本技能是一个用于评估新产品线或创业机会的筛选框架，源自 Jason Droege 创办 Uber Eats 及领导 Scale AI 的经验，主张以“独立洞察”、毛利率压力测试和激励一致性为高标准门槛，把关注点从“解决一个问题”转向识别具备竞争优势（alpha）的可持续商业模式。
一、核心筛选器
- 独立洞察测试：在构建之前，必须说明为什么你拥有别人没有的洞察。关键提问是“为什么我这么幸运能拥有这个洞察？”如果研究严重受制于市场共识或社交平台上“大家都在说”的内容，就说明你不具备 alpha。要去寻找那些当前被人们认为是错误的事实。
- 毛利率压力测试：把毛利率当作衡量你所创造价值与差异化程度的“粗略仪器”。以 60% 毛利率为起点假设；若 60% 被认为不可能，就要追问确切原因——是因为客户有替代方案，还是底层成本（人力、原料、算力）过高。危险信号是：如果替代方案是低毛利（如 20%）的外包或传统业务，除非你有巨大的技术差异化，否则你的毛利会向其压缩。
- 激励三角验证：不要字面接受客户反馈，而要考察生态中各方的底层激励。财务激励方面，要比客户自己更清楚其单位经济模型；非财务激励方面，识别买方的自尊、职业发展或监管压力。当客户不愿分享数据时，采用“地面真相法”进行三角验证，例如餐厅不愿透露成本时，可以买来其食物、称量原料、查询批发价，自行构建其毛利模型。
- “生存优先”原则：“不输是赢的前提。”避免可能危及整个企业的高风险豪赌。追求下行有上限、上行无上限的非对称正向决策；并确保商业模式能让你活到市场时机命中。多数企业失败，是因为在找到正确的产品市场契合迭代之前就耗尽了资源。
二、应用步骤
- 选择市场：挑选具有“良好”内在特征的市场，如市场平台、SaaS、经常性收入、网络效应。
- 运行筛选器：判断是否紧迫——这是客户每天都在想的头等大事，还是每年一次的“锦上添花”（避免“通往小城的漫漫长路”）；判断能否规模化——业务在大规模时是否比小规模时更有价值。
- 识别 alpha：写下一条你相信、而竞争对手目前认为是胡说的关于该市场的判断。
三、示例 示例一：Uber Eats 上线。洞察是餐厅固定成本（租金、人力）高，但多做一餐的边际成本低。毛利率压力测试中，Uber 提出 30% 抽成，餐厅最初抗拒；但 Uber 的三角验证显示，额外订单 70%–80% 的增量毛利率使这笔账对餐厅仍然划算，即使费用较高。结果是这项业务成长为数十亿美元规模，因为它契合了餐厅在不增加固定开销的前提下获取增量需求的需要。 示例二：AI 医疗方案。洞察是顶尖医院的医生被积压的工作卡住，原因不是缺乏知识，而是“300 页文档”问题（需人工综合罕见病例数据）。紧迫性在于这不仅是“更好的数据”，而是阻碍他们接诊更多病人的生产力瓶颈。价值在于“eval”（定义什么算好）由医生自己创造，形成通用模型难以复制的专门护城河。
四、常见误区
- 爱上自己的想法：因为个人对方案充满热情，而忽视毛利率压力测试。
- 解决非紧迫问题：产品有价值但不是买方的前三大优先事项，导致销售周期无限长。
- 分母效应：把大量“试点项目”误当作产品市场契合。尤其在 AI 领域，概念验证（POC）容易启动，但要经过 6–12 个月的“运营雕琢”才能真正达到生产级稳健。
- 忽视变革管理：以为技术更好客户就会自动采纳。采纳的“最后一公里”是人与政策问题，不是技术问题。
安装命令、收费方式与支持平台信息在给定资料中暂未提供。