تولّد عملًا يدويًا متكررًا، أو تؤخر قرارًا، أو تضيف مخاطرة؟
ماذا يفعلون اليوم؟ الحل البديل الذي يكرره الناس أو يواظبون عليه أو يدفعون مقابله يدل على إلحاح أكبر من الثناء.
ما الذي سيثبت خطأ هذا؟ ابحث عن أشخاص لا يواجهونها، أو سبب مختلف، أو حل قائم أبسط.
عُدّ المواقف والمستخدمين المختلفين، لا مرات الذكر. عشر ملاحظات منسوخة من عميل واحد ليست عشرة عملاء. وقد تستحق حالة واحدة عالية الأثر الاهتمام مع ذلك؛ سمِّها مخاطرة مركّزة لا طلبًا واسعًا.
هل تبني أم تُجري اختبارًا أولًا؟
القرار الجيد في المنتج لا ينتهي دائمًا بتذكرة. اختر الإجراء التالي بحسب أكبر عدم يقين:
ما لا تعرفه بعد
خطوة صغيرة تالية
هل هذه مشكلة حقيقية ومؤلمة للمستخدم المستهدف؟
أجرِ مقابلات مع من واجهها مؤخرًا؛ اسأل عن آخر مرة والحل البديل الحالي.
هل يفهم المستخدمون سير العمل المقترح؟
اعرض نموذجًا أوليًا تقريبيًا وراقب مهمة حقيقية دون توجيه.
هل سيتخذ أحد خطوة ذات معنى نحو هذا العرض؟
أجرِ اختبار طلب صادقًا بوعد واضح وإجراء قابل للقياس.
هل يستطيع الفريق تسليمه بأمان وموثوقية؟
ابنِ تجربة تقنية ضيقة (spike) بقيود صريحة وحالات فشل.
هل المشكلة مفهومة جيدًا والحل منخفض المخاطر؟
أطلق أصغر تغيير كامل، ثم راقب الاستخدام وحواجز الأمان.
في البداية، غالبًا ما يكون أرخص اختبار هو أداء المهمة يدويًا. يرى بول غراهام في مقاله Do Things That Don't Scale أن استقطاب المستخدمين يدويًا والقيام بشيء «شاق بشكل لا يمكن توسيعه» للانطلاق أمر شبه شامل لدى الشركات الناشئة الناجحة (Paul Graham, 2013). وإن كان لديك نموذج أولي بالفعل، فإن خطة التحقق من المنتج في 7 أيام لدينا تعرض طريقة مركّزة لاختبار الاستخدام الحقيقي. بضع محادثات أو نقرات قد توجّه الاختبار التالي، لكنها لا تثبت وجود سوق. أما للسؤال الأسبق عن صمود الفكرة كلها، فراجع دليلنا للتحقق من فكرة SaaS.
كيف ترتّب أولويات ما تبنيه تاليًا دون دقة زائفة؟
حين يبقى عدة مرشحين، قارن بينهم أولًا بلغة بسيطة:
أهمية المستخدم: ما مدى مركزية هذه المهمة للعميل المستهدف؟
قوة الأدلة: سلوك ملاحَظ ومصادر أصلية، أم افتراضات في الغالب؟
الوصول: كم من المستخدمين المناسبين يواجهون هذا الموقف؟
التوقيت والمخاطرة: ما الذي يزداد سوءًا إن انتظرت؟
الجهد وقابلية الرجوع: ما أصغر اختبار مفيد، وكم يكلّف تغيير المسار؟
إن أردت رقمًا، فـ RICE هو النموذج الأوسع استخدامًا. عرّفه شون ماكبرايد من Intercom بأنه Reach (الأشخاص في الفترة) مضروبًا في Impact (3 هائل، 2 مرتفع، 1 متوسط، 0.5 منخفض، 0.25 ضئيل) مضروبًا في Confidence (100% مرتفعة، 80% متوسطة، 50% منخفضة)، مقسومًا على Effort بالأشخاص-شهر (Intercom, 2018). يمكنك إجراء الحساب في حاسبة RICE المجانية لدينا.
مثال محلول: ثلاثة مرشحين لمؤسس منفرد
مثال توضيحي وليس بيانات حقيقية. لدى مؤسس منفرد نحو 400 مستخدم نشط في الربع وثلاثة مرشحين:
المرشح
Reach (في الربع)
Impact
Confidence
Effort (أشخاص-شهر)
درجة RICE
أ. استيراد CSV موجَّه
120 حسابًا جديدًا يصل إلى الاستيراد
2
80%
1
192
ب. تكامل Slack
60
1
50%
2
15
ج. ملخص تقارير بالذكاء الاصطناعي
300
0.5
50%
1.5
50
تشير الدرجات إلى «أ». لكن الأدلة وراءها هي ما يحسم القرار:
ثقة «أ» البالغة 80% تستند إلى أن 5 من 7 أشخاص أُجريت معهم مقابلات حديثًا يصفون حلًا بديلًا للاستيراد، وإلى قمع تحويل يُظهر أن 45% من الحسابات الجديدة تتوقف عند الاستيراد. هذا قوي.
بدا «ب» شائعًا: 9 طلبات. لكن 6 منها جاءت من حساب واحد، فهم 4 مستخدمين مختلفين. هذا طلب مركّز لا طلب واسع.
وصول «ج» تخمين: لم يطلب أحد ملخصات، والثقة بنسبة 50% سخية.
القرار: ابنِ نسخة ضيقة من «أ» مع مراجعة بعد أسبوعين، وراسل المستخدمين الأربعة وراء «ب» لفهم المهمة، وأجِّل «ج» حتى يصف أحد المشكلة التي يحلها. درجة 192 ليست أكثر موضوعية من 150 إذا كانت المدخلات تخمينات؛ فاحتفظ بالمصدر ونسبة الثقة بجانب كل رقم. وإن كان سجل المهام (backlog) تهيمن عليه الطلبات، فإن دليلنا عن ترتيب أولويات طلبات الميزات في فريق صغير يتعمق أكثر.
ما أصغر بناء مفيد؟
بعد أن تقرر البناء، اكتب نتيجة المستخدم قبل تفاصيل التنفيذ:
المستخدم المستهدف واللحظة: من سيفعل ماذا؟
دليل المشكلة: أي ملاحظة تدعم هذا التغيير؟
السلوك المتوقع: ما الذي ينبغي أن يصبح أسهل أو ممكنًا؟
خارج النطاق: أي عمل مجاور مغرٍ يُستثنى؟
معايير القبول: ما الذي يستطيع شخص التحقق منه في التجربة النهائية؟
حاجز الأمان: ما الذي يجب ألا يسوء؟
تاريخ المراجعة: متى ستتحقق من أنه أفاد؟
هذا يُبقي وكيل البرمجة بالذكاء الاصطناعي أو زميل الفريق مركّزًا على المشكلة الفعلية. يمكن أن يتضمن الموجز قيودًا تقنية، لكن لا تدع خطة التنفيذ تعيد تعريف حاجة المستخدم بصمت. وحين يكون القرار جاهزًا، يجعل قالب PRD لوكلاء البرمجة بالذكاء الاصطناعي العمل قابلًا للمراجعة.
كيف تجري مراجعة أسبوعية لسؤال «ماذا أبني تاليًا؟»
خمس عشرة دقيقة، مرة كل أسبوع:
ضع أحدث الأدلة في مكان واحد، مع الروابط الأصلية والتواريخ.
جمّع الإشارات التي تصف مشكلة المستخدم نفسها؛ ولا تدمج أنواع مستخدمين مختلفة لمجرد أنهم استخدموا كلمات متشابهة.
اكتب أقوى بيان للمشكلة وتفسيرًا بديلًا معقولًا واحدًا.
ضع علامة على ما هو ملاحَظ وما هو مستنتَج وما هو مجهول.
اختر الخطوة التي تحسم أهم مجهول: التحقيق أو الاختبار أو البناء أو التأجيل أو التوقف.
سجّل من يملك القرار ومتى ستراجع النتيجة.
شجرة الفرص والحلول (opportunity solution tree) لتيريزا توريس صورة مفيدة للمنطق نفسه: نتيجة مرغوبة في الجذر، وتحتها احتياجات العملاء ونقاط الألم بوصفها فرصًا، ثم الحلول واختبارات الافتراضات التي تقارن بينها (Product Talk, 2023). قد تكون نتيجة الأسبوع إصدارًا صغيرًا أو مكالمة مع عميل أو قرارًا بعدم البناء. وكلها تقدّم إذا قلّلت عدم اليقين بشأن مشكلة مهمة. وحين يحتاج الربع القادم إلى شكل، فإن طريقتنا لتخطيط منتج الشركة الناشئة في 90 يومًا تربط هذه القرارات الأسبوعية في خطة.
كيف يساعد الذكاء الاصطناعي في تحديد ما تبنيه دون أن تُسلّم حكمك؟
استخدم الذكاء الاصطناعي لتنظيم الأدلة لا لاختلاق الطلب. أعطه مادة مصدرية يحق لك استخدامها، ثم اطلب:
جمّع إشارات المنتج هذه بحسب مشكلة المستخدم. لكل مجموعة، اذكر معرّفات المصادر والملاحظات الدقيقة التي تدعمها. افصل بين الحقائق الملاحَظة والتفسيرات والافتراضات. أدرج الأدلة المضادة والسياق الناقص. لا تختلق اقتباسات عملاء أو أحجام عينات أو بيانات استخدام أو حجم سوق أو إلحاحًا. اقترح اختبارين تاليين منخفضي التكلفة، واشرح ما الذي سيثبته كل منهما وما الذي لن يثبته، واترك قرار البناء لمالك المنتج.
تحقق من كل ادعاء مُولَّد مقابل المصدر. إن لم تستطع الإجابة الإشارة إلى دليل، فعاملها كفرضية تحتاج إلى اختبار. وكن حذرًا بوجه خاص حين يخبرك ذكاء اصطناعي بأن فكرة ما واعدة: لا يملك وصولًا إلى سلوك مستخدميك.
ما الأخطاء التي تقود البُناة إلى بناء الشيء الخطأ؟
بناء ما طلبه العميل الأعلى صوتًا. ستة طلبات من حساب واحد ليست ستة عملاء.
اعتبار المجاملات طلبًا. قول «يبدو رائعًا» لا يكلّف شيئًا. أما الحل البديل الذي يواظب عليه شخص فيكلّفه كل أسبوع.
إطلاق الاتساع لتبدو مكتملًا. رقم Pendo البالغ 80% هو شكل الاتساع المتراكم.
تخطي تاريخ المراجعة. بدونه لا يتحقق أحد من أن التغيير أفاد، فيبدأ القرار التالي من الرأي مجددًا.
ترك توليد الأفكار بالذكاء الاصطناعي يحدد خارطة الطريق. الأفكار المولّدة رخيصة وواثقة؛ أما الأدلة فليست أيًّا من الاثنين.
أين يندرج Specky؟
معظم الجهد في هذا الإطار هو إبقاء الأدلة مرتبطة بالقرارات. يقرأ Specky مكالمات العملاء والملاحظات وSlack وJira والتحليلات إلى Product Graph، ويجمّع الإشارات بحسب المشكلة مع روابط إلى المصادر الأصلية، ويقدّم تقييم RICE مع اقتراحات من الذكاء الاصطناعي يمكنك تجاوزها. تحمل المواصفات والتذاكر اقتباسات مضمّنة، وبعد الإطلاق يتحقق Specky مما إذا كان التغيير قد حقق ما أُريد منه.
الأسئلة الشائعة
كيف أعرف ما أبنيه تاليًا؟
اختر الخطوة التي تعالج على أفضل وجه مشكلة مستخدم مهمة يمكنك دعمها بالأدلة: مواقف حديثة ومحددة من مستخدمين مختلفين، ويفضَّل أن تؤكدها بيانات السلوك. إن بقيت المشكلة أو الحل غير مؤكدين، فأجرِ أصغر اختبار مفيد قبل توسيع النطاق. وإن لم يكن لأي شيء دليل قوي، فخطوتك التالية محادثات مع العملاء لا كود.
ماذا ينبغي لمؤسس منفرد أن يبني تاليًا؟
ابدأ من اللحظة التي يصل فيها مستخدم مستهدف إلى القيمة الجوهرية لمنتجك. راقب شخصًا حقيقيًا يحاول تلك المهمة، وجد أكبر عقبة، واختبر تحسينًا واحدًا مركّزًا. تجنب بناء مجموعة واسعة من الميزات لتبدو أن المنتج مكتمل؛ فمعظم الميزات نادرًا ما تُستخدم، ولا يستطيع مؤسس منفرد تحمّل صيانتها.
هل أبني ما يطلبه العملاء؟
تعامل مع الطلبات بوصفها إشارات لا مواصفات. اسأل عما كان الشخص يحاول فعله، وماذا حدث، وما الحل البديل الذي يستخدمه الآن. قد تشير عدة طلبات مختلفة إلى مشكلة مشتركة، وقد تحل الميزة المطلوبة نفسها مشكلات مختلفة لمستخدمين مختلفين. عُدّ المستخدمين المختلفين لا مرات الذكر.
هل RICE طريقة جيدة لتحديد ما أبنيه تاليًا؟
RICE مفيد لتنظيم المقارنة: فالوصول والأثر والثقة والجهد تجعل المفاضلات صريحة. ويصبح مضللًا حين تكون المدخلات تخمينات تُعرض كأنها بيانات. أبقِ الأدلة والثقة بجانب كل درجة، وتحقق من الوصول مقابل المستخدمين المختلفين، ودع مسؤولًا معيَّنًا يتخذ القرار النهائي.
هل يستطيع الذكاء الاصطناعي اختيار خارطة طريق منتجي؟
يستطيع الذكاء الاصطناعي تلخيص الملاحظات التي تزوّده بها، وإيجاد الصياغات المتكررة، وصياغة الفرضيات، ومقارنة الخيارات وفق معايير تعطيه إياها. لكنه لا يستطيع تحويل غياب الأدلة إلى طلب من العملاء، ولا تحمّل تبعات المفاضلة. أبقِ روابط المصادر مرفقة، واتخذ القرار مع الأشخاص المسؤولين عن المنتج.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing