$1 बिलियन वैल्यू वाली अलोकप्रिय startup ideas [YouTube]

• Y Combinator के पार्टनर्स ने AI युग में बढ़ती प्रतिस्पर्धा के बीच अलोकप्रिय क्षेत्रों और उलटी सोच वाले आइडिया के जरिए सफल हुए startup उदाहरणों का विश्लेषण किया और ज़ोर दिया कि सिर्फ ट्रेंड का पीछा करने के बजाय मूलभूत customer समस्याओं को हल करने पर ध्यान देना चाहिए
• AI क्षेत्र में शुरुआती greenfield अवसर अब कम हो रहे हैं, और insurance, banking जैसी हर vertical में पहले से कई startup प्रतिस्पर्धा कर रहे हैं, इसलिए अलग तरह की insight और contrarian approach ज़रूरी है
• DoorDash, Lyft/Uber, Coinbase, Flock Safety, OpenAI, SpaceX जैसी कंपनियों को लॉन्च के समय निराशावादी आकलन और नकारात्मक मीडिया कवरेज मिला था, लेकिन इन्होंने गहरी customer needs पर ध्यान रखा और अपनी अलग दिशा पर टिके रहकर अरबों डॉलर वैल्यू वाली कंपनियों का रूप लिया
• सफल founders ने X (Twitter) या TechCrunch जैसे मीडिया ट्रेंड्स के बजाय वास्तविक users से सीधी बातचीत के जरिए product-market fit खोजा, और ज़रूरत पड़ने पर business model और distribution strategy को साहसपूर्वक बदला
• इंटरनेट और smartphone की तरह नई technology platforms में लगभग 2 साल की शुरुआती gold rush के बाद साफ़ दिखने वाले ideas भर जाते हैं, इसलिए उसके बाद गहरे secret खोजने और ऐसे ideas पर काम करने की ज़रूरत होती है जिनसे 10 में सिर्फ 1 व्यक्ति सहमत हो; तभी सफलता की संभावना बनती है

---

AI vertical बाज़ार में बढ़ती प्रतिस्पर्धा

• सिर्फ 1 साल पहले तक AI startup ideas ढूंढना आसान था, क्योंकि models में तेज़ प्रगति और अनछुए verticals भरपूर थे, इसलिए pivot करके ideas तलाशना आसान था
• अब insurance, banking जैसे हर vertical में कई startups प्रतिस्पर्धा कर रहे हैं, और model innovation की रफ़्तार भी धीमी हुई है, इसलिए अलग तरह की insight पहले से अधिक महत्वपूर्ण हो गई है
• सिर्फ workflow automation का प्रस्ताव देना अब काफ़ी नहीं है; अपनी अलग और contrarian bet के जरिए प्रतिस्पर्धा में अलग दिखना होगा
• इंटरनेट और smartphone युग की तरह नई technology platforms भी लगभग 2 साल की gold rush अवधि से गुजरने के बाद स्पष्ट ideas से भर जाती हैं, और उसके बाद ज़्यादा गहरे छिपे secret ढूंढने पड़ते हैं

गैर-स्पष्ट ideas के जोखिम और अवसर

• गैर-स्पष्ट ideas सुनने में तटस्थ लगते हैं, लेकिन वास्तव में वे जोखिम भरे और डरावने महसूस हो सकते हैं, क्योंकि 10 साल लगाने के बाद भी कुछ हासिल न होने का डर साथ होता है
• मीडिया या आसपास की बातचीत से अपनाई गई बिना आलोचनात्मक सोच वाली मानसिकता founder के निर्णय में बाधा बन सकती है
• marketing क्षेत्र के एक founder ने पहले यह सोचकर हिचकिचाहट दिखाई कि "इस क्षेत्र में किसी ने बड़ी company नहीं बनाई", लेकिन AI की नई क्षमता और वास्तविक customers की सकारात्मक प्रतिक्रिया के आधार पर आगे बढ़े और अब growth देख रहे हैं
  • अतीत की असफलताओं का जमा होना उलटे इस बात का संकेत हो सकता है कि वहाँ प्रतिस्पर्धा कम है
  • "मुझे यह कल ही चाहिए" जैसी customer प्रतिक्रिया product-market fit का संकेत है
• X (Twitter), TechCrunch की प्रतिक्रिया या पार्टी में दोस्तों की राय जैसे बाहरी संकेतों पर निर्भर रहना जोखिम भरा है; ध्यान वास्तविक बाज़ार की प्रतिक्रिया पर होना चाहिए

केस 1: DoorDash—उपनगरीय इलाकों को निशाना बनाना

• iPhone लॉन्च के बाद शुरुआती दौर में photo app (Instagram) जैसे साफ़ दिखने वाले ideas पर ध्यान गया, लेकिन असली बड़े विजेता Uber, DoorDash, Instacart जैसे गैर-स्पष्ट ideas निकले
• iPhone लॉन्च के समय कई लेखों और social media posts में संभावित businesses पर चर्चा हुई, लेकिन Uber जैसे idea की भविष्यवाणी लगभग किसी ने नहीं की थी
• DoorDash ने पहले से बेहद प्रतिस्पर्धी food delivery बाज़ार में प्रवेश किया, जहाँ Postmates, Grubhub, Seamless जैसी कंपनियाँ पहले से बड़ी बन चुकी थीं
  • mobile ने food delivery apps के लिए catalyst का काम किया, और DoorDash के लॉन्च तक यह बाज़ार पहले से भरा हुआ दिखता था
  • Y Combinator में Order Ahead नाम की एक food pickup service भी थी, जो उस समय ज़्यादा बड़ा बाज़ार लगती थी
• शुरुआत में Palo Alto में restaurants के पास सीधे जाकर delivery partnership का प्रस्ताव दिया गया, लेकिन ज़्यादातर ने मना कर दिया, और पहला order आने में काफ़ी समय लगा
  • पहला customer एक दोस्त था, उसके बाद धीरे-धीरे हर घंटे एक order आने लगा
• शुरुआती investors संशय में थे; उनकी प्रतिक्रिया थी, "यह क्षेत्र पहले से बहुत प्रतिस्पर्धी है" और "जब Grubhub, Seamless पहले से हैं तो इसकी ज़रूरत क्यों है"
• founders ने जो अंतर खोजा, वह था उपनगरीय इलाकों (suburban area) को target करना
  • Grubhub और Seamless Manhattan और बड़े शहरों के घनी आबादी वाले इलाकों पर केंद्रित थे
  • DoorDash ने देखा कि उपनगरीय इलाकों में delivery demand तो बहुत है, लेकिन service नहीं मिल रही
  • restaurants की कम density के कारण उपनगरीय क्षेत्र मौजूदा platforms को आकर्षक नहीं लगते थे, लेकिन वास्तव में वह बहुत बड़ा बाज़ार था
• शुरुआत में यह suburban strategy "साफ़ तौर पर बुरा idea" लगती थी
  • restaurants बिखरे हुए थे, delivery दूरी लंबी थी, और unit economics खराब रहने की आशंका थी
• लेकिन वास्तविकता में उपनगरीय इलाकों में प्रतिस्पर्धा कम और मांग ज़्यादा निकली, जिससे DoorDash ने तेज़ growth की और बाद में शहरों में भी विस्तार किया
• पीछे मुड़कर देखने पर यह साफ़ लगता है, लेकिन उस समय यह उलटी सोच वाला और जोखिम भरा bet था

केस 2: Lyft/Uber—कानूनी grey area और user utility

• Zimride से Lyft की ओर pivot

  • Lyft मूल रूप से Zimride नाम की long-distance carpool service थी
    • Y Combinator में Ridejoy नाम की ठीक ऐसी ही प्रतिस्पर्धी service भी थी, और दोनों के बीच कड़ी प्रतिस्पर्धा थी
    • दोनों Craigslist पर users जुटाते थे: "इस weekend मैं LA तक drive कर रहा हूँ, कोई साथ चलेगा?" जैसे format में
    • लंबे email exchanges, मिलने का समय तय करना, gasoline cost का हिसाब लगाना जैसी जटिल प्रक्रिया शामिल थी
  • जब smartphone adoption 70~80% तक पहुँच गया, तब Zimride ने strategy बदली
    • long-distance के बजाय छोटी रोज़मर्रा की यात्रा पर फोकस किया
    • service को ऐसा बनाया जिसे हर दिन इस्तेमाल किया जा सके
    • यह mobile-centered labor force का इस्तेमाल करने का शुरुआती क्षण था
  • Uber भी लगभग इसी समय black-car service के रूप में शुरू हुआ, लेकिन उसका approach अलग था

• कानूनी समस्या और founders का साहस

  • Ridejoy के founders के साथ office hours के दौरान जब Zimride (Lyft) की सफलता का ज़िक्र हुआ, तो उनकी प्रतिक्रिया थी, "यह कानूनी रूप से समस्या वाली और शायद अवैध चीज़ लगती है, इसलिए हम यह नहीं करना चाहते"
    • उनकी चिंता ग़लत नहीं थी
  • Lyft के founders लॉन्च से सिर्फ 1 हफ़्ता पहले तक जेल जाने की संभावना को लेकर बेहद चिंतित थे, फिर भी उन्होंने दांव खेलने और लॉन्च करने का फैसला किया
  • Lyft या Uber को दूसरों ने पहले लॉन्च न करने की एक बड़ी वजह यह थी कि यह मूल रूप से अवैध लगता था और लोग जेल जाने से डरते थे
  • Instacart के Apoorva Mehta ने भी लगभग उसी समय grocery delivery में ऐसा ही प्रयास किया, और बाज़ार इन startups से सेवा खींच रहा था

• अंतिम उपयोगकर्ता regulation बदल सकते हैं

  • यह साबित हुआ कि अगर अंतिम उपभोक्ता को बेहद बड़ा लाभ मिलता है, तो दुनिया क़ानून बदल देती है
  • कई महान startup ideas कानूनी grey area में होते हैं
    • जहाँ यह पूरी तरह साफ़ नहीं होता कि चीज़ कानूनी है या अवैध; कुछ अस्पष्टता रहती है
  • OpenAI भी एक समान उदाहरण है: बिना अनुमति पूरे web को crawl करना
    • इसे fair use कहा जा सकता है, या बड़े पैमाने पर copyright infringement भी माना जा सकता है
  • गैर-स्पष्ट होने का मतलब सिर्फ इतना नहीं कि बौद्धिक रूप से यह अनिश्चित हो कि यह सफल होगा या नहीं, बल्कि उससे भी सूक्ष्म रूप से यह एहसास कि "यह थोड़ा जोखिम भरा लगता है" या "इसमें कुछ असहज सा है"
  • वाकई महान founders ऐसे एहसास को उलटे एक signal की तरह पहचानते हैं

• San Francisco में जीवन की गुणवत्ता में बदलाव

  • Uber X और Lyft के आने के बाद पहले कुछ महीनों में ही यह साफ़ हो गया, ख़ासकर San Francisco में
    • San Francisco बहुत खराब taxi infrastructure और कठिन public transport के लिए मशहूर था
    • यह service वास्तविक ज़रूरत से पैदा हुई थी
  • San Francisco में जीवन की गुणवत्ता नाटकीय रूप से बेहतर हो गई
    • taxi बुलाने पर आधी बार उसके न आने वाली अनिश्चितता से मुक्ति मिली
    • आसानी से कहीं भी जा पाने से शहर में रहना 10 गुना बेहतर महसूस होने लगा
  • यह अवैध काम करने की सलाह नहीं है, बल्कि यह सीख है कि first principles से सोचो और समझो कि बाज़ार और लोगों को वास्तव में क्या चाहिए

केस 3: Coinbase—क्रिप्टोकरेंसी में प्रतिधारात्मक चुनाव

• शुरुआती क्रिप्टोकरेंसी कम्युनिटी की प्रवृत्ति

  • Coinbase कानूनी वैधता के ग्रे एरिया में ऑपरेट कर रहा था, लेकिन Uber/Lyft से उसका अप्रोच अलग था
  • क्रिप्टोकरेंसी इतनी अच्छी तरह समझी नहीं गई थी कि उसे साफ़ तौर पर कानूनी कहा जा सके
  • Coinbase वास्तव में सेवा लॉन्च करने के लिए बैंकिंग पार्टनर हासिल करना ज़रूरी था, इसलिए वह Uber जैसा "पहले लॉन्च करो, बाद में देखेंगे" अप्रोच नहीं अपना सकता था

• Brian Armstrong का उल्टा सोचने वाला अप्रोच

  • शुरुआती Bitcoin use case को cypherpunk लोग आगे बढ़ा रहे थे
    • कट्टर libertarian
    • केंद्रीकृत बैंकिंग सिस्टम के विरोधी
    • पूरी तरह anonymous identity चाहते थे
  • शुरुआती Bitcoin आज की तुलना में Silk Road के कहीं ज़्यादा करीब था
  • Brian Armstrong ने इसका बिल्कुल उल्टा, प्रतिधारात्मक अप्रोच चुना
    • 2010~2012 में Bitcoin में गंभीर रुचि रखने वाले अधिकांश लोग cypherpunk थे
    • उनका नज़रिया: "राज्य जाए भाड़ में, कानून जाए भाड़ में, Bitcoin के ज़रिए कट्टर आज़ादी"
  • Brian Armstrong ने बैंकिंग कंपनियों के साथ काम किया और regulators के साथ सहयोग किया
    • यही उनका प्रतिधारात्मक bet था

• जब मार्केट खुद नहीं चाहता, तब अतिरिक्त काम

  • ऐसे समय में जब यह भी अनिश्चित था कि मार्केट इसे चाहता है या नहीं, उन्होंने सारा अतिरिक्त काम उठाना उचित समझा
  • cypherpunk और Silk Road जैसे उपयोगकर्ता क्रिप्टोकरेंसी और anonymous payments को स्पष्ट रूप से चाहते थे
  • लेकिन आम लोग भी इसे चाहेंगे या नहीं, यह अनिश्चित था
  • इसलिए बैंकों से बात करना, पार्टनरशिप बनाना, और KYC (customer verification) व AML (anti-money laundering) नियमों का पालन करना उस समय वैल्यू देने वाली चीज़ नहीं लगती थी
    • ऐसा काम करने का कारण तभी बनता है जब आपको यक़ीन हो कि आम लोग भी कभी क्रिप्टोकरेंसी ट्रेड करना चाहेंगे

• मौजूदा बाज़ार का तीखा विरोध

  • KYC जैसी चीज़ें असल में प्रोडक्ट को और खराब बना देती हैं
    • जब आप यूज़र को KYC से गुज़रने पर मजबूर करते हैं, तो friction काफ़ी बढ़ जाता है
  • यह उस समय मार्केट जो चाहता था, उसका बिल्कुल उल्टा था
    • उस समय का मार्केट, यानी cypherpunk समूह, Brian और Coinbase के क्रिप्टो अप्रोच से बेहद नाराज़ था
  • आपको यह सुनने को मिलेगा कि "यह कभी काम नहीं करेगा"
  • जब मार्केट पूरी तरह नया और शुरुआती चरण में होता है, तब जो चीज़ें "स्पष्ट" मानी जाती हैं, वे अक्सर वास्तव में स्पष्ट रूप से गलत होती हैं
    • यह उसका बहुत गहरा version हो सकता है

• TAM का जाल

  • Coinbase की शुरुआत के समय Bitcoin का कुल बाज़ार आकार सैकड़ों अरब डॉलर नहीं, बल्कि करोड़ों से लेकर कुछ अरब डॉलर के स्तर पर था
  • Flock Safety के साथ भी यही बात थी: neighborhood groups की संख्या और ACV को गुणा करने पर अधिकतम सालाना लगभग $50M~$60M का TAM बनता था
  • VC नज़रिये से सलाह: TAM को सिर्फ checklist की तरह इस्तेमाल मत करो
    • metric के रूप में यह उपयोगी है, लेकिन investor और founder दोनों को सिर्फ इसी आधार पर किसी अवसर को सूची से बाहर नहीं करना चाहिए
  • जितने ज़्यादा निवेश नियम बनाओगे, venture में बहुत पैसा कमाने के मौकों को खुद ही बंद करने के तरीके उतने बढ़ेंगे

केस 4: Flock Safety—स्थानीय सरकार को बिक्री और hardware

• व्यक्तिगत अनुभव से शुरुआत

  • Flock Safety समुदाय की सुरक्षा के लिए automated license plate recognition camera system देता है
  • संस्थापक Garrett Langley Atlanta से थे और पहले एक सफल exit कर चुके थे, लेकिन यह बार hardware का मामला था
  • पार्टनर (Diana) का व्यक्तिगत अनुभव: San Francisco के Noe Valley में सड़क पर खड़ी सभी गाड़ियों को एक साथ लूटा गया
    • एक प्रोफेशनल गिरोह ने इसे सैन्य ऑपरेशन जैसी सटीकता से अंजाम दिया
    • Nest camera ने सब रिकॉर्ड किया, लेकिन पुलिस ने जवाब दिया: "license plate के बिना हम कुछ नहीं कर सकते"
    • इस अनुभव ने Flock Safety में first-principles investment decision लेना आसान बना दिया

• टेक स्टैक और शुरुआती प्रोडक्ट

  • Raspberry Pi पर camera लगाकर और solar panel जोड़कर बनाया गया hardware
  • ImageNet-आधारित computer vision को edge पर चलाना संभव था
  • solar technology इतनी आगे बढ़ चुकी थी कि सिस्टम अनिश्चितकाल तक चल सकता था
  • Piedmont और Greater Atlanta area के neighborhood groups और HOA (Homeowners Association) को बिक्री से शुरुआत हुई

• तीन चीज़ें जो VC को पसंद नहीं आतीं

  • hardware: VC आमतौर पर hardware को पसंद नहीं करते
  • छोटा बाज़ार: neighborhood groups की संख्या और ACV को गुणा करने पर अधिकतम सालाना $50M~$60M का TAM बनता था
  • Atlanta, Georgia based: Silicon Valley नहीं
  • इन तीनों ने मिलकर इसे लगभग fund न हो सकने वाला बना दिया

• बिज़नेस मॉडल pivot और growth

  • शुरुआत में neighborhood groups को बिक्री की गई, लेकिन growth धीमी रही और revenue लगभग हर महीने $600K पर अटक गया
  • बिज़नेस मॉडल pivot: सीधे police departments और city governments को बिक्री की ओर बदलाव
    • growth लक्ष्य से उल्टी दिशा में सोचते हुए इसकी ज़रूरत समझ में आई
    • केवल neighborhood sales से पर्याप्त growth संभव नहीं थी
    • शुरुआत में यह असंभव लगा, लेकिन इसे किया जा सका
  • वास्तविक मामलों में इसने kidnapper की गिरफ्तारी जैसे गंभीर अपराध सुलझाने में योगदान दिया
    • सुलझे हुए अपराध शाम की news में दिखाए जाने लगे और word of mouth फैल गया
    • एक शहर में अपराध सुलझने पर पास के शहर का police chief पूछता, "यह क्या है? हमें अभी चाहिए"
  • मीडिया टीम बनाई गई: news anchors को यह जानकारी और B-roll footage दिया गया कि Flock Safety ने अपराध सुलझाया है
    • viral effect से यह तेज़ी से फैला

• वर्तमान उपलब्धियाँ

  • फिलहाल $7.5B valuation हासिल
  • सालाना revenue $60M से बहुत आगे निकल चुका है
  • अमेरिका में रिपोर्ट किए गए कुल अपराधों के 10% को सुलझाने में मदद कर रहा है (यह चौंकाने वाला आँकड़ा है)
  • core technology लगभग वही है जो Demo Day के समय थी, लेकिन business model कई बार pivot हुआ
  • neighborhood groups को आज भी बेचा जाता है, लेकिन आधिकारिक रूप से police departments को बिक्री growth की कुंजी है

• सामान्यीकृत सीख

  • जब आप किसी startup idea के साथ कई VC से बात करते हैं, तो बहुत सारा feedback मिलता है
  • अगर Garrett कई VC से बात करते, तो शायद उन्हें सुनना पड़ता: "यह VC-fundable नहीं है, local government sales है, hardware है, तुम्हें B2B SaaS करना चाहिए"
  • यह अच्छा साबित हुआ कि वे ऐसे बाज़ार में गए जिसे बाकी सभी लोग इतना अजीब समझते थे कि वहाँ लगभग कोई competition ही नहीं था
  • ग्राहकों और उनकी वास्तविक ज़रूरतों पर फोकस करने से चीज़ें स्पष्ट हो जाती हैं
  • यह blog, X, या ChatGPT से नहीं सीखा जा सकता; असल में बहुत कुछ करके देखना पड़ता है
  • हर कहानी अलग होती है, लेकिन Garrett और Flock टीम first-principles thinking के कारण अलग नज़र आते हैं
    • क्या बनाना है
    • ग्राहक कैसे हासिल करने हैं
    • business model क्या होना चाहिए

Forward Deployed Engineer मॉडल और Giga ML

• Forward Deployed Engineer का उभार

  • हाल के समय में यह startups की default playbook बन गया है
  • ग्राहकों के schema और business logic को अपने schema और logic में बदलने का काम
  • मूल रूप से consulting work
  • इस मॉडल को अपनाने वाली कंपनियाँ aggressive growth rate दिखा रही हैं
  • लेकिन अगर यही सबसे गहराई से जमी हुई default playbook बन गई है, तो इसे उलटकर सोचने का मौका भी है

• Giga ML का AI Forward Deployed Engineer

  • मानव FD की जगह code generation का उपयोग करके अपना AI Forward Deployed Engineer बनाया
  • मानव FD में अब भी कई हफ्ते लगते हैं (हालाँकि ऐतिहासिक enterprise consulting की तुलना में यह भी तेज़ है)
  • AI FD कुछ ही मिनटों में पूरा हो सकता है
  • यह एक बड़ा कारण है कि वे competitors से तेज़ी से deals close कर पाते हैं
  • वास्तव में यह FD है ही नहीं, बल्कि खुद product है
    • ग्राहक specification दर्ज करते हैं और तुरंत product पा लेते हैं
  • यह board पलट देने वाले प्रतिधारात्मक bet का एक उदाहरण है, जो बहुत बड़े नतीजे दे सकता है

SF (साइंस फिक्शन) संस्थापक और "असंभव" बड़े आइडिया

• OpenAI का मामला

  • जब Sam Altman ने Y Combinator की पृष्ठभूमि के साथ OpenAI शुरू किया, तब यह भी अनिश्चित था कि AI वास्तव में संभव है या नहीं
    • शुरुआती दौर में यह मुख्यतः रिसर्चरों के एक्सपेरिमेंटल प्रोजेक्ट जैसा दिखता था
    • पेपर पब्लिश करना, Rubik's Cube solver, Dota गेम AI जैसे कई साइड प्रोजेक्ट
    • यह सब मिलकर आज का OpenAI कैसे बनेगा, यह स्पष्ट नहीं था
  • लॉन्च के समय इसे ज्यादातर नकारात्मक मीडिया कवरेज मिला
    • केवल कुछ टेक आशावादियों ने सकारात्मक प्रतिक्रिया दी
    • अकादमिक जगत और दूसरी कंपनियों के AI रिसर्चर ज्यादातर बेहद नकारात्मक थे
    • यह आलोचना हुई कि "20-30 साल के लोग AGI बना सकते हैं, यह बकवास है"
    • प्रतिक्रिया यह थी कि "हमने 50 साल तक रिसर्च किया है; अगर कोई तरीका होता, तो अब तक कर चुके होते"
    • "पेपर पब्लिश नहीं करते" यह एक बड़ा आलोचना बिंदु था
  • Scaling laws पर लाखों डॉलर के GPU खर्च को लेकर आलोचना हुई कि इससे ज्यादा पेपर नहीं निकल रहे
    • पेपर गलत optimization target हैं (paperclip optimization)
    • असली बिल्डर ग्राहकों और users के लिए परिणामों पर optimize करते हैं
  • दिशा पर टिके रहने से आज की सफलता मिली

• SpaceX का मामला

  • Elon Musk स्पेसफ्लाइट कंपनी शुरू करने वाले पांचवें अरबपति थे
    • उनसे पहले के चार अरबपति पहले ही असफल हो चुके थे
    • मीडिया ने मजाक उड़ाया कि "एक और अरबपति अपनी दौलत रॉकेट पर बर्बाद कर रहा है"
  • Reusable rocket का कॉन्सेप्ट एक निंदनीय (blasphemous) आइडिया माना जाता था
    • जब रॉकेट वैज्ञानिकों से सलाह मांगी गई, तो जवाब मिला "असंभव है"
  • कई सालों तक अनेक लॉन्च प्रयास असफल रहे
    • हर बार रॉकेट फटने पर नकारात्मक मीडिया कवरेज की एक और लहर आती थी
  • दोनों कंपनियों (OpenAI, SpaceX) में संस्थापकों को लंबे समय तक ज्यादातर लोगों से यह सुनना पड़ा कि वे बेवकूफ हैं या पागल, और फिर भी उन्हें अपने विश्वास पर टिके रहना पड़ा

• 10 में 1 व्यक्ति के लिए चुंबक

  • 10 में 9 लोग कह सकते हैं कि आप बेवकूफ हैं या पागल, लेकिन 10 में 1 व्यक्ति आपके विश्वास से सहमत हो सकता है
  • contrarian होना और बाद में सही साबित होना इसलिए जरूरी है क्योंकि यह वैसे ही सोचने वाले सभी लोगों को खींचने वाले चुंबक की तरह काम करता है

वास्तविकता को परखने का तरीका

• दुनिया में क्या सच और सही है, इसे जानने के तरीके पर फिर से विचार करना चाहिए
• हर जानकारी के स्रोत की दोबारा जांच करें, और देखें कि वह कहां से आ रही है
• अगर वह users से, व्यक्तिगत अनुभव से, सीधे बात किए गए लोगों के अनुभवों से आती है, तो वह सत्यापित की जा सकने वाली वास्तविकता का अच्छा आधार है
• X पर doomscrolling करना, या मशहूर लोगों की बातें सुनना (ईमानदारी से कहें तो इन वक्ताओं सहित) — यह सब सिर्फ N=1 है
  • महत्वपूर्ण वे लोग हैं जिनके पास वह खास समस्या है जिसमें आपकी रुचि है
  • उसे हल करने की क्षमता
  • उस समस्या को हल करना चाहने वाले बाकी सभी लोगों को आकर्षित करने की क्षमता

मुख्य सलाह: ग्राहक की समस्या पर फोकस करें

• गैरकानूनी काम करने की कोशिश मत करो; वह चीज ढूंढो जिसे इंसान सच में बेहद चाहते हैं और जिसकी उन्हें जरूरत है
• फिर बाकी चीजें अपने आप सुलझ जाती हैं
• अगर आप लोगों की समस्याओं और वे समस्याएं कितनी गंभीर हैं इस पर सच में फोकस करते हैं, तो बाकी चीजें स्वाभाविक रूप से खुलती जाती हैं
  • आप business model समझ लेंगे
  • आप distribution समझ लेंगे
• कंप्यूटर के सामने बैठकर भविष्यवक्ता की तरह इन चीजों को नहीं जाना जा सकता
  • आपको सचमुच घर से बाहर निकलना होगा
  • ग्राहकों से बात करनी होगी
• Y Combinator का goal-setting मददगार होने का कारण
  • growth goals से reverse-calculate करके समझना कि क्या करना है

लोकप्रिय चीजों का जाल

• अगर आप सिर्फ लोकप्रिय चीजें ही करना चाहते हैं, तो आप ऐसे derivative और obvious ideas से चिपक जाएंगे जिनमें 5, 10, 100 प्रतियोगी पहले से हों
• यह 1st और 2nd player के लिए अच्छा हो सकता है, लेकिन 3rd से 98th तक startups मर जाएंगे

[yeobi222]

कानून को लेकर यह नज़रिया कुछ खतरनाक लगता है
पूरी तरह ग़लत भी नहीं है, लेकिन