• AI 技能
• 人工智能

导读

本指南以onboarding技能中的核心参考文档 minimum-path-to-value.md 为骨架，系统讲解Minimum Path to Value（MPTV，最小价值路径）的定义、心理学依据与三步重构流程。你将掌握如何用最少的步骤让新用户在首个会话内体验"足够"的价值、如何对照 Stripe / Calendly / Notion 的基准模式校准自己的激活路径，以及如何借助本仓库的 SKILL.md、activation-models.md 与 experiments.md 完成从审计到实验的完整落地。

MPTV 是什么：最短路径，而非最快路径

Minimum Path to Value（MPTV）的定义是：用户为了体验到"足够"的价值、从而做出有信心的决定所需的最少步骤数。

注意这里的两个限定词：

• "足够"（enough）：不是"任意一点"价值，也不是完整的功能导览。它指向一个具有说服力的时刻——用户在此刻由衷地说出"对，这就是我要的东西"。
• "有信心"（confident）：用户必须基于真实的体验做决定，而不是基于营销文案的承诺。

因此 MPTV 与两个常见误区划清界限：

这条原则在 SKILL.md 中被提炼为技能的核心原则之一："Time-to-Value Is Everything——移除注册与体验核心价值之间的每一步。"同时配合另一条原则"One Goal Per Session"（每个会话只聚焦一个成功结果，高级功能留到以后），MPTV 得以在产品层面落实为具体的首个会话设计。

为什么更少的步骤会赢：Hick's Law（希克定律）

MPTV 的理论根基是Hick's Law（希克定律）：做出决定所需的时间与精力，随选项的数量和复杂度增长。

把这条定律映射到 Onboarding 场景中：

• 每一步、每一个表单字段、每一个选项，都是一次决策；
• 更多决策 = 更多犹豫 = 更多流失（drop-off）；
• 用户不是"懒得做"，而是认知负担超载。

MPTV 本质上是把 Hick's Law刻意应用到 onboarding 上：把路径裁剪到"到达价值所必需的最少决策数"。

这一点在 SKILL.md 的 Onboarding Toolkit（10 大组件）中得到了呼应——例如 Welcome forms（欢迎表单）的用途标注为"capture role/goal to personalize the path"，但同时明确要求"keep short — Hick's Law"。也就是说，即便采集个性化信息是有价值的，也必须以希克定律为约束将其压缩到最短。

流失现实：你的窗口只有一个会话

MPTV 之所以重要，是因为用户的耐心远比你想象中少：

• 40%–60% 注册免费试用的用户在单个会话后即弃用，并且永远不会回来；
• 75%–80% 的试用流失发生在第一天之内。

留还是走的决定几乎在瞬间做出。如果在首个会话内没有到达价值，绝大多数用户已经消失了。MPTV 存在的全部理由，就是这个窗口实在太小——你的容错空间只有一个会话。

这套流失数据同时也是 SKILL.md 与 evals.json 中评估用例反复引用的关键事实（例如 evals id=7 明确要求"cite first-session/first-day abandonment stats"），是判断激活问题优先级的重要依据。

构建流程：inventory → remove → reconstruct 三遍法

构建（或修复）你的 MPTV 需要三轮操作，缺一不可：

第 1 步：盘点（Take Inventory）

列出注册到价值之间的每一个步骤——包括：

• 每一个页面（screen）
• 每一个表单字段（form field）
• 每一次点击（click）
• 每一次确认（confirmation）
• 每一次权限弹窗（permission prompt）
• 每一个空状态（empty state）

要求是穷尽且诚实。文档明确指出："大多数团队低估自己的步骤数量一半以上"（Most teams underestimate their own step count by half）。这一步对应 SKILL.md 中"Count your current steps before optimizing"的告诫——你无法移除自己尚未盘点的东西。

第 2 步：移除非必要项（Remove the Nonessential）

对每一步提出唯一的问题："用户现在必须做这件事才能到达价值吗？"

如果答案是否定的，那么从四种处理方式中选择一种：

1. 砍掉（cut）
2. 延迟（defer）
3. 预填（pre-fill）
4. 设为可跳过（make it skippable）

默认动作是移除。文档特别点名：配置项、资料完整度、高级设置、"了解一下"式的教育内容，几乎从来不属于首次价值体验的必要条件。

在 SKILL.md 的 Checklist 模式中，这一原则进一步落地为"3-7 个条目、按价值排序、以快速胜利开头、提供跳过选项（don't trap users）"。

第 3 步：重构并迭代（Reconstruct / Iterate）

用"幸存下来"的步骤、按价值优先（value-first）的顺序重建路径，然后测量并迭代。关键心法：

第一次重构是一个假设，而不是终点线。（The first reconstruction is a hypothesis, not a finish line.）

观察用户仍然在哪里停滞（stall），然后再次裁剪。这与 experiments.md 中"Flow Simplification"实验矩阵（减少摩擦、步骤排序、进度与激励）形成闭环——每次重构都值得用 A/B 测试来验证。

基准模式：三条著名的短路径

文档给出了三条公认的、以"短路径到价值"著称的产品基准：

三者共通的模式清晰可见：

快速到达一个真实、可用的结果，并把复杂性隐藏到用户主动询问时才揭示。

这套"先钩住、再展开"的思路在 activation-models.md 中被进一步上升为设计原则："the free experience should hook, not satisfy"——免费体验要能证明产品价值并建立习惯，但限制结构要让"继续获得价值"需要升级（Evernote 给得太多导致免费成为终点、Notion 钩住后设限形成自然付费动机的对照，正是这一原则的经典寓言）。

落地要点：四个应用准则

在实操层面，文档给出了四条明确的落地准则：

1. 先定义价值时刻（aha moment）：MPTV 是通向那个时刻的路径，而不是路径本身。价值时刻的识别方法见 SKILL.md 的 "Find Your Aha Moment" 一节——核心问题是"留存用户做了而流失用户没做的是什么"以及"未来参与的最早指标是什么"。文档还按产品类型给出了示例：项目管理（创建第一个项目 + 添加团队成员）、分析工具（安装跟踪 + 看到第一份报告）、设计工具（创建第一个设计 + 导出/分享）、市场（完成第一笔交易）。
2. 优化前先数清当前步骤：你不能移除自己没盘点过的东西。
3. 把每一个保留下来的步骤都视为"有罪、直到证明其必要"：默认立场是怀疑，而不是辩护。
4. 每次重构后测量步骤完成率与 time-to-value：流失数据意味着你的容错空间只有一个会话，测量必须跟上重构。

与 Onboarding 心理机制联动

要让保留的步骤真正推动用户前进，SKILL.md 提供了四条可与之叠加的心理机制：

• Endowed Progress Effect（禀赋进度效应）：预先为用户完成 20% 的清单能驱动约+40% 的完成率——给用户一个起点，而不是让他们从零开始。
• Peak-End Rule（峰终定律）：用户记忆体验靠最强烈的峰值与结尾——在首个会话中设计一个明确的高光时刻（胜利、惊喜、庆祝），并以积极收尾。
• Goldilocks Rule（金发姑娘法则）：任务难度"恰到好处"时动机最强——早期步骤要可达成但不琐碎。
• BJ Fogg Behavior Model（行为模型）：行为 = 动机 × 能力 × 提示同时汇聚。某一步没发生，三者中必有一缺失：提高动机、降低难度（能力）、或加入时机更好的提示。

以及Mario Kart boosters & blockers隐喻：把 onboarding 当作赛道，加入加速器（预填数据、模板、快速胜利、庆祝）并移除障碍物（必填字段、死胡同、令人困惑的空状态）。

激活模型与 MPTV 的配套关系

MPTV 不能脱离激活模型单独设计。activation-models.md 指出：激活模型决定了用户在付费前以何种方式体验价值，并直接塑造注册量、转化率与整个 onboarding 路径——"在设计流程之前先选好模型"。

五种激活模型及其与 MPTV 的关系：

选型时遵循Model-Market Fit（Brian Balfour）：市场决定模型，而非你的偏好——$20/月自助工具与 $5 万企业平台不可能用同一套模型。无论选哪种模型，模型内部的 onboarding 仍然需要最短的价值路径，即回到 MPTV。

度量与实验：让重构可验证

MPTV 的三遍法要求"每次重构后测量"，SKILL.md 给出了配套的核心指标：

以及漏斗分析方法——追踪每一步的流失：

Signup → Step 1 → Step 2 → Activation → Retention 100% 80% 60% 40% 25%

找到最大落差并集中攻克。experiments.md 为此提供了全量实验清单，与 MPTV 直接相关的实验假设包括：

• 减少摩擦：邮件验证时机（onboarding 期间 vs 之后）、空状态 vs 示例数据、预填模板、OAuth 选项、必填步骤数、必填/可选字段、跳过选项；
• 步骤排序：价值优先排序、把困难步骤后移、快速开始 vs 完整设置；
• 进度与激励：进度条、清单长度（3-5 项 vs 5-7 项）、起始点（20% vs 0%）、完成庆祝；
• time-to-value：首次快速胜利（"完成你的第一个 X"）、成功消息、下一步建议、价值演示。

此外还有移动端 onboarding、性能优化、可访问性等实验维度（详见 experiments.md 的 Technical & UX Experiments 一节）。

仓库内的验证：从评估用例看 MPTV 的预期产出

本仓库通过 evals.json 定义了 AI Agent 使用该技能时的可验证行为规范，其中多个用例直接锚定 MPTV：

• id=7（激活模型选型 + 价值路径设计）：要求给出五种激活模型、解释 Model-Market Fit、说明信用卡杠杆（注册量 -50–70%、转化 +2–3 倍）、引用 Evernote vs Notion 教训，然后**"设计一个基于 Hick's Law 的最小价值路径"**、使用 inventory → remove → reconstruct 流程、引用首个会话/首日流失数据（40–60% / 75–80%），并可联动 Endowed Progress、Peak-End、BJ Fogg、Mario Kart 等心理机制，最后指向 activation-models 与 minimum-path-to-value 两份参考文档——这正是本指南所讲内容的"可执行断言"版本；
• id=1（项目工具激活率优化）：要求先定义激活/aha 时刻（创建第一个项目）、评估当前 time-to-value、识别摩擦点、推荐 onboarding 流（product-first / guided setup / value-first）、应用 3-7 项清单模式、把空状态当作引导机会、给出实验建议与测量指标。

如果你正在用 Claude Code、Codex、Cursor 等支持 Agent Skills 规范的 Agent 来落地 MPTV，SKILL.md 的完整流程（初始评估 → 定义激活 → 流设计 → 多通道协调 → 停滞用户处理 → 测量 → 实验）可以直接驱动 Agent 输出结构化的 Onboarding Audit（Finding → Impact → Recommendation → Priority）与 Flow Design（激活目标、逐步流程、清单条目、空状态文案、邮件触发、指标计划）。

小结

MPTV 的全部要义可以浓缩为一句话：在第一个会话内，用最少的决策，让用户亲身体验到足以说"yes"的价值。用 Hick's Law 理解为什么少即是赢，用 40–60% / 75–80% 的流失数据理解窗口有多小，用 inventory → remove → reconstruct 三遍法动手重构，用 Stripe / Calendly / Notion 的基准校准预期，最后以 SKILL.md 的心理机制、activation-models.md 的模型选型、experiments.md 的实验矩阵和 evals.json 的验收断言完成闭环——这就是本仓库 onboarding 技能给出的一条完整、可执行、可测量的激活优化路径。

• AI 技能
• 人工智能