「如果它看起來像鴨子、游泳像鴨子、叫聲像鴨子，那麼它可能就是隻鴨子。」—— 鴨子測試
綠野仙蹤
在創業領域中，有一個東西叫做「綠野仙蹤 MVP」（Wizard of Oz MVP），意思是：表面看起來像是能自己運行的網站、程式系統，但背地裡全是人工操作的。其目的可能是蒐集商業資料、或是期初降低成本。
經過了許多年，我後來發現所謂的自動化，必須是先有人工，然後反覆做類似的事情，再把這些「反覆」提煉出來做成 SOP 或是自動化系統。
一旦發生順序錯位，那麼下場就是沒用戶：因為平台需要用戶來幫他吸引更多用戶，但一開始沒有用戶，自然也就完全沒有新用戶加入，這就是「冷啟動困局」。
鴨子划水
台灣並沒有一個完整的 B2B 媒合平台（像中國的阿里），跟成熟的半導體不同，大多數工廠都是各自為政，特別是零散的小工廠，這導致品牌方找不到製造工廠、工廠也找不到訂單。
在這個例子裡，如果你想弄一個「供應鏈媒合平台」的話，很多學生（包含年輕時代的我）都會這樣想：「先弄一個網站（或自動化系統），然後就會有用戶！」→ 但這是錯的。
我們來思考一下「媒合網站」實際上要做什麼：
- 幫品牌公司（A 方）找工廠
- 幫工廠（B 方）找訂單
- 媒合網站撮合 A 與 B 並從中賺取手續費
- 媒合網站需要低成本、低摩擦
那一個真正合理的做法是：
- 弄網站，後面接簡單的表單
- 品牌方填寫需求表單（前提是市場痛點真實存在，而你是他們唯一的數位入口）
- 鴨子划水（用純人力拿著圖紙跟訂單，去找工廠媒合）
- 完工交件並蒐集工廠的資料
- 最後慢慢把整個鴨子划水的流程給自動化
實際上，摩擦力並非不存在，而是在「鴨子划水」階段被「人工化解」了！
對品牌方來說，他們只看到一個精美的 Web 網站（即使背後是 Google 表單、或是連 CSS 都沒有的 HTML 網站），然後下單得到成品。
反之，對工廠方來說，也不需要什麼「導入數位系統」啥的，只要人工接洽就好了。
鴨子在水面上看起來平靜優雅的游泳，但水面下的腳蹼會瘋狂的打水。
鴨子划水划上天
以上面那個例子來說，最終結果是需要把「鴨子划水」的過程給自動化。數年之後的分野，在於資料蒐集。對於一個系統來說，有沒有做資料蒐集，將會導致兩種完全不同的結果：
- 第一種，每次都人工搞，做一單是一單，沒有做資料蒐集與整理，於是持續划水，直到有一天鴨子老了，划不動了，那就沉水裡了。
- 第二種，人工做了很多單，清楚知道哪些工廠能做什麼、不能做什麼，手裡有這份資料，開始分析資料，並在網站端引入自動化機制，也許把不合規的圖紙刪掉、自動媒合能做的工廠等等。
直到某一天，你發現你的平台不再需要划水，自己就能飛了！你只需要對平台跟系統做基礎維護，邊際成本低到幾乎為零（或同樣規格下的極低水平），所以平台很容易在這個階段持續做大、做強。
當然了，蒐集並整理資料肯定也是大麻煩，特別是非純軟體的產業，可能需要深刻的數值化能力。（其實純軟體業背後也是大麻煩，只是會更側重清理，而不是數值化。）
鴨子的啟示
鴨子上天的祕密，就藏在資料裡。
因為資料需要解決的是落地的問題，所以邏輯上不可能跳過人力的挖掘，憑空產生的資料是無法讓商業模式跑通的。
可以這麼說：資料就是真實世界摩擦力的碎屑，需要不斷挖掘才能多少產生一些的塵埃，累積多了之後，就能從塵埃中發現黃金。
在今天的世界中，許多人覺得 AI 幾乎無所不能，但 AI 雖然能善用資料，卻無法取代現實世界中資料的累積，也無法憑空理解真實世界的摩擦。
因此，如果一間公司的競爭優勢建立在真實世界的流程上，就不能跳過資料累積這一步；否則，再強大的 AI 也難以建立真正的護城河，創業自然容易失敗。
反過來說，把 AI 整合進「鴨子」裡，卻是個再好不過的主意。畢竟，誰不喜歡一隻既擁有頂級智慧、又勤勞划水的鴨子呢？
當然，如果你的商業模式本身就是用數位服務換取資料，那又是另一條路了，不過這就是另一篇文章的主題了。