关于 hypothesis-scoring
hypothesis-scoring 是面向增长团队的技能，可将外联活动构想整理为上线前的排序队列。它先筛查可执行性，再进行加权评分，并规划测试容量、停止日期和记录表。
主要功能
- 01四项执行可行性门槛
- 02将假设改写为量化格式
- 03六因素加权评分
- 04按执行容量安排队列
- 05测试计划与记录表模板
- 06按活动阶段诊断失败
适用场景
- 01选择下一轮外联测试假设
- 02检查名单与渠道是否可执行
- 03根据发件人容量规划并行测试
- 04诊断外联活动效果不佳的原因
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/hypothesis-scoring确认已加载。
附带文件examples/hypotheses.example.jsonscripts/score.py
详细介绍
假设评分——上线前的队列
收集一批假设构想，并返回一个上线队列：哪 3 个现在开始执行，哪些暂缓，哪些不合格，以及原因。
这项技能旨在用一个事先达成一致的数字，结束一批外联测试后通常会出现的争论——“到底有没有效果”。
**输出语言：**团队的工作语言（默认使用乌克兰语，适用于乌克兰语团队；如果输入是英语，则使用英语）。用词通俗，不用行话。
你需要准备的内容
- 一份假设构想清单——可以是
hypo-generator生成的矩阵、研讨会产出、团队自己的清单，也可以是原始文本。 - 每项构想最好包含：ICP · 触发因素（或静态数据点）· 方案 · 渠道 · 佐证（含数字的案例）· 清单来源。
缺少字段不会阻碍流程——这本身就是一个发现。缺少佐证或清单来源的构想会在步骤 1 未通过关卡。绝不要编造这两项内容。
如果未提供，请询问：哪些渠道已启用、有多少发送者（LinkedIn 账号 / 邮箱），以及团队是否有自己的营销活动历史记录（自有数据始终优先于市场基准）。
工作流
步骤 1——停止筛选（评分前的关卡）
4 个是/否关卡。**有一个答案为“否”，就不对该假设评分。**给无法执行的内容评分，只会污染队列。
| # | 关卡 | 通过意味着 |
|---|---|---|
| G1 | 可以构建清单 | 有明确的来源和筛选条件，能筛出 ≥300 家符合此触发因素的公司。“在 LinkedIn 上找找” = 不通过 |
| G2 | 触发因素可核实 | 对某一家具体公司，你可以确认该事件确实发生，并说出日期 |
| G3 | 存在佐证 | 有案例、数据，或决策者会认可其与本细分市场相关的相邻项目 |
| G4 | 可通过该渠道触达决策者 | 他们会看 LinkedIn，或拥有能通过邮件网关检查的工作邮箱 |
**技术停止筛选（仅限邮件——每家公司检查一次，而非每项假设检查一次）：**每个域名都已配置 SPF/DKIM/DMARC · 已测试邮件收件箱送达率（不能只是“嗯，邮件发出去了”）· 邮箱已预热 ≥3 周 · 过往营销活动的退信率低于 3%。
此处任一项未通过，就会同时阻止所有邮件假设——将其报告为一个有负责人的阻碍因素，而不是 N 个单独发现。这些检查只需一天；若跳过，就会破坏后续所有结论，因为假设看起来可能已经失效，实际上只是邮件根本没有送达。
输出一张关卡表：hypothesis | G1 | G2 | G3 | G4 | verdict。对于每个未通过项，写明唯一的修复措施及负责人。
步骤 2——改写为标准格式
无法用数字证伪的假设，只是观点。将每个通过筛选的假设改写成一句话：
对于触发因素为 [T] 的 [ICP]，通过 [C] 渠道提供 [O]，将在 3 周内每 300 个联系人中获得至少 [N] 条回复。 低于 N 的一半：结束测试。介于 N 的一半和 N 之间：更改一个变量并重复测试。达到或超过 N：将规模扩大到 1000。
计算 N——有团队自身历史数据时使用自有数据；没有时才使用市场基准：
| 渠道 | 以 300 个联系人计算 | 默认 N |
|---|---|---|
| 300 × 1.5%（2026 年平均回复率） | 4–5 | |
| 300 × 30% 接受率 × 20% 回复率 | 15–20 |
N 是最低线，不是预测值。如果有人想把 N 设在市场基准以下，这项假设就不值得占用名额。
步骤 3 — 渠道产能（实际上能开展多少项测试）
产能决定能并行运行多少个假设，而不是雄心。
- **LinkedIn：**每个账号每天约 20 个邀请 → 300 个联系人 = 15 个工作日 = 一个账号围绕一个假设测试 3 周。三项并行测试需要三个账号。没有第三种选择。
- **邮件：**3 个邮箱 × 每天 30 封邮件 = 每天发送 90 封。针对 300 个联系人的 3 步序列 ≈ 发送 900 封 ≈ 10 个工作日。
输出：可用产能 → 本周期实际能开展多少个假设 → 日历中每项测试的停止日期。如果队列长于产能，就直说——剩余假设之所以在等待，是因为产能不足，而不是评分不够。一项 LinkedIn 账号并行测试五个假设，实际上就是一项为期五个月的计划。
步骤 4 — 评分（6 项因素，分值为 0 / 1 / 3 / 5）
零分是必需的。没有零分，每个选项都会集中在 3 分左右，评分就无法区分任何选项。
| 因素 | 权重 | 5 分 = | 0 分 = |
|---|---|---|---|
| 该细分市场的证明力度 | 0.25 | 有一个案例，且在这个细分市场中有真实数据 | 完全没有证明 |
| 痛点的尖锐程度 | 0.25 | 当下就造成困扰，预算已分配 | 我们臆造的痛点；市场从未提过 |
| 触发信号的独特性 | 0.20 | 竞争对手不会使用这个信号 | 人人都在用——只是噪声 |
| 细分市场规模 | 0.10 | 超过 1,000 家公司 | 连 300 家都凑不齐 |
| 数据收集成本 | 0.10 | 一小时内就能建好名单 | 需要逐个账号手动研究 |
| 验证速度 | 0.10 | 一周内收到首批回复 | 整个周期超过一个月 |
中间分值：1 = 有一些，但较弱 · 3 = 一般，能用但不出众。
总分 = Σ（分数 × 权重），范围为 0.0–5.0。
两条硬性规则：
- 证明力度或痛点得零分，假设就不能进入队列——无论总分多少。将其报告为已淘汰，并指出缺少什么。没有证明却得到高总分，是代价最高的盲目自信。
- 总分最高的三项进入执行，不管有多少项超过 3.2。阈值次要，队列才是机制。第四项假设会分散注意力，也会分散名单。
每个分数都必须附上一句理由。只有数字，之后就无从讨论；过一个季度，谁也不记得当时的含义。
评分带有主观性，这没关系：它只决定启动顺序。无论如何，事实都会来自回复。
步骤 5 — 队列
| # | 假设（一句话） | 证明 | 痛点 | 触发信号 | 规模 | 数据 | 速度 | 总分 | 状态 |
|---|
状态：启动（前 3 项） · 排队（等待下个周期或空闲产能） · 淘汰（证明力度或痛点得零分） · 未通过门槛（步骤 1 未通过 + 待修正项）。
第 6 步 — 启动计划 + 日志
对于已启动的三个假设：
- ICP · 触发条件 · 优惠方案 · 渠道 · N · 首批规模（300）· 开始日期 · 停止日期 · 谁决定关闭测试。
- 变量的顺序。 第 1 轮测试“在哪里”：冻结优惠方案和文案，并行测试 2–3 个细分群体（一个细分群体 = ICP + 触发条件，两者要一起变动）。第 2 轮测试“是什么”：选出胜出的细分群体，测试两个优惠方案变体。第 3 轮测试“怎么做”：细分群体和优惠方案不变，改变切入角度——首句、证明、行动号召。每轮只改一个变量；一次改两个变量，结果就只能靠猜。
- 每家公司联系 2–3 个人，不要只联系一个。 只有一个联系人时，你无法分辨是“人选错了”还是“公司选错了”，还可能误关掉一个正在奏效的细分群体。
- 触发条件会过期。 招聘信息在约 30 天后就不再是信号，融资消息在约 90 天后也会过期。三个月前整理的名单不是触发名单，用它开展的营销活动无论文案质量如何都会失败。
然后输出日志框架，事实列留空：编号 · ICP · 触发条件 · 优惠方案 · 渠道 · 开始日期 · 停止日期 · 联系人 · 公司 · 发送数 · 送达数 · 打开数 · 回复数 · 肯定回复数 · 会议数 · 三条逐字引用的异议 · 结论 · 下一步。
结论只能有三个值：扩大规模 · 更改一个变量 · 关闭。如果你想写“还不确定”，说明样本量太小——这本身也要记录在日志中。
每次测试都要保留三条逐字引用的异议。开展五次营销活动后，你就会有一本词典，市场本身会在其中解释自己为什么不买。
第 7 步 — 80/20 组合（两个假设都确认能带来会议之后）
每天该渠道配额的 80% 分配给已验证有效的假设。20% 留给一个正在进行的测试——不是两个，不是五个，而是一个，并且一直做到 300 个联系人。测试获胜后，将其纳入正在运行的 80%，并关闭表现最弱的已验证假设；第 5 步的队列会提供下一个测试。
分析失败（测试结果返回时）
评分在启动前完成，但只有在诊断失败而不是为之惋惜时，队列才能保持客观。按以下顺序检查四个方面：
- 技术问题 — 打开率低于 30%、退信率高于 3%、邮件进入垃圾邮件箱。问题与假设无关：修复送达问题，然后重新运行同一测试。
- 目标定位 — 有回复，而且回复说“我们不做这个”“你找错人了”“我们不在那个地区”。细分群体或目标人选有误。
- 优惠方案 — “了解了，但我们不需要”“我们内部处理”“我们已经有承包商了”。细分群体正确，但价值主张较弱。
- 信息 — 送达正常，细分群体也得到确认，但没有回复。问题出在文案和切入角度。
硬性规则
- 绝不编造证明材料或名单来源。缺失 = 门槛判定为 FAIL，而不是“3 分”。
- 假设没有 N 数值就不予评分——先将其改写为标准格式。
- 300 个联系人是最低测试量。300 个联系人时，肯定回复数根本无法解读：一条和三条之间的差异只是随机波动。至少达到 1000 个联系人后，再讨论肯定回复数和单次会议成本。
- 测试的基础指标是回复率；假设是否获胜取决于会议数。回复率达到 4% 但没有会议，无论表格怎么说，都不算有效假设。
- 正好启动三个假设。第四个会分散注意力和名单资源。
- 只要有自己的营销活动数据，就优先于市场基准。
- 提前约定由谁决定关闭测试。否则，测试会一直运行到有人厌烦为止。
辅助脚本
scripts/score.py 会进行计算并对队列排序，这样就没人需要在脑子里计算权重：
python3 scripts/score.py hypotheses.json
输入格式、硬性零分规则和门槛处理方式都记录在脚本头部。脚本会输出一张排序后的 Markdown 表格，可直接粘贴到报告中。
搭配使用
hypo-generator— 根据机构 URL 构建假设矩阵；此技能会在发布前对其输出进行评分。agency-signal-sourcer— 提供每种触发条件的检测工具、成本和衰减窗口；为“数据收集成本”和“触发条件的隐蔽性”因素提供依据。anticopywriting-ai— 发送给任何人之前，先用它检查完成的报告。