L05 — Validated learning — hipótesis de dolor y métrica de trial
~5 h · Semana 2
Objetivo
Formular hipótesis: dolor, solución mínima, métrica de éxito del trial (≥1 cita en 7 días).
Por qué importa
M22 mide aprendizaje, no vanity; esta métrica alinea con M23.
Conceptos
- Hipótesis falsable.
- Métrica activación.
- Baseline.
- Criterio de pivot.
Pasos (hazlos en orden)
1. Lectura dirigida (60–90 min)
Lee la sección indicada en la ficha de la materia y subraya solo lo que vas a probar hoy en terminal o en projects/.
2. Carpeta de evidencia (15–20 min)
Crea o actualiza la carpeta del proyecto de la materia. Cada lección añade una sección en la bitácora semanal o un archivo dedicado; no disperses notas sueltas.
3. Laboratorio / trabajo documental (90–120 min)
Crea projects/m22-bektor/hipotesis-trial.md con plantilla: Creemos que… Mediremos… Éxito si… Fracaso si…
Enlaza a projects/m22-bektor/metricas-trials.md (crear encabezados de columnas: negocio, trial iniciado, activación 7d, notas).
4. Conexión con el plan (30–45 min)
Escribe un párrafo en la bitácora: cómo lo de hoy afecta al piloto Agenda Ops (M12 en adelante) o a la API que desplegarás en M17/M19. Si aún no tienes SRS , usa el escenario del producto del plan (citas, clientes, panel).
5. Commit atómico (15 min)
git add projects/
git status
git commit -m "docs(m22): l05 validated-learning-hipotesis-de-dolor-y-"
Lectura de esta lección
| Fuente | Qué leer | Alternativa |
|---|---|---|
| Ries | Validated learning | ../../../producto-saas.md |
| Catálogo | Entrada M22 | Bibliografía · M22 |
Hecho cuando
- hipotesis-trial.md.
- metricas-trials.md esqueleto.
- Métrica activación definida.
Errores comunes
- Métrica ‘likes’.
- Hipótesis no falsable.