“创造力和约束才是绝配。”——玛丽莎·梅尔

有个关于创造力的重要理论叫生成探索(Geneplore)。根据这套理论，世界上有一种促进创造性思维的结构，叫做发明前框架。这一部分中，我们将重点探索哪些使用了发明前框架的成功创始人。

独角兽创业家是如何获得创业灵感的

我列出了 100 家私人创业公司(也就是独角兽)，调查了他们的创始人是如何获得创业灵感的。

我为这些创业公司获得创业点子的方法建立了分类，每有一家创业公司用了某种方法，该当的分类就得一分。有些公司采取了多种方法，这种情况下我就给每个涉及到的分类都加一分。

让我惊奇的是，出现频率最高的两个方法是我之前从未想到过的：

1.现有业务的衍生。9%的创业家都是在其他现有业务的基础上想到创业点子的。

2.Pivot——结合现有产品和市场找到新的创意。8%的创始人都是通过原有创意的Pivot找到了创业点子。

让我更吃惊的是，竟然有这么多种方法能让创业公司成功。

举个例子，谁能想到11%的创业家其实都是抄袭者?这个数据颠覆了人们避开竞争的传统认知。然而，11%的公司中有一半都是通过把在美国成功了的创业点子山寨到其他国家，以此来避开竞争。真是不可思议。

在我们的数据中，我发现30%的独角兽创业人都是“连续创始人”。在这里我对“连续创始人”的定义是之前至少成功过一次。在这次的数据中，大多数连续创始人在打造他们的“独角兽公司前，已经创造过几百万的收益。

连续创业者与普通创业者之间最大的区别就是，连续创业者会利用他们的专业知识来寻找创业灵感。

创业灵感的16个发明前框架

根据多年的经验，我列了一张创业灵感的 16 个发明前框架清单：

测试、Pivot、迭代

纵观所有的创作行为，我们可以得到一个真理：当一个人执意要做一件事时，上天也会眷顾他。

这个道理可能听起来图样图森破，但Nike的广告词在这里确实非常适用：Just Do It.

随便挑一个点子开始创业，这应该是不可能的吧?其实我就行。

在人工智能方面，一些最强大的算法是迭代的。它们从随即输入开始，但很快就能得到很好的结果。

举个例子，最大期望算法(E-M learning algorithm)就用迭代来识别数据聚类。第一步，它会选择两个随机点作为初始值。第二步，它会识别最有可能聚集在这两点附近的点。第三部，它再识别每个群集的新中心点。以上步骤不断重复，这也就是所谓的迭代。

最大期望算法的基本理念就是：如果你能快速地猜出并测试精准度，然后用这套结果再进行更准确的猜测，那么你很快就能推出精确结果。这就是迭代实验的基本概念。很多人认为，迭代实验是获得创业灵感的最有力的途径之一。

你可能听过“迅速失败”、“经常失败”、“在失败中前进”、“打破常规快速前进”等创业口号。这些口号都是在鼓励迭代实验。

这个方法其实和“执行就是一切”理论很类似。迭代意味着你原本的创意可能会在学习和重审中不断改变，执行才是唯一的重点。

精益创业(Learn Startup)普及了迭代实验的概念，鼓励创业家们选择好创意点子以后再测试、改变，重复该过程直到成功。