mcpField
S
stress-test

stress-test

github.com/alirezarezvani生产力28.9k1.5k 次安装2 天前更新
代码仓库

关于 stress-test

面向创始人和团队的商业假设压力测试技能。它通过寻找反面证据、模拟下行情景、分析敏感性并提出应对方案，检视高风险假设。

主要功能

  1. 01明确并拆分假设
  2. 02寻找反面证据
  3. 03模拟下行情景
  4. 04分析结果敏感性
  5. 05提出风险对策

适用场景

  1. 01审查收入和增长预测
  2. 02检验市场规模估算
  3. 03评估竞争壁垒假设

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/alirezarezvani/claude-skills --skill stress-test

安装后在 Claude Code 中输入/stress-test确认已加载。

详细介绍

/em:stress-test — 商业假设压力测试

命令: /em:stress-test <assumption>

在市场先下手之前,先把任何商业假设拆开检验。收入预测。市场规模。竞争护城河。招聘速度。客户留存。

为什么大多数假设都是错的

创始人天生乐观。这是一种优点:从零开始做一件事,你需要乐观。但当商业模式中的假设被同样的乐观情绪不断放大时,它就变成了负债。

最危险的假设,是所有人都认同的那些。

当整个团队都相信这个 5000 万美元的市场是真实的,当每次投资人会面都进展顺利、于是你假设融资一定能完成,当你的模型显示 12 月达到 200 万美元 ARR 而没有人质疑时——这恰恰是你最容易受伤的时候。

压力测试不是悲观主义,而是校准。

压力测试方法论

第一步:隔离假设

明确地陈述它。不要说"我们的市场很大",而要说"德国中小企业 B2B 支出管理软件的总可服务市场规模为 23 亿欧元"。

假设越具体,就越可检验。模糊的假设无法被证伪,因此毫无用处。

常见假设类型:

  • 市场规模 — TAM、SAM、SOM;增长率;客户细分
  • 客户行为 — 付费意愿、流失、扩展、推荐
  • 收入模型 — 转化率、单笔交易规模、销售周期、CAC
  • 竞争地位 — 护城河的持久性、竞争对手的反应速度、转换成本
  • 执行 — 团队速度、招聘时间线、产品时间线、运营规模化
  • 宏观环境 — 监管环境、经济状况、技术可得性
第二步:寻找反面证据

对于每一个假设,主动寻找证明它是错误的证据。

问自己:

  • 谁尝试过这件事并失败了?
  • 有哪些数据与这一假设相矛盾?
  • 悲观情景是什么样子?
  • 如果一位精明的怀疑者审视这件事,他会指出什么?
  • 类似假设的基础概率是多少?

反面证据的来源:

  • 在相邻市场中失败的可比公司
  • 类似业务的客户流失数据
  • 类似预测的历史准确性
  • 数据相互矛盾的行业报告
  • 尝试过此事的竞争对手发现了什么

目的不是找理由停下来,而是把你尚未知道的东西暴露出来。

第三步:模拟下行风险

大多数计划只模拟基准情景和乐观情景。压力测试则要明确地模拟下行情景。

对于定量假设(收入、增长、转化):

情景假设值概率影响
基准情景[原始值]?
悲观情景-30%?
压力情景-50%?
灾难情景-80%?

在每个层级上的关键问题是:业务能否存活?计划是否仍然成立?

对于定性假设(护城河、产品市场契合度、团队能力):

  • 假设出错的最早信号是什么?
  • 你需要多长时间才能察觉?
  • 从假设被打破到你发现之间,会发生什么?
第四步:计算敏感性

有些假设比其他假设更重要。敏感性分析要回答的问题是:如果这一个假设发生变化,结果会改变多少?

示例:

  • 如果 CAC 翻倍,跑道会如何变化?
  • 如果流失率从 5% 升至 10%,24 个月后的 NRR 会如何变化?
  • 如果交易周期从 3 个月变为 6 个月,对第三季度收入有何影响?

敏感性高 = 该假设是关键杠杆。一旦判断错误 = 重大问题。

第五步:提出对冲方案

对于每一个高风险假设,都应当有对应的对冲方案:

  • 验证性对冲 — 在押注之前先检验它(试点、客户访谈、小规模实验)
  • 应急性对冲 — 如果它是错的,B 计划是什么?
  • 预警性对冲 — 哪些先行指标能在为时已晚之前告诉你它正在瓦解?

按假设类型进行压力测试的模式

收入预测

常见失误：

  • 自下而上的模型假设 100% 的商机都能成交
  • 未考虑交易延期、流失和季节性因素
  • 新渠道在未经大规模验证前就被假定有效

压力测试问题：

  • 你商机的实际历史赢单率是多少？
  • 如果前 3 笔大单推迟到下个季度，这个数字会怎样变化？
  • 如果你的新销售代表需要 4 个月而不是 2 个月才能上手，模型会是什么样？
  • 如果扩展收入没有实现，增长率会是多少？

测试方法： 基于历史赢单率而非期望赢单率来构建收入模型。

市场规模

常见失误：

  • TAM 完全由行业报告自上而下估算，未经自下而上的验证
  • 把总体市场与可服务市场混为一谈
  • 假定 100% 的 SAM 都可以触达

压力测试问题：

  • 你的 ICP 中实际存在多少家公司？你能说出它们的名字吗？
  • 第 1 至 3 年你的可服务可获得市场（SOM）是多少？
  • 你的 ICP 中有多大比例的企业目前正在为解决这一问题购买任何方案？
  • “赢”意味着什么？需要达到多大的市场份额？

测试方法： 列出目标客户清单，逐一计数，再乘以 ACV，即为你的 SAM。

竞争护城河

常见失误：

  • 所谓护城河只是一项 6 个月内就能被复制的技术优势
  • 尚未真正显现的网络效应
  • 需要你并不具备的规模才能形成的数据优势

压力测试问题：

  • 如果一家资金充足的竞争对手在 90 天内复制了你最好的功能，客户会怎么做？
  • 在尝试过其他替代方案的客户中，你的留存率是多少？
  • 这条护城河在今天是真实存在的，还是只是规模化之后的理论设想？
  • 竞争对手需要付出多大代价才能达到功能对等？

测试方法： 询问已流失的客户为什么离开，以及竞争对手是否本可以留住他们。

招聘计划

常见失误：

  • 招聘周期按标准流程估算，未考虑当前的人才市场
  • 未将新人上手时间（完全产出前通常需要 3 至 6 个月）纳入模型
  • 关键人员依赖：只有招到特定人选，计划才能成立

压力测试问题：

  • 如果销售副总裁的招聘耗时 5 个月而不是 2 个月，会发生什么？
  • 如果你只招到计划编制的 70%，执行会是什么样子？
  • 如果某一位关键人员明天离职，会对计划造成最大的损害？
  • 如果招聘冻结，现有团队能否实现这一计划？

测试方法： 以新增净招聘人数为 0 来建模该计划，看看还有哪些部分依然可行。

竞争应对

常见失误：

  • 假定现有厂商不会做出反应（一旦你开始取得成功，他们就会反应）
  • 低估对方的反应速度
  • 未对资源的不对称性进行建模

压力测试问题：

  • 如果市场领导者在 6 个月内复制你的产品，定价会如何变化？
  • 如果一家竞争对手融资 3000 万美元来进攻你所在的赛道，你的应对是什么？
  • 你的客户中，哪些与你的竞争对手存在供应商关系？

压力测试输出

ASSUMPTION: [Exact statement]
SOURCE: [Where this came from — model, investor pitch, team gut feel]

COUNTER-EVIDENCE
• [Specific evidence that challenges this assumption]
• [Comparable failure case]
• [Data point that contradicts the assumption]

DOWNSIDE MODEL
• Bear case (-30%): [Impact on plan]
• Stress case (-50%): [Impact on plan]
• Catastrophic (-80%): [Impact on plan — does the business survive?]

SENSITIVITY
This assumption has [HIGH / MEDIUM / LOW] sensitivity.
A 10% change → [X] change in outcome.

HEDGE
• Validation: [How to test this before betting on it]
• Contingency: [Plan B if it's wrong]
• Early warning: [Leading indicator to watch — and at what threshold to act]

评论

支持 Markdown