Heptabase創辦人詹雨安專注打造為深度思考而生的知識媒介：《創新思考與策略實務》課堂筆記#16

2025/12/27 更新2025/12/23 發佈閱讀 19 分鐘

這學期有幸透過三校聯合跨校選課方式，參與臺大創意創業學程NTUCEP 陶韻智教師的《創新思考與策略實務：全球頂尖企業的創新思維與作法》。這是 2025/12/17 本學期最後一堂，第十六週的課程筆記與心得，本次課程有幸參與 Heptabase 創辦人詹雨安 Alan 分享對於深度學習與思考以及23歲就創辦 Heptabase 筆記軟體經驗。筆記中部分名詞是透過聆聽口述英文名詞，課後透過搜尋查驗翻譯中文，如有錯誤敬請告知。

詹雨安 Alan 曾兩次從大學休學（分別在 19 歲與 23 歲），並非因為成績不好而離開，事實上他在校期間從未被當過，但他認為傳統教育的規則與體系對他而言並非最有效率的學習方式。詹雨安也是臺灣少數能夠成功帶領團隊進入美國頂尖加速器 Y Combinator 的創業者之一，不到26歲就入選富比世 30位亞洲菁英榜。

詹雨安在講臺上接受同學們輪番的提問（圖片來自陶韻智老師的 Facebook）

・・・

1.專注於解決有價值的問題

創立 Heptabase 的出發點，來自對於「深度學習與研究」認同，試圖解決在資訊爆炸時代，人們如何真正理解並駕馭複雜知識的根本問題。相信這是有價值的問題，值得被解決，思考產品設計有沒有辦法解決那些問題，然後才去尋找商業化途徑，市場是被發現而不是去教育市場。一個人看待事情的角度會反映他的行動。這份信念非憑空而來，而是透過持續閱讀與學習累積，來建構自己看待某領域的認知框架，透過對真實觀察與數據分析，不斷驗證修正。

外界所謂「輟學創業」，是為了專心投入產品開發而休學超過兩年後的結果，並非對教育體制的否定與叛逆，而是一種堅定信念的決心。

課後我細查「輟學 (Drop out)」定義更偏向主動中途終止學業；「退學 (Withdraw/Expel)」定義才是休學超過兩年後，逾期未復學，而被自動退學。

面對競爭激烈的生產力工具市場回應：「我沒有很 Care⋯⋯其他筆記軟體怎麼樣。筆記只是學習中的一個產物，主要還是聚焦在深度學習上，希望能做出對認真研究做好的人提供有價值幫助。」

重點永遠不是要跟誰競爭，而是要解決什麼問題，哪一個問題的價值是夠高的。如果這個問題後來發現它的價值不夠高的話，那當然你的目標是找到一個價值夠高的問題。跟現在原本的問題有不同程度的相關性，就是市場擴張（Market Expansion）之類的，但是在同一個問題空間（Problem Space）裡面去尋找 Value Group（價值群體/高地）

一家公司能不能成長，看的是在哪個市場有成長，而不是要跟哪些競爭對手競爭。

假若一個產品發現原本設定的問題價值不夠高時，要取決於已經開發好的底層技術或設計邏輯，是否能在「不改變底層」的情況下切換市場，支撐起新的價值保障。

舉例來說：Notion 一開始本身是一個做網頁的產品，它不是一個筆記軟體，也不是一個寫作軟體，它是做網頁的產品然後慢慢變成一個像筆記軟體。從「設計哲學（Design Philosophy）」來看其底層的核心元素：Block（區塊）、Page（頁面）與 Database（資料庫）並沒有改變，所以 Notion 才能順利從網頁工具演變成筆記工具。

・・・

2.透過對用戶理解來創造價值

用戶訪談是是驅動新創找到「產品市場契合」（PMF）手段之一，其方法和目的會隨著產品發展的不同階段而演進，需先確立訪談目標，希望從對話中獲得什麼資訊。

2-1. 早期（Pre-PMF）的訪談方式

產品早期尚未有付費用戶，訪談對象主要是所有註冊過的人。創辦人需主動在潛在用戶可能出現的社群平台直接發送訊息邀請訪談。Alan 分享經驗提到，傳送 100 個訊息可能只有 10 個人會回覆。

瞭解用戶想要用的程序解決什麼問題。Jobs to be Done (JTBD)
瞭解我們產品在解決這個問題上目前最大的阻礙之處。

詢問用戶原本使用的軟體，Notion、NotebookLM…，用戶都有各自習慣既有的「互動範例（Interaction Paradigm）」，試著讓新用戶可以很快適應我的的產品。

2-2. 成熟期（Post-PMF）的訪談方式

當產品市場定位相對明確後，訪談的重心轉向優化用戶體驗。在用戶註冊當下，系統會向約 10-15% 的新用戶發送包含「預約連結（Interview Link）」的郵件。透過「新手入門觀察（Onboarding Observation)」請新用戶直接在面前操作產品。觀察用戶是否能在最短達到想要的地方「價值實現時間（Optimize for time to value）」。找出新用戶卡關的部分並進行優化，確保新用戶能快速體驗到產品的核心價值（Aha Moment）。

每次訪談大約 30 至 40 分鐘，有時會延長至一小時。Alan 建議每週進行約 3 到 4 場訪談。訪談後收集到的資訊必須經過篩選，不能全盤接收。必須清楚定義誰是產品要服務的理想客戶畫像 (Ideal Customer Profile, ICP)，若不符合，則不會為了迎合需求而改變產品核心，沒有一個產品是所有人都公認最好，應接受讓其自然流失。

對於用戶的功能許願，會透過系統進行管理。團隊會分析哪個功能對應的對話數量最多，或特定功能在近期期盼越活躍，以此作為執行排序的依據。這些決策仍須根據據公司當下的目標進行權衡。如果目標是「增長用戶」那麼優化 Onboarding、縮短 Time to value 的優先級就更高，如果目標是「長期產品競爭力」，則需要持續投入資源來開發用戶深度需求的功能。

・・・

3.讓滿意的用戶口耳相傳

訂閱者（Current subscriber）
新訂閱者（New subscriber）
重新激活的訂閱者（Reactivated subscriber），
擴展升級（Expansion）

對於獲取新的用戶本身有不同方式。將各類型用戶視為一個整體的成長模型，並非單獨問題。因此，產品關注在上述價值實現時間（Time-to-value），從後台數據來看，如果能降低一個用戶從註冊到感受到價值的時間的話，那麼就有能降低用戶把這個產品推薦出去的時間。讓滿意的核心用戶，自然會成為產品推廣者，藉由口碑傳播（Word-of-mouth）來增長。

產品健康度應看營收動態平衡：新增與擴張的營收需大於流失的營收。流失率業界標準為2-3%佳、5%常態、超過5%意味產品有問題。Time to Value 的關鍵是讓用戶達到具體價值的「Aha moment」，數字僅參考概念。

舉例來說：Cursor 是一個成長非常快的公司，讓用戶非常快就可以做出一個app。如果你非常快就做出一個app，你是不是就會想要把你做出來的東西分享給其他人，欸你看，我這麼快就做出了一個這樣的東西。那這 Time-to-value 就很短。

Alan 進一步補充「口碑傳播（Word-of-mouth）」只是「增長渠道（Growth Channel）」其中一項，還有「SEO病毒式傳播 (SEO Virality)」、Sales之類的，對於大公司來說最重要的可能是要大力投資搜尋引擎優化和品牌建設 Heavily Invest on SEO and Brand。

舉例來說：Airbnb 使用頻率低（Low Frequency），一般人一年可能只訂 1 到 2 次旅館，用戶很難形成自發性的「病毒式傳播（Viral Loop）」習慣。因此，這類公司需要投入重金在 SEO（搜尋引擎優化），來確保用戶能在有搜尋旅遊資訊的需求時能找到他們，並且建立品牌在用戶心中建立信任感，成為訂房時的首選。

那為什麼 Heptabase 適合病毒式傳播（Virality Strategy）？

低客單價（Low ACV）：Heptabase 的年度合約價值（Annual Contract Value, ACV）大約是一年 100 美金，這屬於相對大眾且低門檻的訂閱價格。
高使用頻率（High-Frequency Usage）：作為筆記與研究工具，用戶幾乎每天都會打開使用，這提供了大量的觸點來觸發傳播。

透過對比 Airbnb 與 Heptabase，解釋企業的「增長渠道」（Growth Channel）必須根據產品的性質（特別是價格與使用頻率）來量身打造不同成長路徑，不能盲目套用。

・・・

4.不被外界干擾的研究

對於閱讀，不必追求全部讀完。養成每日一小時閱讀習慣，目標在於持續思考。閱讀中問題與方向自然浮現；再為解題再拓展材料，形成不斷追問與探索的良性循環。對挖得太深暫無結果的問題，可暫存腦中或回想，曾有七年前讀過的材料在某刻重新被啟發。

從 Sheracaolity 上 Alan 展現對於學習知識的渴望，當問被到「學術研究」與「商業目標」之間關係的看法時，Alan 不覺得創辦公司與學術研究是衝突的。當公司發展到一定階段，可以開設自己的實驗室（Lab），並在裡面進行任何他感興趣的研究。

之所以沒往學術界發展，是因為不喜歡由他人決定「什麼研究值得做、什麼不值得」的學術界氛圍。透過建立自己的企業與實驗室，可以直接投入他認為有價值的問題。可以自己決定時間跨度（Horizon）、是否要產生商業成果（Business Outcome）。

・・・

5.定價由價值驅動而非精算驅動

面對外界質疑定價過高議題。Alan 認為早期定價沒有所謂的算對或算錯，因為他根本沒有花太多時間去計算，產品夠好的話就會訂很高。

定價優化（Pricing Optimization）雖然值得做，但並非早期（Pre-PMF）的首要任務，主要仍是在「找到對的市場」並做出「勝率高的產品」。價格優化在 Post-PMF 做會比 Pre-PMF 做的還要好，一旦確認了市場且產品展現出留存率，這時進行價格微調（Tune Pricing）才會有顯著的放大效益。除非定價已經阻礙了公司成長，才會動態調整。既然目前定價沒有讓公司遇到成長瓶頸，就將精力投入在更重要的事情上，例如 AI 功能的迭代。

・・・

6.數百次迭代打造難以複製的深度學習體驗

Heptabase 如何透過產品設計與 AI 的深度整合，其核心使命仍是幫助用戶深度學習與研究。產品的競爭力並非來自單一的神奇功能，而是數百次圍繞著「使用者與資訊互動」的優化所累積的結果。

舉例來說：NotebookLM 丟了一堆資料進來，讓你可以快速的理解。但如果你丟一本代數資料，那你有沒有辦法對代數深度理解呢？問你另一個代數問題，有辦法給出很好的答案嗎？那是非常困難的，但是透過我們產品的話是可以的。

最重要的差異點永遠是你解決的問題做了哪些事情比其他好。

透過兩三百次迭代（Feature iteration）圍繞著用戶能否跟這些知識素材（Knowledge source）有更好非常細緻的互動，而不是單純的侷限在問答。你可以在閱讀 Knowledge source 的過程中連接到AI，或在跟 AI 討論過程中，連接回 Knowledge source，然後在過程中去建立筆記，然後去把這些筆記建立一個視覺化的理解，然後未來可以去複習那些東西。

像是 PDF 閱讀器或編輯器，單一功能很容易被複製，你只要 Vibe Coding 就能做到 60分，你要做 80 分要花到一個月，做到滿分需要好幾年時間。將文字編輯、PDF 互動、白板等核心功能全部打磨到近滿分的「綜合體驗」，是競爭對手難以跨越的門檻。

Heptabase 有諸多複製品，能威脅都不是這些複製品，但真正能威脅 Heptabase 是在一個不同的 Category 裡對於學習研究有新穎，別人沒有嘗試過，而且真的能運作的解決方案。

不在乎市場決定論（Market will decide）的定義，而是在乎最終產出（Outcome）。如果一位研究員在使用產品後，發現自己能產出更好的研究成果（Research work），那麼這個產品就成功解決了「深度學習」的問題。

AI 時代的產品優化核心在於能否以最快速度讓對的用戶體驗到深度思考的價值。

・・・

7.水平與垂直產品策略

Alan 認為，水平產品的最大優勢在於能產生「跨功能（Cross-function）」的協作價值，以公司營運（Company Operation）為例，雖然薪資（Payroll）、財務（Finance）、人力資源（HR）看似是獨立的垂直領域，但其核心共同點都是「員工（Employee）」。如 Rippling 這類產品，其核心是一個「員工圖譜（Employee Graph）」，並在此基礎上做了幾層抽象化（Abstraction），讓各個垂直工具轉化為平台上的服務。

對企業主（Business Owner）而言，用戶不需要分別訂閱 50 個不同的垂直工具並進行艱難的跨工具整合，而是擁有一個「單一的企業作業系統（Single Company Operating System）」。雖然單一水平平台的訂閱費用可能較高，但相較於維護 20 至 50 個獨立的 SaaS 工具，成本與管理複雜度會大幅降低。即便水平工具在單一功能上的體驗不一定比垂直工具好，但其整合性帶來的綜效更具吸引力。

市場初期會出現大量垂直（Vertical）工具，隨後有人將其統一成水平平台。當水平（Horizontal）平台變得過於龐大且動作緩慢時，又會為垂直新創公司（Vertical Startup）創造機會。

舉例來說：Google 作為一個龐大的水平（Horizontal）平台，每推出一項新功能都必須考慮所有服務的系統整合與定價策略，這導致其反應速度慢。這時垂直新創就能針對 Google 的某個細分功能進行精準優化。

不盲目追求規模，而是在「問題空間」內尋找尚未被滿足的高價值群體（Value Group）。

・・・

8.以 AI 擴展人類研究與理解的邊界

Heptabase 是一個媒介（Affordance）它不是一個方法論（Methodology），非特定領域（Not Domain Specific）像是世界上不論哪種學術領域（科學、人文、藝術等）都需要寫論文（Paper），是一種通用的表達與研究形式。就像紙張和印刷發明後，有哪一個人的學習，除了盲人以外，是完全不仰賴紙張的人。紙張可以承載思考，但它是靜態的。Heptabase 作為數位媒介，可以做到紙張做不到的「跨畫布重複使用概念（Reuse concept）」以及「與資訊互動（Interaction）」。

Heptabase 導入 AI 重點：

取代那些跟思考無關的過程
去除讓你無法繼續思考的阻礙

AI 在掌握「領域知識 Domain Knowledge」方面表現卓越。讓自學門檻降低很多。教授相較於AI的優勢，其實不是對 Domain Knowledge 的掌握，而是對於這個學術領域的一些推測（Speculation）。比方說我有一個興趣是在研究一些跟計算理論和符號邏輯有關的領域。跟 AI 討論可以獲得這個定理要怎麼正確證明。我跟專門做這個領域的研究的朋友在聊天，他可以給我很多很好的類比（Analogy），就是在問AI的時候我也沒想到可以這樣問。這些是 AI 難以取代人類的。

Heptabase 也正在透過 Agent 的整合，將「研究工作流」自動化，以大幅提升科學實驗室與研究員的產值。像是研究員通常在 Zotero 或 Mendeley 中管理數以千計的文獻，但這些資料往往與筆記工具脫節。因此 Heptabase 將這些文獻無縫同步到筆記軟體內，讓 AI 能夠直接存取這些受過篩選的高質量知識源。

將 Heptabase Agent 比喻為一名博士生，給予一個研究任務（Research Task）後，AI 不只是總結單一文章，而是能決定該讀哪些文獻、讀哪些部分，甚至主動發現知識缺口並找尋缺失的資料。讓研究員的工作不再是從零開始翻閱數百篇文獻，而是轉向「審查（Review）」AI 產出的思路邏輯是否符合需求。

・・・