Hypothesis Scoring 是一个用于外呼营销（outbound）的预启动评估方法，由 Victor Shulga 提供，属于其 ai-native-outreach-skills 技能集合。它的核心用途是：在批量测试启动之前，对一堆假设想法进行评分、排序，并输出一个“启动队列”——明确现在做哪三个、哪些等待、哪些被取消及原因。设计目的是用一个在发送前就商定的数字，终结测试后常见的“到底有没有效”争论。
主要能力
- 停止过滤器（Step 1）：对每个假设进行四项是/否门槛检查（G1 列表可构建、G2 触发可验证、G3 证明存在、G4 决策者可在渠道触达）。任何一项为“否”则假设不参与评分。同时包含仅针对邮件的技术停止过滤器（SPF/DKIM/DMARC、收件箱位置测试、邮箱预热≥3周、退信率<3%），任一失败会阻塞所有邮件假设，需作为单个阻塞项报告并指定负责人。
- 改写成规范格式（Step 2）：将幸存假设改写为“对于 [ICP] 在触发 [T] 下，通过渠道 [C] 提供 [O]，将在 3 周内每 300 个联系人产生至少 [N] 个回复。”的句式，并给出 N 的计算方式：自有历史数据优先，市场基准仅作为后备（邮件默认 N=4–5，LinkedIn 默认 N=15–20）。
- 渠道物理容量（Step 3）：根据渠道容量决定并行测试数量。例如 LinkedIn 每个账户约每日 20 个邀请，300 个联系人需 15 个工作日（3 周）一个账户一个假设；邮件 3 个邮箱×30 封/天 = 90 封/天，3 步序列 300 联系人约需 10 个工作日。输出可用容量、本周期能容纳的假设数及每个测试的停止日期。
- 六因子评分（Step 4）：对每个假设按六个因素打分（0/1/3/5），加权总分范围 0.0–5.0。因素及权重：证明强度（0.25）、痛点锐度（0.25）、触发非显性（0.20）、细分规模（0.10）、数据收集成本（0.10）、验证速度（0.10）。硬规则：证明或痛点为 0 时直接移出队列，无论总分多高；总分最高的三个进入执行，不管有多少个超过 3.2 分；每项评分需附一句话理由。
- 队列输出（Step 5）：生成表格列出每个假设的六因子得分、总分及状态（launch、queue、dropped、failed the gate），并说明修复动作。
- 启动计划与日志（Step 6）：为三个启动的假设制定 ICP、触发、提供、渠道、N、首批规模（300）、开始/停止日期及关闭决策人。强调每轮只改一个变量、每公司联系 2–3 人、触发有有效期（招聘信号约 30 天、融资约 90 天），并提供日志骨架（含空的事实列和三种结论：扩大、改一个变量、关闭）。
- 组合 80/20（Step 7）：一旦两个假设确认了会议，80% 的渠道每日配额给已验证的假设，20% 留给一个活跃测试直至 300 个联系人。
- 失败诊断：按技术、定位、提供、信息四个轴依次检查失败原因。
- 辅助脚本：scripts/score.py 执行算术并排序队列，输出可直接粘贴的排名 Markdown 表格。输入格式、硬零规则和门槛处理在脚本头部有文档说明。
使用方式
- 准备假设想法列表，每个想法尽量包含 ICP、触发、提供、渠道、证明（带数字的案例）和列表来源。缺失字段不是阻塞项，但会作为发现记录——无证明或无列表来源的想法在 Step 1 门槛失败，不可编造。
- 如未提供，需询问：哪些渠道已启用、发件人数量（LinkedIn 账户/邮箱），以及团队是否有自己的活动历史（自有数据优先于市场基准）。
- 按 Step 1 至 Step 7 顺序执行，输出门槛表、规范句式、渠道容量分析、评分表、队列、启动计划与日志骨架。
- 可运行 python3 scripts/score.py hypotheses.json 进行自动计算与排序。
适用场景
适用于外呼营销团队在启动测试前统一评估和排序假设，尤其适合多假设并行、需要分配有限渠道容量的情况。可与 hypo-generator（生成假设矩阵）、agency-signal-sourcer（信号检测与成本数据）、anticopywriting-ai（报告发送前检查）等技能配合使用。
限制
- 评分具有主观性，仅用于决定启动顺序，事实仍来自回复。
- 300 个联系人是测试最低要求，正面回复在 300 规模下不可读，需从 1000 起讨论正面回复和每次会议成本。
- 测试的基础指标是回复率，但假设在会议上判定成败；4% 回复且零会议不算有效假设。
- 一次仅启动三个假设；第四个会分散注意力和列表。
- 必须提前约定谁决定关闭测试，否则测试会持续到有人厌倦。
- 不得编造证明或列表来源；缺失即门槛失败，不应给予评分。
- 触发信号会过期，三个月前组装的列表不是触发列表，活动会失败。
- 输出语言默认使用团队工作语言（乌克兰语团队默认乌克兰语；输入为英语则用英语），用平实词语，避免术语。