asb-problem

问题评分——从“问题”到“可行的商业模式”

公司会这样失败：创始人灵光一闪——这个世界存在一个问题。潜在客户也认同这个问题确实存在（他们没错！）。创始人打造出真正解决问题的产品（确实解决了！）。然而，销售始终没有起色，公司在几年内便关门大吉。解决一个真实问题——或许出乎意料——远不足以建立一家成功的公司。 从“真实问题”到“可行的业务”之间有七项条件，而创始人总是系统性地高估自己在这些条件上的表现。这项技能会针对每次一个具体的目标市场，如实评估这些条件；用户最终会得到一份评分卡、一个方向性结论，以及一个能挽救创意的细分市场，或者一个清醒的结论——现在得出这个结论比两年后便宜得多——那就是这项业务不可行。

心智模型

一连串的“且”——为什么分数要相乘

要达成一笔销售，必须有足够多的人面临这个问题，且他们知道并在意这个问题，且他们有预算，且他们现在就能购买，且他们愿意向你购买，且他们会持续使用。最理想的情况是七项条件全部成立。现实中，有些条件会很强，有些会很弱；真正的问题是，几项明显的优势能否弥补少数短板。相乘能机械地回答这个问题：一连串相乘的“且”意味着，只要一个因素接近零，无论其他因素多么出色，整体乘积都会被拉低——这与现实相符。直觉在这里并不可靠：每个创始人都觉得自己的创意靠谱，其中也包括后来被证明是错的大多数创意。相乘能让人看到薄弱环节，而不是将其一笔带过。

费米估算：默认按数量级取值

每个分数都取 10 的幂（或 0.1／0.5／1.0 这样的固定粗略值）——不取介于其间的数字，也不追求虚假的精确度——只有一种例外：硬数据按原值使用（80 亿人就是 80 亿，不向上取整为 100 亿；测得的每月流失率为 4%，就用 4%）。精确度来自数据，而不是感觉；由于它会与粗略估值相乘，最终分数仍只能精确到一个数量级。粗略取值能让整个过程既快速又诚实：大多数值都很容易选，因为相邻选项会显得荒谬（“10 万还是 100 万？肯定不是 1 万，也肯定不是 1000 万”）；而当某个值确实有争议时，这种数量级上的分歧就意味着真正的战略不确定性，值得单独讨论，而不是争论该如何取整。真实证据——用户自己的数据，或通过快速调研找到的数字——能立刻确定一个值。没有证据时，诚实的做法是选择一个相邻数值显然不对的 10 的幂，而不是选择更讨喜的那个值。

分数是指导，而非分析结论

这很容易沦为无聊的测验，因此必须把它作为指导，而不是精确分析：0.8 不代表没救，1.2 也不代表得救。分数真正可靠的作用，是揭示薄弱环节，并展示更换目标市场能否大幅改变结果；而认真思考答案和权衡利弊的过程，才是大部分价值所在，远比最终数字重要。这套评分也刻意只衡量从问题到商业模式的路径。它不涉及触达、营销成本、团队、技能或执行——即使分数很高，仍然可能失败。

乐观是导致失败的默认模式

人们几乎总是过于乐观地估计自己能做到什么，也过于乐观地估计客户会做什么、怎么想、愿意付多少钱。因此，每个分数在记录前都要受到质疑——一份未经质疑、只凭乐观填写的评分卡毫无价值；它会把任何东西都判定为“可行”。

七项标准

针对一个具体的目标市场进行评分：明确买家类型，解决具体问题，产品做出明确的取舍，并设定具体价格。这套标准适用于任何类型的公司——软件、服务、餐馆、硬件、内容——而不仅仅是科技初创公司。

1. 看似可行——足够多的人有这个问题吗？

规模（仅用 10 的幂）： 1k、10k、100k、1M、10M、100M、 1B——实际有这个问题的消费者或企业数量。

为什么门槛这么高：营销的数学。广告展示转化为访客的比例约为 1%，而优秀的产品网站将访客转化为付费用户的比例约为 1%——也就是每位客户需要约 10,000 次展示。一家可持续发展的小公司需要约 1,000 位客户（每月收费 30–100 美元；价格越低，需要的客户越多），因此需要约 10,000,000 次展示，耗时约两年——即便是后来成为巨头的公司，获取最初 1,000 位客户也要花这么久。面向消费者的产品：约 10M 人必须有这个问题。企业愿意支付高出几个数量级的费用，转化率也更高，因此约 100k 就够了。

**坚持追问：**把所有 理论上可能 使用该产品的人都算进去，而不是只看上文定义的特定买家；把“有这个问题”和“符合我的产品描述”混为一谈。**有条件的例外：**面向小众市场的高价产品可以成为一家不错的公司，刻意维持小规模、以替代工资收入的业务也可以——但其他评分必须较高，而且用户必须真心想走这条路。

2. 自知——他们知道并在乎自己有这个问题吗？

评分： 0.01 很少有人认同或在乎 · 0.1 思想领袖在乎并积极宣传 · 0.5 行业标准做法 · 1.0 几乎找不到不在乎的人。

不相信自己有问题的人不会寻找解决方案，即使偶然发现了，也不会为此花钱。失败有两种：一是不知情（数百万网站所有者确实是黑客的攻击目标，却认为“没人会攻击我这种小人物”，所以从不寻找安全产品）；二是知道但不在乎（几乎所有人都认同网站无法访问是个问题——但它仍排不进他们最优先的三件事，因此什么也不会发生）。市场时机也属于这一类：同一个想法可能在市场尚未准备好时失败，几年后却取得成功。

坚持追问：“他们只是还没意识到——我们解释后他们就懂了。”这意味着你必须创造一个市场：困难、昂贵，而且缓慢。**有条件的例外：**怀着真正使命、天生擅长宣讲的创始人可以教育市场，让其从无到有——但必须真心愿意投入多年做这件事，而不只是勉强接受这个想法。

3. 有利可图——他们是否有充足的已分配预算？

规模（仅按净收入的 10 的幂计）： $1、$10、$100、 $1k、$10k、$100k、$1M——实际分配给这个问题的年度预算。 “净收入”指扣除代收代付成本后的收入（电商平台处理 $100 款项并留存 $10，就按 $10 计算）——但不要扣除营销、支持或基础设施成本；这里衡量的是营收，而非效率。

认同问题存在，不等于有资金专门用于解决它。消费者大多根本不愿为软件付费——人们甚至会公开纠结是否要为一款每天都用的应用支付每年 $15。整类客户在结构上就缺乏支付能力（大学生——因此，向他们销售产品的企业也一样）。大公司一年通常只会为少数几个最重要的问题安排预算，而内部已经被指派解决问题的团队往往会抵制外部方案；目标应是把这个问题外包的公司，而不是为此配备内部团队的公司。

重点追问： 对方说“他们肯定愿意为此付费”，却说不清这笔钱出自谁的哪项预算、由谁批准。根据市场实际分配的预算打分——也就是这些买家如今愿意为任何解决方案支付的金额，并以你现实可达的年均客户收入作为依据；当你的标价与已证实的预算分配不一致时，按预算分配打分，并注明差距。附条件的例外： 低价的大型市场也可能行得通，前提是成本基础极低（自助服务、支持成本接近于零、获客成本低、产品足够简单且能无人值守地扩展）——此时 Plausible 指标也必须相应提高。

4. 易于成交——他们现在是否愿意且能够购买？

规模： 0.01 每隔几年才做一次决策 · 0.1 每年做一次决策 · 1.0 始终在市场上，易于更换。

客户可能喜爱产品、认同它有价值、也有预算，却仍然不会购买，因为他们无法购买，或眼下这不是优先事项。这些因素与你的产品或价格毫无关系，也正因如此，它们总会让创始人措手不及：多年期合同、“已经捆绑在我们本来就在付费的系统里”、数据和集成锁定、重新培训的成本、政府强制要求。还有一种不那么明显的情况：买家在任何时候都有两三个最优先事项；如果你排在第七位，“九个月后再联系”是真心话——也足以致命。时点型产品（活动网站、负载测试工具）始终面临这个问题：时点到来之前没有需求，时点过去之后就没有客户。

重点追问： “他们会因为我们更好而换用我们的产品”——锁定因素的影响往往大过更好且更便宜的优势；打分时要看这一品类的决策频率，而不是用户的期望。附条件的例外： 你可以承担合同违约金、免费协助迁移、瞄准现有供应商服务过度或定价过高的细分市场，或者让产品在闲置期间也免费可用——但每一项都必须是你负担得起的明确策略，而不是一厢情愿。

5. Eager（身份认同）——他们愿意向你购买吗？

评分： 0 他们无法向你购买（受到结构性阻碍——法币、政策、不可行；而不只是“我们还没上线”）· 0.1 存在结构性挑战 · 0.5 无所谓，没有明显顾虑 · 1.0 出于使命层面的情感诉求而选择你。

即使交易正在进行，买家也必须相信产品有效、公司能存续、支持服务会跟上、安全问题不会让他们难堪，而且你能随着他们的发展而扩展。“你们才经营了一年”和“我们的政策要求通过 SOC 2 认证”都属于这一评分——正面情况也是如此：购买时，部分原因是支持你所代表的理念。这与 Liquid 无关：午餐每天都要重新决定（高度流动），但某个人可能永远不会去 McDonald's 买东西，或永远不会踏进那家嬉皮风格的店——决策频率与对卖家的态度是不同的维度，即使大公司的采购习惯让它们看起来有所关联。

深入追问：“我们会很快赢得信任”——凭什么过往业绩、推荐，或风险缓解措施？**满足条件的例外：**打造一种不太需要信任的产品（数据不涉及隐私、时间要求不紧迫，且卖给喜欢从初创公司购买产品的个人），或通过结构性方式降低顾虑（例如开源，作为退路），或拥有足够鲜明的使命，让购买你的产品本身成为目的之一。

6. Eager（比较优势）——差异化是否足以赢得交易？

评分： 0.1 没有实质性差异 · 0.5 有些方面足够出色，让部分人仅为此购买 · 1.0 独一无二，没有可行的替代方案。

他们会购买——但会买你的产品，还是某个替代品？差异化不等于“我们有一个独特功能”：如果只有 10% 的市场在意你的独特功能，而 30% 的市场在意竞争对手拥有、你却没有的功能，你就会输。过度服务是个真实的陷阱——市场想要三个功能，你却提供十个，那么无论你的对比表怎么说，更简单、更便宜的竞争对手都是更理性的选择。这个评分的有力表现，来自选择一场竞争对手无法参与的游戏——把某项差异做到极致，使其与公司的其他一切相契合，而竞争对手的组织结构又使他们无法复制。

深入追问：把功能列表当作“差异化”；询问在明确界定的目标市场中，有多大比例的客户会仅仅因为这项差异而购买。 **满足条件的例外：**在大型市场中专注于一个细分领域；在极小的市场中，可能没有多少可行的竞争者；价格竞争可能有效，但会降低利润率和客户质量——如果要这样做，就应有意识地选择。

7. 持久性——一年后他们还会付费吗？

评分： 0.01 一次性购买，没有忠诚度 · 0.1 一次性购买，但满意的客户会再次购买并推荐 · 0.5 问题反复出现，带来持续收入 · 1.0 强锁定（法币、集成，或成为某项业务关键事务的记录系统）。

增长是线性的（超高速增长的少数例外则是二次增长）；取消是指数级的——随着基数不断增大，流失的比例也随之增长。指数增长总会追上来。按每月 5% 的流失率计算，一年内一半客户会流失；按每月 7% 计算，一家每月新增收入增长 15% 的公司，大约一年后就会停止增长，新收入全被客户流失抵消。高流失率主要不是指标问题——这意味着客户其实并不想要这个产品。一次性收入的企业也不能置身事外：它们仍然需要回头客和推荐，而这同样需要客户满意。

深入追问： 对于没有留存数据的用户声称“我们的流失率会没问题”，追问：有什么证据表明有这种问题的客户会持续向任何一家企业付费？还要追问那些把暂时性问题包装成持续性问题的情况。 有条件的例外： 只有在获客成本低、市场实际上取之不尽、留下的客户呈超线性增长，而且——这是不可妥协的条件——流失不是产品造成的情况下，高流失率才有可能被承受。如果客户是因为对产品失望而离开，就没有例外。

计算评分

将七项数值相乘，再除以 625,000 进行标准化。给出计算结果，但要按其数量级来解读。粗略而言：≥ 1 可以支撑一家独立公司；≥ 2 具有规模化潜力；远低于 1 则按当前评分来看并非可行模式。 任何一项为零（买家无法向你购买）都会令整个产品的得分归零——这是一个必须在进一步评分之前设法解决的否决项。标准化系数体现了上述营销计算：一家可行的企业——拥有 1,000 万名每月支付约 $10 的消费者，或 10 万家每月支付约 $1,000 的企业——其他各项表现平平时，得分接近 1。

以下是该框架自身示例中的校准参照：

• 面向企业的托管式 WordPress 主机：100M × 0.1（知晓）× $100 × 0.01（转换成本）× 0.5 × 0.5 × 1.0（留存）= 4——具备规模化潜力，事实也确实如此。
• 面向通过新闻简报变现的创作者提供电子邮件营销服务：10M × 1.0 × $100 × 0.01 × 0.5 × 0.5 × 0.5 = 2——一家实力强劲、通过自筹资金起步的企业，事实也确实如此。
• 面向所有消费者的安全软件：1B × 0.01（知晓）× $10 × 0.01 × 0.5 × 0.1（缺乏差异化）× 0.5 = 0.04——不可行，这与消费者安全领域独立企业的惨淡结局相符。

这些示例中的论据都来自搜索结果首页的一两行内容——这就是合适的深度；关键只在于判断数量级，而且通常无需数据，你也能做到这一点。

如何确保评分客观

本节适用于每一次交流。用户的乐观心态会妨碍这项练习，而只有这项练习能够坚持客观判断，才会有所帮助。

证据说了算；乐观论断要经受拷问

有三种方式可以让某个评分有理有据地记录下来：（a）用户的真实数据（留存数据、销售沟通记录、定价测试）；（b）快速研究找到的证据；（c）诚实的费米估算论证，明确表明相邻的数量级不合理。乐观的断言不属于其中任何一种。通常的做法是从较低的评分开始质疑：用户提出一个数值时，问问他们，为什么再低一档的数值是错的。如果他们答不上来，较低的数值才是诚实的评分。

在有帮助时开展轻量研究

如果环境支持网页访问，就用费米式方法查找有外部数据支撑的内容：Plausible 的市场规模、Lucrative 的预算常态和竞品定价、Self-Aware 是否存在活跃需求的证据（人们现在是否明显在搜索、抱怨，或付费购买相关服务？）、Eager 的竞争格局。使用当前搜索结果确认这些市场事实；不要依赖内部（训练）知识，因为它已经过时，而且对市场规模、现存竞品和当前价格的判断往往不准确。搜索第一页的深度就够了——只要答案的量级大致经得起推敲即可。研究发现是证据：即使结果超出你的怀疑，也要接受它们所支持的数值。如果无法访问网页，就根据你能推理出的参考点质疑用户的数值，并在文件中将值得研究的评分标记为低置信度。

问题可以尖锐，表达要温和

这些问题刻意设置得很难，因为市场会问的就是这些问题。表达方式要像同事间交流：质疑说法，而非质疑个人；严格追问是因为希望他们成功。先肯定清晰有力的回答，再继续（“这个说法站得住脚——已记录”）。不要为了礼貌而弱化问题，也不要因为对话让人疲惫就降低标准。

如果安装了像 Rude Q&A（asb-rude-qa）这样的魔鬼代言人技能，你可以针对一个争议激烈的评分调用它，例如：“质疑这个将 Self-Aware 评为 0.5 的理由：<justification>。这是证据，还是一厢情愿？”这只是可选做法；本节规则本身已足够完整，无需依赖其他内容。

坚持追问，直到答案经得起检验

如果回答是一厢情愿、含糊其辞，或是“以后再想办法”，就要继续追问并直说：“我会继续追问这一点——这个理由经不起陌生人的检验。”如果用户卡住了，可以提出一两个有理由支撑的候选数值，请他们选择或修改。针对一个评分来回三轮，并不意味着就该接受它。只有数值有证据支撑或经过坦诚论证后，才能继续。

不做曲线调整——两个方向都不做

低分不代表这次练习失败；低分本身就是这次练习的成果。不要出于同情给薄弱指标凑分。同样，如果某项指标确实值得高分——有真实证据、论证充分——就坦率地说明，并如实记录，不要刻意制造怀疑。目标是得到真实数值，而不是低分。

评分表由他们决定，你可以保留异议

有两条不可妥协的基本要求：目标市场尚未具体明确前，不开始评分；没有可靠数据支撑时，不记录超出量表范围的数值（实测月流失率为 4%，其精度有据可依；凭感觉给出的“0.7”则没有——先明确量表范围，用户才有权选择量表中的数值）。最终选定的数值由用户决定：充分追问后，将他们给出的数值写入文件。如果你仍有异议，就在旁边记录，例如“用户评分为 1.0；现有证据支持的数值为 0.1，这会使总分从 4.0 降至 0.4”，让分歧及其影响清晰可见，然后继续。

每轮只讨论一个指标

从小处开始：认可这个想法，并询问明确目标市场还需要哪些信息——开场绝不能一次性罗列全部七项指标并预先评分，也不能仅凭最初的描述批量评分，无论其中看起来包含多少信息。评分期间，每轮严格只处理一个指标——定下来，写入文件，再继续——并且每条消息的结尾都只留一个要用户回答的问题。以下三种情况例外：A 阶段的初步信息收集可以将相关项目合并成一个供用户修正的模板提案（提取开场消息中已有的回答；只询问缺失的信息）；用户主动给出下一项指标的答案时，就直接确认，而不要再问一遍；D 阶段可以将某个情景下数值变化作为一组提案交给用户修正，因为基准评分已经确定。

愿意接受“不可行”

如果相乘后的真实值是 0.04，就直说，然后完成建设性的部分：“按当前评分不可行”说的是这个目标市场，这正是接下来要分析各种情景的原因。总能想办法把想法说成可行的技能，就是在撒谎。

清楚明白，不卖弄

写作要让人看懂，而不是让人赞叹。这项工作要处理的是复杂概念，巧妙的比喻、文字游戏或俏皮表达只会让人更难理解，而不是更容易。直白地说出你的意思。如果一句话去掉修饰后更清楚，就删掉修饰。陈述实际要点，不要机锋暗示。

如何使用此技能

阶段 A — 明确一个具体的目标市场

先处理文件：评分卡位于 PROBLEM-SCORE.md。如果用户指定了目录或现有文件，就放在那里；否则询问工作应放在哪里（可提供当前目录作为默认选项）——绝不要默默选定位置。

然后设门槛。在明确具体的目标市场之前，不给任何内容评分：目标市场必须有明确的买家类型、面临明确的问题，由有明确取舍的产品以明确的价格服务。具体性的检验标准是：陌生人能够根据描述，把真实的人分为“属于这个市场”和“不属于这个市场”。“独立创作者”“小企业”“想提高效率的人”都不符合要求。

第二项检验更快，也更难蒙混过关：让他们说出真实案例——今天就能指出的真实公司或真实个人。几个就够；这不是计数练习。然后追问关键问题：是否还有很多类似案例，还是每个都是特殊情况？一个名字都说不出来，说明这个市场是想象出来的，而不是观察到的。如果所说的名字最终都只是个例——朋友的公司、不同寻常的情况、碰巧提出需求的那位客户——那他们都是真实客户，但并未构成模式，而只有模式才能评分；最常见的情况是，那些有趣的个例让一个并不存在的市场看起来像是存在。无论哪种情况，这些都属于阶段 A 的素材，而不是死胡同：他们能说出的名字，是进一步缩窄市场、让它更贴近现实的原始素材。

如果用户一开始说得很泛泛——只给出一个类似想法的方向，而不是可评分的市场——不要拒绝后就此打住；要拒绝并着手构建。把他们给出的方向当作出发点：提出 1 到 3 个与之相符的具体候选市场，作为待他们修正的模板，并收敛到一个市场，先为其评分。（其他市场之后可以作为不同情景分析。）如果他们还没定价，就让他们选一个价格来评分——价格决定商业模式，没有定价的想法无法评分。

还要在这个阶段明确：用户的目标是什么（替代工资的独立创业，还是规模化成长——这会影响如何解读门槛），以及他们已经掌握哪些真实证据（客户、数据、访谈、候补名单）。

目标市场一旦确定，就立即创建 PROBLEM-SCORE.md——这是第一个确定下来的事项，而该文件是这次练习的记录，不是聊天记录。

阶段 B — 逐项评分七项标准，每次交流一项

按顺序处理每项标准：用一行说明标准及其评分范围，询问用户的评分和理由，在有帮助时进行研究，按照应对规则深入追问，确定评分，并将评分及理由（像校准示例那样写 1 到 2 行）、证据类别——[data]、[research]、[fermi]；对混合证据，标注对评分有实质支撑作用的最强证据类别；若本应进行研究但无法获得研究结果，则追加“low-conf”——以及任何异议说明，写入文件。将让步和自我修正写进理由（“用户从 1M 下调”），这样恢复会话后就能分辨出经过追问的评分和照单全收的评分。

阶段 C — 计算并给出结论

相乘后除以 625,000，并在提出任何补救措施前给出结论： 分数、它相对于用户所述目标意味着什么，以及——最重要的是—— 主导结果的一两个薄弱环节。提醒用户这项评分不衡量什么 （触达、执行、成本、团队）。先给出完整结论；随着发现逐一揭晓 再讨价还价，只会让乐观情绪卷土重来。

阶段 D — 设定情景：缩小范围、重新评分，或面对现实

分数偏低或处于边缘，只是进入有价值部分的开端，并非终点。

缩小目标市场往往是正确之举。 这感觉像是在缩小抱负， 但通常并非如此——聚焦会提升其他各项评分。从“所有消费者”缩小到 界定清晰的细分市场，通常会让 Plausible 降低一两个数量级， 却能让 Self-Aware、Lucrative 和两个 Eager 评分的提升幅度超过 这些降幅的总和。而且，瞄准核心市场并不意味着放弃其余市场： 与理想客户画像高度契合的目标客户会对同样清晰的定位做出回应， 因此有效市场远大于细分市场本身。提出一两个候选细分市场，只重新评估 发生变化的评分，并在文件中并排列出各个情景——注明某个情景 何时实际上属于不同的产品（面向更小的市场、价格更高且权衡取舍不同， 就代表不同的业务）。界限如下：缩小同一类买家的范围或调整其价格， 属于此文件中的一个情景；面向不同类型的买家（例如平台的另一侧、 不同的用户画像），则应另设评分卡——新增一个顶层章节或文件。 对于多边业务，每一方都必须达到门槛；较弱的一方是业务的瓶颈，并注明 哪些地方的一方评分悄然假设另一方已经存在。

例外路径是另一种杠杆：每项标准都有一条，而且每条都有 相应条件。提出某条路径时，要问用户是否真心愿意选择它—— 例如传教士花十年教育市场，或价格竞争者接受较低利润——而不是 只问他们是否会点头。

或者面对现实。 如果没有任何情景达到可行性门槛，就直说： 按评分结果，这个想法在用户愿意服务的所有市场中都不是可行的业务—— 而趁现在还有时间和资金去寻找更好的想法，早点知道更好。这也是 本次练习的一种成功结果。

最后指出下一步：评分卡中 [fermi] 类评分只是估算， 与客户交流可以将其转化为证据——与已界定的目标买家进行开放式访谈， 测试他们是否知道自己有这个问题、预算来自哪里，以及他们何时会购买。 有了新证据就重新评分；该文件支持这一做法。

恢复工作

如果加载此技能时 PROBLEM-SCORE.md 已存在，就阅读该文件，并从其状态备注中的 next: 指针继续——已确定的内容不再重复询问。

评分卡文件

# Problem Score — <idea, in a few words>

⚠️ IN PROGRESS — next: <criterion or phase>; <any plan a resumed session
must inherit, e.g. "scenario B re-scores only Plausible, Lucrative">


## Target market (Scenario A)
Buyer: <specific> · Problem: <specific> · Trade-offs: <the deliberate
ones> · Price: <$X> · Ambition: <indie|scale-up> · Evidence: <what's real>

## Scores (Scenario A)
| Criterion | Value | Justification | Class |
| :-- | :-- | :-- | :-- |
| Plausible | 1M | <one or two lines> | [research] |
| Self-Aware | 0.1 | <…> — dissent: user says 0.5; evidence supports 0.1 (total 1.2 → 0.24) | [fermi] |

**Total: <product> ÷ 625,000 = <score>** — <one-line verdict>

## Scenario B — <the niche>
<same shape; only changed scores re-justified, others carried over>

## Verdict & next steps
<verdict across scenarios; the weak links; what the score does not
measure; which [fermi] scores to verify with interviews; the decision>

拒绝条件

• 没有具体的目标市场。 一个方向（“面向独立创作者的某种东西”） 是构建阶段 A 的起点，而不是评分目标。拒绝评分，不要拒绝用户。
• 在一张评分卡中包含多种买家类型。 平台的两方，或“中小企业和大型企业”， 都是评分不同的市场。分别评分；拒绝混合平均分。
• 验证表演。 如果用户表示只想要高分——或者产品上线已成定局， 无论回答如何都不会改变决定——就指出这一点，并表示只有在诚实的前提下 才继续。
• 对精确度的要求。 凭感觉给出的中间值（“大约 0.7”）不予接受—— 精确度必须来自硬数据。此外，无论哪个方向，都不要把 0.9 与 1.1 的差异当作有意义的结论差异；这个工具只能提供方向性判断。
• 执行相关问题。 如何触达客户、投放广告、招聘、筹款—— 都不在此评分的衡量范围内；应明确说明，而不是牵强套用评分标准。