<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	xmlns:media="http://search.yahoo.com/mrss/" >

<channel>
	<title>左侧学堂 &#8211; 投黑马</title>
	<atom:link href="https://touheima.com/tag/%e5%b7%a6%e4%be%a7%e5%ad%a6%e5%a0%82/feed/" rel="self" type="application/rss+xml" />
	<link>https://touheima.com</link>
	<description>AI 时代的左侧研究机构</description>
	<lastBuildDate>Sun, 15 Nov 2026 05:40:12 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=7.1.4</generator>

<image>
	<url>https://touheima.com/wp-content/uploads/2023/12/Touheima-icon-1-150x150.png</url>
	<title>左侧学堂 &#8211; 投黑马</title>
	<link>https://touheima.com</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>投资直觉：怎样用可验证的结果校准早期判断</title>
		<link>https://touheima.com/academy-investment-intuition-feedback/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Sun, 15 Nov 2026 05:40:12 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[Bing]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[企业服务]]></category>
		<category><![CDATA[假设检验]]></category>
		<category><![CDATA[投资直觉]]></category>
		<category><![CDATA[投黑马]]></category>
		<category><![CDATA[早期投资]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3113</guid>

					<description><![CDATA[投资直觉怎样接受检验？用Bing实验与试点转付费练习，学习事前留痕、核查异常结果，区分预测落空、期限未到和资料缺失，明确何时调整早期判断。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/academy_list/">左侧学堂</a> / 2026年11月15日 / 全文共3351字</p>
<p>看完一次产品演示，觉得团队理解客户；访谈结束，又觉得采购意愿比预想强。投资直觉每天都在产生，几个月后，判断者却未必记得自己当时究竟押中了什么。</p>
<p>如果公司顺利融资，先前的好感容易被解释成眼光；如果销售停滞，又能找出市场环境、交付延期等理由。这样的复盘很难训练判断，因为最初的预期始终可以改写。</p>
<p>投黑马建议，在继续尽调之前，先留下一个有期限、能查证的预测。等结果出现，核对原话与证据，再决定哪一部分判断需要调整。本文用一个真实实验和一组假设练习，说明这份记录怎样写、怎样验，以及哪些结果仍然不能回答投资问题。</p>
<h2>一个小改动，为什么需要重新判断</h2>
<p>2012年，微软必应的一项建议，是把广告标题下第一行文字并入标题，改变广告的显示方式。据实验参与者后来在《可信在线对照实验》中回顾，这项建议优先级较低，搁置半年多后才被一位开发者实现。试验随机向用户展示新旧版本，并记录交互和收入。</p>
<p>测试开始数小时后，系统触发收入过高告警。作者称，核查确认增长有效，随后又多次重复实验；报告的收入增幅为12%，关键用户体验指标没有显著恶化。这是参与者对历史实验的公开回顾，公开材料未提供完整原始数据，读者无法独立复算这一增幅。</p>
<p>沿着这段过程，可以检查三个不同的问题。最初的低优先级安排，反映了团队对改动价值的预期；新旧版本的随机比较，提供了重新估计价值的依据；异常告警后的核查与重复测试，则用于判断结果是否可信。收入增加也要和用户体验一起看，单个指标不能包办产品决策。</p>
<p>这段历史没有披露一份完整的事前预测记录，我们不能替当年的团队补写成功阈值，更不能推断他们原先给了多少成功概率。它能演示的，是低预期如何受到实验结果挑战，以及为什么需要先查结果，再改判断。下面的事前记录方法，是把这个问题迁移到早期尽调时的操作建议。</p>
<p>早期项目通常没有足够用户做这种随机试验，投资人也很难直接控制产品与客户接触方式。可借用的部分，是把问题缩小到能观察的行为，并保留复核机会。Bing的增长幅度不能搬进一家初创公司的财务预测。</p>
<h2>把「我看好」写成下一次能核对的话</h2>
<p>「客户痛点很强」缺少明确对象。访谈中的认可、愿意试用、签采购合同、真实付款，是不同的行为；观察到其中一种，不能自动补齐其他几种。</p>
<p>可以先问自己：这次尽调最需要澄清的一个疑问是什么？如果疑问是客户是否愿意按当前价格采购，就把价格条件、客户范围、付款期限写进同一个预测。若疑问是产品能否进入日常工作，应该观察持续使用与替代原有流程的情况，付款数字只能回答其中一部分。</p>
<p>以下是一项完全假设的企业软件练习，不对应任何真实公司。某团队在同一天，为8家符合既定客户画像的企业启动了试点，统一试用30天。投资人事前写下：试点开始后第45天结束前，预计至少4家会按已告知的标准价格，签订年度订阅合同并支付首期款。</p>
<p>这句话还要附上证据要求：客户清单在试点开始时留存，后来新增的客户单列；付款要核对合同、到账凭据和对应客户；可退还押金不计入首期订阅款。若有人拿到特殊折扣、额外定制或延长试用，需要注明，不能悄悄混入标准价格转化。</p>
<p>这里的8家、4家和45天都是练习设定，不能当作企业软件行业标准。真实项目需要根据采购流程、已有合同和产品使用周期选择观察窗口。如果采购本来需要半年，用一个月付款作为门槛，检验的可能只是预算审批速度。</p>
<p>预期也应写明理由。例如，前期访谈显示这8家都有明确预算负责人，试点功能覆盖了共同需求，因此预计部分客户会在试用结束后付款。这些理由让复盘有处可查：判断错在预算权限、产品效果，还是销售周期，可以逐项追踪。</p>
<p>记录一旦开始使用，就保留原版本。后续获得新信息时，另写更新日期、改变的内容和依据。这样才能看见自己学到了什么，避免把修订后的判断当成一开始就知道。</p>
<figure class="wp-block-image"><img fetchpriority="high" decoding="async" width="1440" height="1080" src="https://touheima.com/wp-content/uploads/2026/11/academy-investment-intuition-feedback-01.webp" alt="AI生成概念图，两艘原木帆船分处试航终点线前后。来源：投黑马 Touheima.com" class="wp-image-3112" srcset="https://touheima.com/wp-content/uploads/2026/11/academy-investment-intuition-feedback-01.webp 1440w, https://touheima.com/wp-content/uploads/2026/11/academy-investment-intuition-feedback-01-300x225.webp 300w, https://touheima.com/wp-content/uploads/2026/11/academy-investment-intuition-feedback-01-1024x768.webp 1024w, https://touheima.com/wp-content/uploads/2026/11/academy-investment-intuition-feedback-01-768x576.webp 768w" sizes="(max-width: 1440px) 100vw, 1440px" /><figcaption>图：用事前约定的同一标准核对结果。AI生成概念图。来源：投黑马 Touheima.com</figcaption></figure>
<h2>结果出现后，先检查它有没有回答原问题</h2>
<p>假设在第45天，团队报告「已经成交5家」。这个数字看起来超过预期，仍需按原来口径核对。5家是否都在那8家之内，是否按约定价格付款，合同是否属于同一产品，都是解释结果之前的基础问题。</p>
<p>若5家之中有2家来自后来加入的试点，就不能用5除以原来的8。新增客户可以记录为另一批观察对象；原批次有多少家符合条件，仍应单独计算。若一笔款项属于可退押金，说明客户愿意进入下一步，但它没有满足这次预测对订阅付款的定义。</p>
<p>这些检查听起来琐碎，却决定了复盘有没有意义。原来问的是标准条件下的付费行为，后来拿一次性定制收入作答，数字再漂亮也不能验证原判断。</p>
<p>还有一种常见混淆：新批次表现优于旧批次，便归功于产品升级。但两个批次可能来自不同销售渠道，客户规模、预算时点和销售支持也可能变化。没有可靠对照时，可以记录「这批客户表现改善」，同时保留原因未明的结论；不能直接认定某项功能带来了全部增长。</p>
<p>对特别好的结果和特别差的结果，都应检查采集与统计过程。合同、使用日志和回款记录能否对应，重复客户是否被算了两次，停用客户是否被删除，这些问题应在调整估值或追加投入之前查清。</p>
<h2>预测落空、期限未到、资料缺失，分别怎么处理</h2>
<p>回到那8家试点客户。第45天结束时，如果只有3家满足原定付款条件，其余5家的状态也都核实了，那么「至少4家」这次预测没有兑现。即使第50天又有客户付款，原预测的结果仍须保留；后续到账是新的证据，可以帮助修正对销售周期的认识。</p>
<p>如果今天才是第20天，3家已付款，其余客户仍在试用，就只能记录当前进度。不能因为尚未达到4家就宣布失败，也不能因为付款来得早就认定最终结果已确定。只有累计达到原定事件条件，或观察窗口结束，才能按事前规则判断。</p>
<p>如果第45天已到，确认3家付款、4家未付款，最后1家的凭据仍然缺失，那么当前可确认的数量是3家，符合条件的总数可能是3家或4家。原来的门槛恰好处于这个范围内，结果应标为待核验，并为那家客户安排补证日期。</p>
<p>此时把未知客户直接算成未付款，会混淆证据缺口与业务结果；直接按团队口头描述计为付款，也会高估证据强度。资料持续拿不到，可以影响对信息透明度的判断，但这与订阅需求是否成立是两个需要分别记录的问题。</p>
<p>预测落空也不等于项目已经没有投资价值。它首先要求收回原先依赖这条预测的判断。如果原计划依据快速转化来增加销售投入，转化速度不及预期，就需要重查采购障碍和资金消耗。新的动作要对应被削弱的假设，不能只在复盘末尾写一句「保持关注」。</p>
<h2>有了几次结果，还不能宣称练出了盘感</h2>
<p>短周期观察能帮助学习，但它与基金最终回报之间仍隔着产品迭代、竞争、融资条件和退出价格。客户愿意付费，支持了某种需求判断；它没有直接验证长期毛利、市场规模或未来退出估值。</p>
<p>Camuffo等研究者对116家意大利初创企业进行了约一年的随机对照研究。两组都接受一般培训，研究者额外教实验组提出预测并严格检验假设；论文报告该组在研究设定下表现更好，也更可能转向不同想法。研究于2019年在线发表，收入2020年《管理科学》期刊。</p>
<p>这一研究为创业者采用假设检验提供了相关证据。它没有测量投资人的基金回报，也不能证明本文的某个付款门槛最优。将方法用于尽调时，仍须说明训练的是客户需求、销售周期还是技术交付判断。</p>
<p>训练投资直觉时，投黑马更看重复盘能否指向下一次调查动作。连续高估付费速度，可以在后续项目里更早访谈预算负责人；总是把创始人亲自服务的试点当成标准产品，就应补查普通团队能否独立交付。这样积累的经验，才有具体适用条件。</p>
<p>同时记录放弃和暂缓的项目，能减少只回顾已投项目的偏差。能获得可靠后续信息的，继续核对当初预测；失去联系或无法核实的，保留缺失状态，不用媒体曝光量代替经营结果。无法观察的项目如果被全部删去，剩下的记录会让判断能力显得过于稳定。</p>
<p>若您习惯写成功概率，也要保存同类、同期限预测的完整结果。说一件事有70%的可能发生，单次发生或没有发生都不足以证明概率准确；需要积累可比记录，观察类似预测兑现的频率。样本很少、项目差异很大时，先报告数量和差异，比输出一个精确胜率更诚实。</p>
<h2>做一次不改题目的复盘</h2>
<p>现在沿用上述假设：8家客户在同一天开始试点，原预测是第45天结束前，至少4家按标准价格签订年度合同并支付首期款。窗口已结束，所有合同和回款资料都已核实。</p>
<p>结果是：3家满足全部条件；1家签了合同但尚未付款；1家只付了可退押金；1家购买了单独报价的定制服务；另外2家没有购买。团队把前面6家都称为「成交客户」，并表示销售验证顺利。</p>
<p>请先写下自己的结论，再回答：原预测是否兑现？下一次最应该补查什么？哪些信息不足以支持增加销售预算？</p>
<p>参考思路是，满足原定义的只有3家，预测没有兑现。这次资料完整，不能记成待核验。合同未付款、可退押金和定制服务各有业务价值，仍需分别观察，不能合并为标准订阅转化。</p>
<p>下一步可以检查未付款客户的预算审批、定制客户缺少的通用功能，以及未购买客户的具体阻碍。若多数转化都需要额外服务，还要查交付工时与成本。仅凭「6家成交」无法判断标准产品能否支撑销售扩张。</p>
<p>最后保留两行记录：当时根据什么预期至少4家付款；现在根据什么调整下一次预测。直觉可以先提出方向，留痕、核验和改判让它逐渐具有可检查的依据。</p>
<h2>延伸阅读</h2>
<ul>
<li><a href="https://touheima.com/academy-co-investment-diligence/">跟投尽调：看到知名机构入局后还要查哪些证据</a>：接续证据从哪里取得、怎样判断它能否支持自己的投资理由。</li>
<li><a href="https://touheima.com/academy-20260405-pre-consensus-calibration/">前共识校准模型</a>：接续观察期该怎样设定，以及哪些证据有助于区分尚未成熟与判断走错。</li>
</ul>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>跟投尽调：看到知名机构入局后还要查哪些证据</title>
		<link>https://touheima.com/academy-co-investment-diligence/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Sun, 08 Nov 2026 02:35:00 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[信息权]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[联合投资]]></category>
		<category><![CDATA[跟投尽调]]></category>
		<category><![CDATA[金融科技]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3029</guid>

					<description><![CDATA[跟投尽调需要核对参投主体、交易条件、仓位与独立经营证据。借FTX历史融资案例和一份假设跟投邀请，学习怎样识别信息缺口，并决定下一步核查什么。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/academy_list/">左侧学堂</a> / 2026年11月8日 / 全文共3625字</p>
<p>跟投尽调经常从一张投资人名单开始。假设一家创业公司邀请您参与新一轮融资，材料上列着几家熟悉的机构，创始人又补充，老股东已经决定加注。此时很容易把访谈重点转向额度、估值和签约时间，原本准备追问的客户回款、关联交易和资金安排，被留到了后面。</p>
<p>这些机构的参与值得核实。它可能帮助您找到了解公司的访谈对象，也可能提供交易进展的线索。进一步作出投资判断，还需要回答几件具体的事：对方投进了哪个主体，接受什么条件，看过哪些材料，以及这笔钱对双方各自意味着多大风险。</p>
<p>这篇文章讨论怎样完成这组核查。练习的目标，是写出一份有证据、有缺口、有下一步的尽调结论。读者应能在看到知名机构入局后，说明哪些问题已经得到回答，哪些仍需要自己查。</p>
<h2>一份融资公告能回答多少问题</h2>
<p>先看一份历史材料。2021年10月21日，FTX Trading Ltd.发布公告，称完成4.2069亿美元B-1轮融资，估值达到250亿美元，参与者包括69家投资者。公告列出了安大略省教师退休基金、红杉等机构。当时的外媒报道也披露了这轮融资的金额及参投名单。</p>
<p>把时间停在公告发布当天，这份材料至少提供了发行方、轮次、融资金额和参与者等线索。投资人可以据此联系相关主体，进一步核对实际交易。公告中的赞许和增长描述，则需要沿着各自的数据口径继续验证。</p>
<p>仅凭这张名单，读者无法知道每家机构实际取得的信息、最终签署的全部条款，也无法知道它们如何判断最重要的风险。即使双方参加同一轮融资，仍需查清认购的是哪个法律主体、哪类权益，以及权利是否存在差异。公告没有回答的问题，应当留在问题清单里。</p>
<p>后来发生的损失，也不能补成当时已经掌握的证据。本篇会用事后披露解释仓位与风险承受能力，但评估2021年的决策过程时，只使用当时能够获得的信息。这样才能看清，一名准备跟投的投资人，在签约前究竟还需要做什么。</p>
<p>投黑马建议先给材料中的每一句关键判断写上依据。例如，「某机构参加本轮」对应公告及进一步确认，「双方条件相同」需要合同对照，「公司回款稳定」需要经营材料。第二、第三句话各有自己的取证任务。</p>
<h2>先核对谁投了哪个主体</h2>
<p>遇到参投名单，第一项工作是把名称还原为一笔可确认的交易。机构品牌、具体基金和签约主体可能使用不同名称。公司品牌下也可能存在多个经营或持股主体。核对时应把投资方全称、被投方全称、交易阶段和所购权益写在同一页上。</p>
<p>交易阶段尤其容易被模糊表达。「正在谈」「通过内部审批」「签署意向文件」「已经交割」分别意味着不同进展。创始人展示一封投资意向邮件时，可以继续核查对方已经完成哪些程序，剩余条件由谁确认，预计何时能够提供交割依据。</p>
<p>有权限接触的正式文件，比转述更适合支持交易事实。可取得的材料包括签署文件、交割确认和更新后的股东记录，具体以交易结构为准。投资人也可以在双方允许的范围内，直接向参投机构确认参与主体和阶段，并记录确认人的身份与日期。</p>
<p>这一环节允许出现暂时无法确认的结果。对方受保密义务限制时，可以请公司协调提供经过必要处理的证明，或把交割设为后续核查节点。拿不到材料的原因需要记录，材料缺失本身不宜被直接解释为欺骗。</p>
<p>回到FTX案例，2021年的公告提供了FTX Trading Ltd.及相关参投方的名称。到2022年11月，安大略省教师退休基金披露，自己此前分别投资了FTX International和FTX.US。这个细节提醒读者，研究记录中必须保留主体差异。不能把一个品牌下的所有投资合并后，假定每位投资者拥有同一组权益。</p>
<p>完成这一步，尽调表上应形成一条明确记录：哪家基金，对哪个主体，在什么阶段，持有什么材料。若这些字段仍然依赖含糊转述，后面的估值比较就缺少稳定的基础。</p>
<h2>同一个价格，还需要比较哪些条件</h2>
<p>确认参投事实后，下一步是检查自己准备接受的交易条件。报价或名义估值相同，只回答了比较中的一部分问题。投资人还要看权益类别、收益分配安排、后续融资中的权利，以及能否取得持续经营信息。</p>
<p>可以从自己已经拿到的条款草案开始，把每项权利写成实际用途。例如，定期财务信息能帮助检查什么，发现重大偏差后能采取什么行动，下一轮融资时有哪些参与安排。只记一个条款名称，很难判断这项权利在具体公司中是否有用。</p>
<p>然后请公司说明，同轮投资者是否存在附加约定。能够合法获取相关文件时，再逐项对照。若对方合同不能提供，应写明可比范围，并请有相应专业能力的人协助解释自己的文件。不能因无法阅读他人的协议，就自动填写所有投资者条件一致。</p>
<p>这也解释了为什么熟悉的机构愿意参与，仍不足以直接回答自己是否适合参与。对方可能有不同的信息安排、持有期限或组合约束，这些都需要核实。本篇没有掌握FTX各投资者的完整合同，因此不会给任何一家机构补写特殊权利。</p>
<p>条款比较还应联系公司实际运营。季度报表承诺有价值，但如果企业连基本收支都无法及时对账，投资人需要追问这些报表如何产生、谁复核、何时交付。纸面权利和日常执行之间，需要经营记录来连接。</p>
<p>条款清晰也不能替企业创造现金流。获得更多报告，只是增加观察经营的条件。投资人仍要判断报告能否揭示核心风险，以及发现问题时是否有时间和能力应对。</p>
<figure class="wp-block-image"><img decoding="async" width="1440" height="1080" src="https://touheima.com/wp-content/uploads/2026/11/academy-co-investment-diligence-01.webp" alt="AI生成概念图，窗边幼苗后景，两个原木盒前摆着不同数量的钥匙。来源：投黑马 Touheima.com" class="wp-image-3028" srcset="https://touheima.com/wp-content/uploads/2026/11/academy-co-investment-diligence-01.webp 1440w, https://touheima.com/wp-content/uploads/2026/11/academy-co-investment-diligence-01-300x225.webp 300w, https://touheima.com/wp-content/uploads/2026/11/academy-co-investment-diligence-01-1024x768.webp 1024w, https://touheima.com/wp-content/uploads/2026/11/academy-co-investment-diligence-01-768x576.webp 768w" sizes="(max-width: 1440px) 100vw, 1440px" /><figcaption>图：同轮投资者应分别核对各自能取得的信息。 AI生成概念图。来源：投黑马 Touheima.com</figcaption></figure>
<h2>对方能承受的损失，自己能否承受</h2>
<p>2022年11月17日，安大略省教师退休基金发布说明，称其在2021年10月向FTX International及FTX.US投资7,500万美元，2022年1月又向FTX.US投资2,000万美元。合计9,500万美元，占该基金总净资产不足0.05%。说明同时表示，将在年末把这项投资减记至零。</p>
<p>这里的时间边界很重要。投资金额与占比来自2022年11月的事后披露，不能假设准备在2021年入局的外部投资人已经知道这些细节。减记表述也对应当时宣布的会计处理计划，本篇据此讨论风险暴露，不推演后续资产处置与回收结果。</p>
<p>对一名跟投者而言，这些披露带来的问题是，对方投入的绝对金额和自己面临的相对损失，是否具有可比性。一笔看上去很大的投资，在一个庞大组合中可能占比很低。自己的组合规模、集中度和流动性安排，需要单独计算。</p>
<p>做一个明确的教学假设。某投资者拥有2,000万元可投资资产，准备向单一未上市项目投入200万元，仓位就是10%。若按全部损失的压力情景计算，需要承受200万元损失。这组数字仅用于练习，与上述退休基金及FTX交易无关，也不构成适合任何人的仓位建议。</p>
<p>计算后还要检查资金用途。如果未来两年内需要使用其中一部分资金，项目退出时间存在较大不确定性，就应把这个约束写进判断。账面浮盈、后续融资估值和实际可变现资金，也应分别记录。</p>
<p>仓位小并不能提高企业经营质量。它影响的是某项风险出现后，投资者整体承受多少损失。因此，用知名机构的参投行为支持自己的决策时，至少需要先核查自己的损失上限、资金期限和其他持仓的相关风险。</p>
<h2>独立证据应当围绕哪项风险收集</h2>
<p>通过主体与条款核查后，跟投尽调还需要回到公司如何经营。这里可以先写一个最重要的问题，再选择能回答它的材料。若项目依赖大客户回款，就核查合同、验收和到账；若增长主要靠渠道采购，就核查终端使用及续购；涉及代客户持有资金的业务，则需要核查资金归属、流向、对账及控制安排。</p>
<p>证据来源越接近实际交易过程，越有机会发现宣传材料遗漏的差异。以企业服务项目为例，公司列出的年度合同金额，可以与已确认收入、实际到账和未完成交付分别核对。客户访谈还应确认采购是否持续、谁负责预算，以及使用效果是否达到续购条件。</p>
<p>外部确认需要取得适当权限并保护商业秘密。投资人可以要求公司协调客户或服务机构，在允许范围内核实关键事实。若对方只能提供汇总数字，就说明这份证据的粒度，不把汇总表自动升级为逐笔核验。</p>
<p>还要检查多份材料是否来自同一个起点。公司自己编制的收入表、引用该表的融资演示，以及重复其中数字的介绍邮件，可能只是同一项说法的不同载体。重复出现的次数，不能直接当作相互独立的验证次数。</p>
<p>安大略省教师退休基金在事后说明中称，曾与外部顾问及FTX一起审查商业、财务、技术等事项。这是投资方对自身工作的公开描述，外部读者仍无法据此复现全部程序。分析者可以确认它作出了这项说明，但具体检查的深度、材料质量和当时发现的问题，仍需更多证据。</p>
<p>投黑马在这里使用一个检验标准：暂时移开投资人名单，团队能否仅用已经取得的材料，解释公司最关键的一项经营风险。如果答案仍是某家机构应该查过，就需要写清尚缺哪份证据、由谁提供、如何验证。下一步可能是补材料、补访谈或暂缓决策，取决于缺口的重要性。</p>
<h2>用一份假设邀请，检验自己的判断</h2>
<p>设想您收到一家企业软件公司的跟投邀请。以下全部为教学假设。公司称机构甲已完成本轮投资，并愿意安排直接确认。您可以取得自己的条款草案，其中只有年度财务信息安排，公司口头表示机构甲可按季度取得经营报告，但相关附加文件尚未提供。</p>
<p>公司同时给出1,200万元年度合同金额，提供的到账记录合计为700万元。剩余部分的履约、开票和收款计划尚不完整。您准备投入的金额，占自己可投资资产的10%，未来两年还有明确资金需求。</p>
<p>现在尝试写出下一步，而不急着回答投或不投。首先向机构甲核实投资主体及交割事实，保留确认范围。其次评估自己的年度信息安排能否满足持续跟踪需要，对口头描述的其他条款继续求证。机构甲实际签约与公司经营健康，分别需要各自的证据支持。</p>
<p>对于合同与到账差额，现有数字不足以判断剩余500万元全部逾期。需要按客户列出履约进度、约定付款时间、验收条件和实际回款，判断差额是正常收款节奏，还是已有履约或回收问题。假如其中一笔大额合同尚未达到付款节点，便不能直接把它记为坏账。</p>
<p>最后，把仓位与资金期限写入自己的决策约束。即使机构甲确认已经交割，您的信息安排、回款核查和流动性问题仍各自等待答案。这份练习的自查依据，就是每个结论能否对应材料，以及新增材料会怎样改变下一步。</p>
<p>实际项目中，联合投资能够共享行业经验和部分研究成果。使用这些资源时，应保留来源、访问权限与验证范围。准备提交投资决策前，把最关键的未知写清楚，再决定是否继续推进，这也是跟投尽调能够交付的一项具体成果。</p>
<h2>延伸阅读</h2>
<p><a href="https://touheima.com/academy-project-screening-funnel/">项目筛选四筛法：怎样把尽调时间留给值得研究的公司</a>帮助确定哪些项目值得继续投入研究时间。</p>
<p><a href="https://touheima.com/academy-20260414-reverse-dd-checklist/">逆向尽调清单：为什么90%的VC尽调报告都在问错问题？</a>接续讨论如何围绕关键风险组织核查问题。</p>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>产业链利润四问：怎样识别卖铲子生意的赚钱条件</title>
		<link>https://touheima.com/academy-value-chain-profit-four-questions/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Tue, 03 Nov 2026 01:47:44 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[产业链投资]]></category>
		<category><![CDATA[企业服务]]></category>
		<category><![CDATA[供应商分析]]></category>
		<category><![CDATA[利润四问]]></category>
		<category><![CDATA[早期投资]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=2964</guid>

					<description><![CDATA[产业链利润取决于付款来源、替代难度、后续收费与资金占用。用利润四问拆解ASML历史案例，检验卖铲子生意的赚钱条件，识别早期供应商的订单与现金风险。]]></description>
										<content:encoded><![CDATA[<p>左侧学堂 / 2026年11月3日 / 全文共3783字</p>
<h2>一、订单很热闹，钱为什么没有留下来</h2>
<p>产业链利润的判断，常常在一张客户名单面前失去耐心。设想您正在评估一家给机器人厂商提供测试设备的创业公司：客户覆盖多个技术路线，订单持续增加，创始人强调，无论哪家机器人品牌胜出，都需要测试。这是一种很有吸引力的解释，似乎避开了押注终局赢家的困难。</p>
<p>继续看合同，情况开始变化。几家客户使用同一家投资机构提供的融资支付设备款；每个订单都需要重新开发夹具和软件；尾款取决于客户产线验收；设备交付后，公司还要派工程师长期驻场。客户数量增长，研发、库存和应收款也跟着增加。所谓覆盖多个赢家，可能同时承接了多个客户尚未解决的经营风险。</p>
<p>这个场景是教学假设，却对应一个很具体的尽调问题：下游愿意采购，能否证明供应商会赚钱？订单能证明购买意愿的一部分，利润还取决于交付成本、价格谈判、后续收费和回款安排。投资人需要逐笔解释这些条件，才有理由把行业增长写进一家公司的盈利预测。</p>
<p>「卖铲子」给出了企业在产业链中的位置。这个位置能留下多少利润，还需要另外验证。</p>
<h2>二、用利润四问拆开赚钱条件</h2>
<p>投黑马把这套检查方法称为「利润四问」：钱由谁付、客户怎么换、后续为何买、扩张谁垫款。四问依次检查收入来源、议价基础、持续收入和资金约束，适合分析设备、工具软件、零部件以及配套服务企业。</p>
<p>它们有先后关系。付款来源不清，订单增长的含义就不清；替代容易，客户增量可能被降价让利消耗；后续收费缺少依据，收入就需要不断寻找新客户；资金安排失衡，即使产品有利润，也可能在扩张阶段耗尽现金。某一项特别突出，不能自动抵消另一项的致命缺口。</p>
<p>使用时先选一条具体业务线，再取同一批客户、同一段时间的数据。不要拿标准化产品的毛利率解释定制服务的合同，也不要用成熟客户的回款速度替刚进入试产的客户背书。每一问都要落到能核查的材料：合同、替代测试、续购记录和现金收付日期。</p>
<p>四问帮助判断生意成立的条件，不能独立给出合理估值，更不能预测哪条技术路线最终胜出。早期公司还需要接受技术可行性、团队能力和融资安排等检查。材料暂时缺失时，可以把问题列入下一轮验证；只有创始人的口头承诺时，应保留未知，不能直接填写通过。</p>
<h2>三、四个问题怎样落到证据上</h2>
<h3>钱由谁付：追到预算及其补充来源</h3>
<p>第一问检查需求背后的支付能力。核心问题是：这笔采购来自客户哪项预算，预算耗尽后靠什么补充？终端销售回款、既有业务现金流、股权融资和一次性试验经费，都可能支持真实订单，但持续性差别很大。</p>
<p>可以抽取三个典型客户，沿采购申请、合同、发票和到账记录核对。记录谁使用、谁签约、谁付款，以及下一次采购需要满足什么条件。集团总部出钱、项目团队使用的产品，还要确认预算负责人是否认可使用效果；试点部门的满意度，未必足以推动集团正式采购。</p>
<p>判断标准是付款链条能否解释下一笔订单。一个已经产生稳定经营现金流的客户，也可能取消低优先级项目；一个仍依赖融资的客户，只要资金安排清楚、采购必要且合同执行可靠，也有交易价值。融资标签本身不足以给出结论，关键在于预算期限与供应商交付周期是否匹配。</p>
<p>反面示例是把十家创业客户当作十份独立需求。如果它们同时依赖相近融资环境，预算可能一起收缩。尽调应按资金来源和终端市场重新分组，检查相关性，不能只计算客户数量。</p>
<h3>客户怎么换：把替代成本与报价一起看</h3>
<p>第二问检查议价基础。核心问题是：客户若更换供应商，需要付出哪些可量化成本？这些成本可能包括重新认证、停线测试、数据迁移、工艺调整和人员培训。每一项都要区分已经发生的成本与销售团队的推测。</p>
<p>选一个完成交付的客户，核对初次导入用时、测试项目、失败记录和替代产品报价。再追问一次实际谈判：公司能否守住价格，是否必须通过免费开发换取订单？客户需要花时间更换供应商，却仍能利用供应商对大订单的依赖压价，两种情况可以同时存在。</p>
<p>判断标准是替代难度能否转化成合同条件，包括价格、付款节奏、最低采购量以及额外服务的收费边界。技术性能领先值得研究，但如果客户只愿按普通产品报价采购，技术优势尚未形成可观察的商业回报。</p>
<p>反面示例是把定制代码很多当作壁垒。定制也可能意味着供应商背负大量维护义务，下一家客户还得重新开发。应进一步检查代码和交付经验能否复用、每增加一个客户需要增加多少工程师，以及客户是否承担定制费用。</p>
<h3>后续为何买：拆开维修、升级与续费</h3>
<p>第三问检查持续收入。核心问题是：客户完成首次采购后，下一次付款由什么触发？维修可能来自故障，升级取决于产能或性能收益，耗材跟随使用量，软件续费还要考虑实际使用和替代选择。不同收入不能共用一个续费率假设。</p>
<p>把同一年度首次采购的客户作为一组，追踪后续十二个月的付费客户数、金额、毛利和服务工时。样本观察期不足，就保留未到期状态。免费保修、一次性升级以及新增设备采购应分别记录，避免把所有老客户收入都归入稳定复购。</p>
<p>判断标准是后续付款具有明确触发条件，而且扣除履约投入后仍有贡献。若升级带来的节拍改善能由客户测量，收费依据就比较具体；若必须反复派人修补交付缺陷，服务收入增加未必意味着生意改善。</p>
<p>反面示例是设备卖出后长期驻场，却把驻场费直接按软件订阅估值。可以继续经营这类业务，但需要按人员效率、服务半径和合同续签条件测算，不能省去现场交付成本。</p>
<figure class="wp-block-image"><img decoding="async" width="1440" height="1080" src="https://touheima.com/wp-content/uploads/2026/11/academy-value-chain-profit-four-questions-01.webp" alt="AI生成概念图，技术人员更换设备皮带，客户核对服务单据。来源：投黑马 Touheima.com" class="wp-image-2963" srcset="https://touheima.com/wp-content/uploads/2026/11/academy-value-chain-profit-four-questions-01.webp 1440w, https://touheima.com/wp-content/uploads/2026/11/academy-value-chain-profit-four-questions-01-300x225.webp 300w, https://touheima.com/wp-content/uploads/2026/11/academy-value-chain-profit-four-questions-01-1024x768.webp 1024w, https://touheima.com/wp-content/uploads/2026/11/academy-value-chain-profit-four-questions-01-768x576.webp 768w" sizes="(max-width: 1440px) 100vw, 1440px" /><figcaption>图：评估服务收入时，需要同时核对人工与零件投入，AI生成概念图。来源：投黑马 Touheima.com</figcaption></figure>
<h3>扩张谁垫款：按日期重建一笔订单</h3>
<p>第四问检查增长的资金负担。核心问题是：公司先付出去的钱，多久才能由客户付款覆盖？财务报表上的利润与银行账户里的现金，可能在不同月份出现。</p>
<p>挑一笔典型订单，把研发投入、采购订金、生产支出、交货、验收和尾款到账标在时间线上。研发中可跨订单复用的部分，应另行说明分摊假设；库存也要区分通用品与只能卖给单一客户的部件。最后找出累计现金支出的最高点，检查同时执行多个订单时是否还有余量。</p>
<p>假设一份合同金额为100万元，交付前客户只付20万元，公司却已支付60万元，单笔订单就需要先填补40万元缺口。这是教学假设，尚未计入工资、税费与售后。订单翻倍时，如果付款条款不变，资金缺口也可能随之放大。</p>
<p>判断标准是企业有能力承担正常交付，并能承受有依据的延迟情景。可以用历史最慢验收周期再测一次资金需求。反面示例是只展示毛利率，却回避越来越长的应收账款账龄；此时利润预测需要与回款证据一起重做。</p>
<h2>四、用ASML走一遍，再看哪些条件不能照搬</h2>
<p>ASML提供一个观察成熟设备供应商的历史样本。以下采用其2025财年披露，金额统一为欧元、财务口径统一为美国通用会计准则，不据此判断文章发布时的最新经营情况。公司于2026年1月28日公布全年净销售额326.67亿欧元、毛利率52.8%；这些数字说明已实现的经营结果，无法单独解释一家早期供应商能否复制它。</p>
<p>先看付款来源。ASML向芯片制造商提供设备及服务，设备采购关联客户的生产与扩产安排。分析时应继续追踪客户订单、产线利用和资本开支，区分已经执行的采购与未来意向。行业需求增长可以支持扩产判断，但供应商仍要面对客户调整交付节奏的可能。</p>
<p>再看替代难度。光刻设备需要进入客户的实际制造流程，评价标准涉及生产效率与工艺表现。对投资人而言，需要验证的具体问题是：设备更换会影响哪些生产环节，验证需要多长时间，谁承担试验失败成本。ASML已经实现的公司整体毛利率，不能充当某项技术独占程度的量化证明，也不能直接成为早期企业的目标毛利率。</p>
<p>第三问看后续收入。公司披露2025年存量设备管理收入为81.93亿欧元，口径包含净服务及现场升级选项销售。这说明设备销售之后存在可收费的业务环节；其中升级与服务具有不同触发条件，不能把整个数字解释成订阅式年度经常性收入，更不能据此推出客户保证续购。</p>
<p>第四问检查资金。研究这类设备企业，需要把设备收入、存货、预收款、应收款与资本投入放在一起观察。2025年年报摘要还披露研发投入约47亿欧元，显示经营体系需要持续投入。研发费用与资本开支属于不同口径，不能相加后随意称为扩产支出。仅凭上述公开摘要，也不足以计算单台设备的现金回收周期。</p>
<p>四问走完，可以确认成熟设备业务存在设备销售、服务和升级等不同收入来源；至于单个客户的议价过程、单项业务利润和单笔订单的资金占用，仍需更细材料。公开信息的边界必须留下，不能为了让案例整齐而补造答案。</p>
<p>将这个案例用于早期项目时，投黑马优先追问三个可取得的证据：客户真实支付过什么、替换测试实际耗费多久、交付完成后还愿意为什么付费。只有公司能够提供自己的合同与交付记录，成熟龙头的案例才有比较价值。把ASML的财务结果贴到创业公司的预测表上，会跳过最需要验证的过程。</p>
<h2>五、下一次访谈，先拿一笔订单做练习</h2>
<p>四问不需要一次访谈就覆盖全公司。先请创始人选一笔已经回款的典型订单，再由投资人随机抽一笔交付延迟的订单，用相同字段核对。前者解释正常经营怎样成立，后者暴露压力出现时由谁承担损失。两个样本不能代表全部业务，却有助于发现后续应该扩大检查的方向。</p>
<p>把每个回答写成一句能够被材料证实或推翻的话。例如，客户采购来自年度生产预算，证据是批准文件与付款记录；客户换供应商需要重新验证，证据是测试计划与实际用时；服务能够盈利，证据是收费合同及对应工时；扩张能够承受，证据是按到账日期编制的资金计划。</p>
<p>资料齐全以后，再检查四问之间有没有冲突。客户愿意支付较高价格，却要求供应商长期垫资，这份合同就需要把融资成本计入；售后收入增长，却伴随工程师人数更快增长，应重新检查服务效率；合同数量增加，却主要来自同一批终端客户，也需要调整风险分散的判断。</p>
<p>这套练习最后应产出明确的下一步：补取哪份材料、访谈哪位预算负责人、跟踪哪次验收、等待哪笔回款。若下一轮材料与原判断相反，就调整结论。行业热度可以决定研究顺序，一家企业是否值得继续投入尽调时间，要靠这些可核查的赚钱条件逐项回答。</p>
<h2>投黑马 · 左侧心法</h2>
<pre class="wp-block-code"><code>产业链上的每一张采购单，都把收益与责任分给了不同主体。分析供应商时，沿着合同找出谁承担试验、库存、验收和回款风险，才看得清报价里留给企业的空间。

一个大客户带来的收入，可能同时增加定制负担与资金压力。保留成功订单之外的失败样本，能让判断经受更接近实际经营的检验。

早期数据不完整时，先把未知变成有期限的验证任务。用下一笔真实付款更新判断，比提前写出漂亮的长期利润率更有价值。</code></pre>
<h2>延伸阅读</h2>
<ul>
<li><a href="https://touheima.com/academy-project-screening-funnel/">项目筛选四筛法：怎样把尽调时间留给值得研究的公司</a></li>
<li><a href="https://touheima.com/academy-market-size-business-economics/">市场规模：大市场为什么不等于大生意？</a></li>
<li><a href="https://touheima.com/academy-moat-accumulation-three-questions/">护城河分析：早期项目的优势如何逐步形成壁垒</a></li>
</ul>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>项目筛选四筛法：怎样把尽调时间留给值得研究的公司</title>
		<link>https://touheima.com/academy-project-screening-funnel/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Thu, 22 Oct 2026 06:03:32 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[尽调方法]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[研究四筛]]></category>
		<category><![CDATA[研究效率]]></category>
		<category><![CDATA[项目筛选]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=2853</guid>

					<description><![CDATA[项目筛选先决定下一小时花在哪里。四筛法用研究边界、付款需求、团队学习和验证路径安排研究顺序，结合Airbnb早期案例，说明什么情况继续深挖、暂停观察或退出研究。]]></description>
										<content:encoded><![CDATA[<p>左侧学堂 / 2026年10月22日 / 全文共3550字</p>
<blockquote>
<p>项目筛选先决定下一小时花在哪里。四筛法用研究边界、付款需求、团队学习和验证路径安排研究顺序，结合Airbnb早期案例，说明什么情况继续深挖、暂停观察或退出研究。</p>
</blockquote>
<h2>一、看了很多项目，研究为什么没有推进</h2>
<p>项目筛选最容易出现的浪费，是把一次愉快的会面延长成没有终点的研究。下面设想一个教学场景：您收到一批创业项目，其中一家创始人表达清楚，产品演示也很流畅。您连续安排访谈，请同事分析市场，几天后发现，团队始终说不清谁会为产品付款。</p>
<p>这时，其他项目的邮件还没打开。您已经花掉不少时间，很难承认前面的调查没有推进判断。于是再约一次创始人，再要一份数据，期待新材料能替已经付出的精力提供理由。研究越来越厚，决定仍然悬着。</p>
<p>另一种浪费发生得更早。产品陌生、收入很少，您凭第一印象把它划掉，却没有记录究竟缺少哪项证据。几个月后再看到这家公司，已经无法区分：当初判断有误，还是后来出现了新条件。</p>
<p>这两类问题需要同一项纪律：每次投入研究之前，写清下一步要解决什么问题，以及什么结果会让研究停止。投黑马将这套流程称为「研究四筛」。它帮助读者安排有限的调查资源，让被留下的项目带着明确问题进入尽调，也让被放下的项目留下可复查的理由。</p>
<p>筛掉多少项目，没有统一的优秀比例。项目来源、研究范围和团队能力都会改变这个数字。为了凑出很低的通过率而提前拒绝，也会浪费线索。需要检查的是，每一次留下或放下，是否有当时能够说明的依据。</p>
<h2>二、研究四筛，把下一步动作写清楚</h2>
<p>研究四筛依次检查研究边界、付款需求、团队学习和验证路径。前两筛确认项目是否适合本轮研究、有没有值得调查的具体问题；后两筛检查团队如何应对未知，以及调查是否具备可执行的下一步。</p>
<p>四筛采用递进关系。前一筛发现硬性不匹配，可以结束本轮研究；发现证据空白，则判断空白能否用合理成本补足。暂时没有收入、尚未完成产品，都需要结合项目阶段解释，不能直接等同于没有价值。</p>
<p>每一筛都保留三个结果：继续研究、暂停观察、退出研究。继续研究要指定问题与负责人；暂停观察要指定重新启动的条件；退出研究要写明已核实的冲突。用统一记录替代模糊印象，下一次讨论才有共同依据。</p>
<p>这套方法适合有持续项目来源、需要分配访谈与尽调时间的早期投资团队，也适合创业者检查自己提供的信息是否足够清楚。它无法给出投资回报预测，不能代替估值、交易条款审查和正式尽调。项目通过四筛，只能支持进一步投入研究。</p>
<p>项目筛选力度还要接受研究资源的约束。只有两名研究员的团队，应先明确每周能够完成多少次有效访谈。一次会议约不上，不必升级为项目缺陷；一项关键主张无法找到任何验证入口，则需要重新判断研究优先级。</p>
<p>同一项目也可能因证据更新改变位置。首次接触时无法核实的需求，可能在下一次试点中获得支持。允许重新进入流程，才能让早期线索保留成长空间。</p>
<figure class="wp-block-image size-full"><img loading="lazy" decoding="async" src="https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-01.webp" alt="四个金属托盘中的纸卡逐步减少，旁边保留暂存纸卡，示意四筛研究流程。AI生成概念图。来源：投黑马 Touheima.com" class="wp-image-2855" width="1200" height="900" srcset="https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-01.webp 1200w, https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-01-300x225.webp 300w, https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-01-1024x768.webp 1024w, https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-01-768x576.webp 768w" sizes="auto, (max-width: 1200px) 100vw, 1200px" /><figcaption class="wp-element-caption">AI生成概念图：四筛逐项检查研究边界、付款需求、团队学习和验证路径，观察中的项目保留重启条件。来源：投黑马 Touheima.com</figcaption></figure>
<h2>三、四道筛子，各自拦住一种时间浪费</h2>
<h3>第一筛：研究边界，团队是否有能力调查</h3>
<p>这一筛先检查自身能力与任务。核心问题是：在目前可用的时间、专业知识和调查渠道内，团队能否判断这个项目最重要的风险？把研究范围写成可检查的条件，例如关注的阶段、业务类型、地域，以及能接触的客户和专业人士。</p>
<p>判断依据要具体。研究医院采购的软件，需要了解谁使用、谁采购、谁验收；研究需要多年研发的技术，要能识别实验条件与产业交付之间的距离。若团队完全缺乏相应能力，可以先寻找专家或合作研究者，并核实他们能回答哪些问题。</p>
<p>反面示例是一家只熟悉消费应用的团队，因项目热度高便开始评估复杂生物技术，却没有能力检查实验结果。此时继续堆积行业报告，并不能解决能力缺口。记录应写成「尚无合适专家检查关键实验」，同时设定找到专家后的重启条件，避免把自己的陌生感写成技术失败。</p>
<p>边界应在接触具体项目之前讨论，留下调整依据。遇到熟人推荐就临时放宽条件，会使团队把人情判断误记成研究能力。</p>
<h3>第二筛：付款需求，问题有没有行为证据</h3>
<p>这一筛寻找需要被解决的问题。核心问题是：谁正在承担什么成本，现有做法有什么困难，谁有理由为改善付出金钱或时间？访谈中要分开使用者、采购者和付款者，询问最近一次实际发生的行为。</p>
<p>有收入的项目，可以核对订单、使用记录与付款条件；尚无收入的项目，可以查看试用中的真实任务、用户投入的时间，以及愿意继续测试的原因。证据强弱要标清，不能把口头好评写成采购承诺，也不能要求所有种子项目立即提交成熟企业的经营报表。</p>
<p>反面示例是一款会议助手，演示后人人称赞，团队却没有观察过一次完整工作流程，也不知道用户是否愿意交出会议资料。下一步应调查资料权限、实际使用和采购流程。若只有礼貌性反馈，可以暂缓完整市场测算，先安排一次能看到真实行为的测试。</p>
<p>同一客户的反馈还要注明时间与身份。试用者赞成使用，预算负责人尚未参与，两种情况可以同时成立，应分别记录。</p>
<h3>第三筛：团队学习，收到反证后做了什么</h3>
<p>这一筛看团队如何处理不确定性。核心问题是：当用户行为与原先设想冲突时，创始人采取了什么动作，什么认识因此改变？要求对方讲一次具体经历，包括原假设、发现的问题、采取的行动和后续结果。</p>
<p>判断标准重在过程是否可追查。团队能够拿出失败测试、用户反馈和产品调整记录，便提供了进一步访谈的线索；所有失败都归因于客户不懂产品，研究者就需要检查团队是否愿意接受外部证据。表达能力可以帮助沟通，无法单独证明学习能力。</p>
<p>反面示例是客户反复放弃试用，创始人只归因于销售不够努力，始终不检查配置时间、数据权限或交付负担。研究者应追问放弃发生在哪一步，再核对团队是否尝试解决。一次测试失败可以产生有用信息，长期拒绝记录失败则会使后续调查失去依据。</p>
<p>投资人提出建议以后，也应核实团队为何采纳或拒绝。能够说明证据和限制的不同意见，可以继续讨论；盲目迎合研究者，反而可能掩盖真实问题。</p>
<h3>第四筛：验证路径，下一笔研究投入能换回什么</h3>
<p>这一筛为后续调查设定任务。核心问题是：目前最影响判断的未知是什么，用什么动作能减少这项未知？一个合格的安排，应包含待验证的假设、取证方式、完成时间，以及结果如何改变研究决定。</p>
<p>例如，研究一家面向企业的工具，可以先访谈实际使用者与采购负责人，检查试点停留在哪个环节。若最大的障碍是内部审批，继续打磨演示的解释力有限；若客户根本没有相应工作量，就应修正需求判断。访谈数量随问题安排，不设通用合格线。</p>
<p>反面示例是项目每次沟通都承诺下个月补数据，团队却说不清要看哪项数据、为什么要看。投黑马建议把此类项目移入观察，写明出现哪些材料才重启。无法约定验证任务时，暂停追加时间；重新取得关键证据后，可以再次进入流程。</p>
<p>四筛结束时，每个项目应留下同样清楚的记录：目前决定、支持证据、主要未知和下一次动作。初筛可以简短，但必须允许后来的人读懂。对于退出研究的项目，也保留日期和理由，方便检查研究边界是否变化，或原判断是否需要纠正。</p>
<figure class="wp-block-image size-full"><img loading="lazy" decoding="async" src="https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-02.webp" alt="文件夹内两张普通室内空间概念照片与放大镜，示意比较资料和核对证据。AI生成概念图，非Airbnb真实房源或历史照片。来源：投黑马 Touheima.com" class="wp-image-2856" width="1200" height="900" srcset="https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-02.webp 1200w, https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-02-300x225.webp 300w, https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-02-1024x768.webp 1024w, https://touheima.com/wp-content/uploads/2026/10/academy-project-screening-funnel-02-768x576.webp 768w" sizes="auto, (max-width: 1200px) 100vw, 1200px" /><figcaption class="wp-element-caption">AI生成概念图，非Airbnb真实房源或历史现场；资料差异只能形成调查线索，不能单独证明因果。来源：投黑马 Touheima.com</figcaption></figure>
<h2>四、用Airbnb早期材料，走一遍四筛</h2>
<p>回到2009年初的Airbnb。当时的材料已经包含争议和具体行动。外媒公开的参与者邮件显示，投资人讨论过住宿市场能有多大，也讨论过团队值得见面的理由。以下按研究四筛重新整理这些材料，属于教学复盘，不代表相关机构当年采用了这套流程。</p>
<p><strong>第一筛，研究边界。</strong> 将任务设为考察消费互联网住宿交易平台，用户访谈、产品体验和房源核对可以进入调查。2009年1月23日的邮件已经提到团队正在纽约见用户。研究者因此有了实地调查的入口；若自身无法接触房东与住客，就应先补齐渠道，不能只听项目转述。</p>
<p><strong>第二筛，付款需求。</strong> 参与者公开的邮件提到，团队发现部分房东需要通过出租补贴租金。这提供了供给方动机，仍需另查住客为什么预订、交易是否完成。这个区分很关键：房东愿意上架，可以支持调查供给；住客愿意付款，需要另一组行为证据。</p>
<p><strong>第三筛，团队学习。</strong> 外媒刊载的历史回顾记载，团队根据搜索情况聚焦纽约，亲自拜访房东，并改善房源照片。这里可检查的是他们有没有接近问题、采取行动。材料支持进一步追问照片、信息展示与预订之间的关系，无法单独证明每次改善都由拍照造成。</p>
<p><strong>第四筛，验证路径。</strong> 2009年2月21日的公开邮件仍提出竞争与房源多平台刊登的问题。因此，进一步研究应核实用户为什么选择这个平台，以及重复刊登对成交有什么影响。可以比较真实预订流程、访谈房东与住客，并检查后续交易记录。这些是本篇提出的调查安排，不能写成当年已经完成的工作。</p>
<p>假设把下一轮访谈安排为一次小范围调查，可以先向房东询问最近一笔预订如何发生，再向住客核对选择房源的过程。两边描述若不一致，就检查差异，暂缓放大结论。这里的安排只用于演示怎样制定任务，不是对历史访谈内容的补写。</p>
<p>四筛给出的教学结果，是存在值得继续调查的线索，同时需要验证需求和竞争条件。它没有提供立即投资的依据，更无法仅凭这些材料判断当时交易价格是否合适。Sequoia官方资料确认双方于2009年建立投资关系；这项后来的事实，不能替代前面每项研究证据。</p>
<p>这个案例帮助避免两种过早决定：只凭陌生的住宿方式结束调查，或因创始人行动积极便跳过需求与竞争问题。把下一步调查写清楚，团队才有机会在信息逐步增加时修正判断，而不必提前声称自己看到了终局。</p>
<p>复盘时还应保留材料日期。后来的成功可以提示我们重看原问题，却不能证明当年的每项疑问都没有道理。项目筛选允许得到「继续调查」这样的阶段性结果，研究者无需把它包装成一次已经完成的投资判断。</p>
<h2>投黑马 · 左侧心法</h2>
<pre class="wp-block-code"><code>研究时间应有明确去向。决定继续之前，写清还有什么未知，以及下一次访谈、测试或资料核对准备解决什么问题。

陌生的产品可以留下观察入口，熟悉的团队也要提供行为证据。记录暂停和退出的理由，日后才有依据检查当初的取舍。

初筛通过后继续保持怀疑。新增证据可能支持深挖，也可能让研究提前结束；让动作随证据调整，避免被已经投入的时间牵着走。</code></pre>
<p><strong>延伸阅读</strong></p>
<ul>
<li><a href="https://touheima.com/academy-20260414-reverse-dd-checklist/">逆向尽调清单：进入深度研究后怎样安排提问</a></li>
<li><a href="https://touheima.com/academy-founder-stress-test/">创始人压力测试：继续核实团队面对困难的行动</a></li>
<li><a href="https://touheima.com/academy-market-size-business-economics/">市场规模：检查付款客户、交付能力和经营结果</a></li>
</ul>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
<p>免责声明：本文仅供研究与学习交流，不构成具体项目的投资建议。开篇及会议助手示例为教学设想；Airbnb部分为基于公开历史材料的方法演示，不代表相关机构实际使用的决策流程。</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>市场规模：大市场为什么不等于大生意？</title>
		<link>https://touheima.com/academy-market-size-business-economics/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Thu, 15 Oct 2026 07:00:30 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[TAM SAM SOM]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[企业服务]]></category>
		<category><![CDATA[商业模式]]></category>
		<category><![CDATA[市场规模]]></category>
		<category><![CDATA[影视创业]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[现金流]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=2793</guid>

					<description><![CDATA[市场规模再大，也要落实到付款客户、制作产能和成本。一家短视频公司面对6亿元假设市场，签下144万元年约仍可能盖不住开支。本文用完整算账过程，讲清TAM、SAM、SOM怎样帮助安排经营。]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">左侧学堂 / 2026年10月15日 / 全文共3685字</p>



<h2 class="wp-block-heading">一、行业很热，公司为什么还是没订单</h2>



<p class="wp-block-paragraph">市场规模看起来很大，创业团队的订单却可能很少。做短视频的影视公司尤其容易遇到这种落差：导演、摄影、剪辑都找齐了，餐饮、美妆、旅游品牌似乎都需要内容，行业报告里的数字也足够吸引人。等到出去谈合作，客户只愿意先试拍一条，或者要求免费做方案，团队才发现，下个月的工资依然没有着落。</p>



<p class="wp-block-paragraph">问题往往出在计划起点。团队拿到了行业需求的线索，还没有说明哪些客户会向自己付款。行业报告中的广告投放、账号运营、直播销售和视频制作，也可能被放进同一个数字里。公司能够提供的服务有限，能收到的收入有清楚的边界。</p>



<p class="wp-block-paragraph">投黑马在这篇文章里采用一个明确的教学假设：一家影视创业公司，准备为餐饮品牌提供短视频年约服务。每个品牌一年12条视频，报价12万元，包含约定的策划、拍摄、剪辑和修改。公司、客户数量、价格、成本和转化率均为假设，不代表行业统计、真实客户合同或企业业绩。</p>



<p class="wp-block-paragraph">这家公司收的是制作服务费。餐饮品牌购买平台广告花的钱、带货成交额、餐厅营业额，都不能直接算入公司的制作收入。先说明这12万元买什么，后面的客户名单、销售预测与成本才有共同口径。</p>



<p class="wp-block-paragraph">我们把这套算账过程称为「三层市场经营账」：先界定总体需求，再筛选目前能服务的客户，接着估算明确期间内能够获得并交付的订单，最后单独检查成本与现金。它适合服务内容已经基本确定、正在验证获客和交付的早期团队；产品用途还在频繁变化时，应先稳定报价与服务定义。</p>



<h2 class="wp-block-heading">二、三层市场，要用三种不同的问题来算</h2>



<h3 class="wp-block-heading">总体市场：谁可能购买这项服务</h3>



<p class="wp-block-paragraph">TAM是总体潜在市场。计算前，要说清服务、客户、价格和时间。假设团队列出5,000个可能购买上述年约的餐饮品牌，统一按每个品牌每年12万元计算，潜在年度需求为6亿元。</p>



<p class="wp-block-paragraph">这个结果仍依赖名单和价格成立。列出名字，只能说明找到了研究对象；客户是否愿意购买，还需要采购访谈、预算记录或实际成交支持。不能看到品牌经常发短视频，就认定它每年一定会向外部制作公司支付12万元。</p>



<p class="wp-block-paragraph">计数还要避免重复。一个品牌有几十家门店，若总部统一采购、签合同并付款，应按一个品牌客户计算。已经数了总部，再把全部门店加进去，会把同一笔预算重复放大。若门店确实独立采购，则要重新定义客户单位，并核实每家门店的预算和决策权。</p>



<p class="wp-block-paragraph">候选名单可以从品牌官网、行业名录、公开采购记录中整理，再逐个核对采购负责人、需求周期和预算用途。总体市场帮助团队判断研究方向，也给后续调查提供一张名单；它无法直接回答公司今年能收多少钱。</p>



<h3 class="wp-block-heading">可服务市场：现有团队能接哪些客户</h3>



<p class="wp-block-paragraph">SAM是可服务市场，需要把公司的现实边界放进去。假设团队目前只在一个区域工作，擅长餐饮门店和产品拍摄，不准备全国出差，也无法长期驻场。要求多城市同步交付的大客户，即使预算很高，也不符合当前能力。</p>



<p class="wp-block-paragraph">按地域、内容类型、预算及交付要求筛选，假设5,000个品牌中有500个符合条件。仍按12万元年约计算，可服务市场为6,000万元。筛选后的名单更适合安排销售拜访、样片制作和差旅预算。</p>



<p class="wp-block-paragraph">客户符合服务条件，采购仍然有竞争。品牌可能已有固定供应商，也可能自己雇用了摄影和剪辑。团队要核实客户更换合作方的条件，比较自己的作品、报价、沟通效率和修改规则。没有进入采购讨论的名单，不宜写成即将到手的订单。</p>



<h3 class="wp-block-heading">可获得市场：未来12个月能签多少、交多少</h3>



<p class="wp-block-paragraph">SOM是明确期间内可获得的市场，需要继续加入销售和制作约束。假设公司目前没有年约客户，计划未来12个月认真接触100个品牌，预计20%会签约，于是形成20个客户的销售预测。</p>



<p class="wp-block-paragraph">这里的20%必须有证据强弱之分。有历史销售记录，可以检验同类线索的转化；新公司尚无记录，就应写成假设，并说明需要通过哪些拜访和试单验证。把「联系过」直接视为「有采购预算」，会使预测提前膨胀。</p>



<p class="wp-block-paragraph">制作团队核过工时后发现，现有人员最多承担12个客户的全年服务。销售预测20个，制作只能交付12个，经营计划应先按12个安排。每年需要完成144条视频，策划、拍摄、剪辑、修改与客户确认都要进入排期。</p>



<p class="wp-block-paragraph">12份年约乘以每份12万元，得到144万元完整服务期合同总额。这个数字可以连接到具体工作：谁去谈客户，摄影档期怎样安排，剪辑需要多少工时，延期或集中修改时如何处理。它比随意填写市场份额更容易接受检查。</p>



<figure class="wp-block-image size-full"><img loading="lazy" decoding="async" width="1024" height="768" src="https://touheima.com/wp-content/uploads/2026/10/academy-market-size-business-economics-01.webp" alt="影视制作人员与餐饮品牌代表讨论视频方案和采购需求。情景示意。来源：投黑马 Touheima.com" class="wp-image-2795" srcset="https://touheima.com/wp-content/uploads/2026/10/academy-market-size-business-economics-01.webp 1024w, https://touheima.com/wp-content/uploads/2026/10/academy-market-size-business-economics-01-300x225.webp 300w, https://touheima.com/wp-content/uploads/2026/10/academy-market-size-business-economics-01-768x576.webp 768w" sizes="auto, (max-width: 1024px) 100vw, 1024px" /><figcaption class="wp-element-caption">图：客户名单需要继续核实采购预算、决策权和服务范围。情景示意。来源：投黑马 Touheima.com</figcaption></figure>



<h2 class="wp-block-heading">三、144万元合同，为什么还盖不住开支</h2>



<p class="wp-block-paragraph">先把12个客户的业务量排在同一张账上。假设每个客户一年的直接制作成本为8万元，包含制作人员按项目分摊的工资、外包、差旅和约定范围内的修改。每份12万元年约扣掉8万元，剩下4万元可用于承担其他开支。</p>



<p class="wp-block-paragraph">12个客户合计剩48万元。再假设办公室租金、行政和销售固定工资、设备折旧等全年合计60万元，这些费用与直接制作成本分开，不能重复计入。48万元不足以覆盖60万元，简化模型出现12万元缺口。</p>



<figure class="wp-block-table table-wrapper"><table><thead><tr><th>计算项目</th><th>教学假设结果</th></tr></thead><tbody><tr><td>12份完整年约合同总额</td><td>144万元</td></tr><tr><td>直接制作成本：12份×8万元</td><td>96万元</td></tr><tr><td>扣直接制作成本后可承担其他开支的余额</td><td>48万元</td></tr><tr><td>独立计算的全年固定开支</td><td>60万元</td></tr><tr><td>简化经营模型缺口</td><td>12万元</td></tr></tbody></table></figure>



<p class="wp-block-paragraph">这张表没有展开税费、坏账等项目，也没有给出一份正式财务预测。它只想说明：市场需求、签约能力、交付能力和经营结果分别有自己的约束。团队拍出的每条片子都好看，仍需核实报价是否足够承担全部工作。</p>



<p class="wp-block-paragraph">按每个客户剩4万元计算，覆盖60万元固定开支需要15个客户。但当前产能只能服务12个客户，继续增加销售目标无法补上交付缺口。若要招人扩产，新增工资、设备和管理成本也会改变原来的60万元假设，不能沿用旧成本计算新利润。</p>



<p class="wp-block-paragraph">还要把时间放进表里。若12个客户在不同月份签约，部分服务延续到下一年，144万元便不能全部当作本年已经完成的收入。合同额、当期收入和到账现金应分别核算，不能用签约金额代替银行账户余额。</p>



<p class="wp-block-paragraph">例如，客户约定分期付款，团队可能先承担人员工资和拍摄支出，款项要等阶段验收后才到账。这会形成需要周转资金的期间。即便完整服务期的经营测算有结余，也要逐月检查现金是否能支持履约；本例尚未规定各客户签约及付款月份，因此不能据此推算具体现金缺口。</p>



<p class="wp-block-paragraph">投黑马建议把三个时间点写进项目记录：合同签署、服务完成及验收、客户付款。客户反馈修改时，验收和付款是否顺延，也应在合同约定范围内检查。账算到这里，团队才能讨论需要准备多少周转资金。</p>



<h2 class="wp-block-heading">四、报价与盈利模式，要分别看清楚</h2>



<h3 class="wp-block-heading">降价两万元，经营余量可能少一半</h3>



<p class="wp-block-paragraph">继续沿用前面的直接成本假设。如果为了签客户，把年约报价由12万元降到10万元，制作成本仍为8万元，每个客户便只剩2万元。报价减少两万元，留给公司承担其他开支的余额由4万元降至2万元，减少50%。</p>



<p class="wp-block-paragraph">报价调整需要连同服务范围检查。增加拍摄地点、提高视频数量或允许更多轮修改，都会消耗工时。合同最好写清拍摄条数、交付规格、修改轮次、额外需求的收费方式和验收安排，减少双方对服务范围的不同理解。</p>



<p class="wp-block-paragraph">提高报价同样需要客户认可。团队应说明客户为什么愿意多付钱，并通过实际采购验证。若希望降低成本，就记录哪些流程能减少返工、哪些素材在取得适当授权后可以复用，以及节省的工时能否在其他客户项目中重现。</p>



<h3 class="wp-block-heading">单次制作、年约服务、内容版权分别核算</h3>



<p class="wp-block-paragraph">单次制作的交付边界通常更集中，但团队需要不断寻找下一单。客户每次临时提出需求，销售沟通、场地和人员调度成本也可能重复发生。项目报价应包含这些必要工作，不能只看开机拍摄的时间。</p>



<p class="wp-block-paragraph">年约服务有利于提前安排持续交付，同时意味着公司承担跨月份的服务责任。客户在餐饮旺季集中拍摄，或者多家品牌同一时间要求修改，都会考验排期。判断年约能否改善经营，要看需求是否稳定、交付是否可安排、付款是否按合同兑现。</p>



<p class="wp-block-paragraph">自主内容版权又有另一套账。公司要先承担制作投入，找到发行渠道，并核实授权、销售及回款条件。制作服务、账号运营和版权业务可以分别经营，但收入与成本需要对应。不能把客户的广告预算、带货销售额和公司制作费混成一条收入预测。</p>



<p class="wp-block-paragraph">讨论商业模式时，可以把每一笔钱写成一个完整句子：谁付款，为哪项交付付款，金额如何确定，达到什么条件付款，哪一方承担额外修改或需求变化的成本。描述不清楚的收入，先保留为研究问题。</p>



<figure class="wp-block-image size-full"><img loading="lazy" decoding="async" width="1024" height="768" src="https://touheima.com/wp-content/uploads/2026/10/academy-market-size-business-economics-02.webp" alt="短视频制作团队在剪辑工作台复核交付内容。情景示意。来源：投黑马 Touheima.com" class="wp-image-2796" srcset="https://touheima.com/wp-content/uploads/2026/10/academy-market-size-business-economics-02.webp 1024w, https://touheima.com/wp-content/uploads/2026/10/academy-market-size-business-economics-02-300x225.webp 300w, https://touheima.com/wp-content/uploads/2026/10/academy-market-size-business-economics-02-768x576.webp 768w" sizes="auto, (max-width: 1024px) 100vw, 1024px" /><figcaption class="wp-element-caption">图：报价必须对应拍摄、剪辑和修改工时，签约后继续检查成本与回款。情景示意。来源：投黑马 Touheima.com</figcaption></figure>



<h2 class="wp-block-heading">五、市场要扩张，先把条件写进计划</h2>



<p class="wp-block-paragraph">一支小团队以后可以招人，也可能进入更多城市。扩张计划需要独立列出投入、交付能力和订单来源。新增一组摄影与剪辑能多服务多少客户，何时可以独立工作，需要谁负责检查质量，都会影响资源安排。</p>



<p class="wp-block-paragraph">销售与交付的时间也要衔接。人员已经到岗，新增客户却还没有完成采购，工资会先发生；订单已经签下，人员仍未形成稳定协作，则可能增加延期和外包支出。扩张预算要把这些过渡期放进去，不能只计算满负荷后的收入。</p>



<p class="wp-block-paragraph">客户需求同样可能变化。餐饮品牌可能增加短视频预算，也可能建立内部团队，减少外包。制作工具改善后，客户可能购买更多内容，也可能压低单条报价。实际变化应通过采购记录、报价记录及续约情况观察，不凭行业热度直接增加订单预测。</p>



<p class="wp-block-paragraph">一份便于复查的经营计划，可以保留两种情形。基础情形按现有区域、现有团队和可验证销售线索计算；扩张情形注明新增人员、设备、城市和客户群，再计算这些变化带来的收入及成本。后续复查时，逐项检查条件是否兑现。</p>



<p class="wp-block-paragraph">投黑马把这套方法用于早期项目研究时，关注每个数字对应的证据。客户名单可以核对，报价可以访谈，制作能力可以查工时，付款可以看合同与到账记录。尚无证据的部分明确标为假设，下一轮调查才有具体方向。</p>



<p class="wp-block-paragraph">创业者不必一开始就给出精细到小数点的预测。先固定计数单位、服务范围、价格和时间，再找出最影响结果的变量。若转化率尚未验证，就去完成有效销售访谈；若交付已接近满负荷，就检查工时和返工；若账上缺钱，就核对付款与支出时点。</p>



<p class="wp-block-paragraph">大市场可以提供研究起点。一家公司能否形成可持续经营，还要经过客户采购、实际交付、成本承担和现金回收的检验。把这几步算清楚，创业团队才有依据决定下一张订单、下一名员工和下一笔投入。</p>



<h2 class="wp-block-heading">投黑马 · 左侧心法</h2>



<pre class="wp-block-code"><code>先找付款客户，再谈市场份额。名单、服务、价格和时间要放在同一套口径里，采购条件与当前能力决定哪些需求可以进入经营计划。

签约以后继续算交付和成本。销售预测要接受产能约束，合同额要与当期收入、到账现金分开，报价调整要重新检查能够承担开支的余额。

给扩张留下可检查的条件。记录新增人员、客户来源和付款安排，把缺乏证据的地方标为假设，下一轮研究才能准确修正原计划。
</code></pre>



<p class="wp-block-paragraph"><strong>延伸阅读</strong></p>



<ul class="wp-block-list">
<li><a href="https://touheima.com/academy-market-sizing-calibration/">市场规模的三种算法：检查TAM、SAM、SOM的计算口径</a></li>



<li><a href="https://touheima.com/academy-moat-accumulation-three-questions/">护城河分析：检查交付能力能否形成长期积累</a></li>
</ul>



<p class="has-text-align-right wp-block-paragraph"><strong>── 投黑马研究团队</strong></p>



<p class="wp-block-paragraph">免责声明：本文仅供研究与学习交流，不构成具体项目的投资建议。案例中的公司、客户、价格、转化率及成本均为教学假设，不代表行业统计或真实企业业绩。</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>护城河分析：早期项目的优势如何逐步形成壁垒</title>
		<link>https://touheima.com/academy-moat-accumulation-three-questions/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Sun, 06 Sep 2026 01:43:14 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[企业服务]]></category>
		<category><![CDATA[护城河分析]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[积累三问]]></category>
		<category><![CDATA[竞争壁垒]]></category>
		<category><![CDATA[资产复用]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=2562</guid>

					<description><![CDATA[护城河分析怎样用于尚未成型的创业公司？用「积累三问」追踪资产沉淀、交付改善和追赶成本，识别值得继续验证的优势，也给乐观判断留下退出条件。]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph"><a href="https://touheima.com/academy_list/">左侧学堂</a> / 2026年9月6日 / 全文共3547字</p>



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
<p class="wp-block-paragraph">护城河分析怎样用于尚未成型的创业公司？用「积累三问」追踪资产沉淀、交付改善和追赶成本，识别值得继续验证的优势，也给乐观判断留下退出条件。</p>
</blockquote>



<h2 class="wp-block-heading">一、一张漂亮的壁垒清单，为什么撑不起判断</h2>



<p class="wp-block-paragraph">护城河分析很容易在早期项目会议上变成一道填空题。团队展示产品之后，投资人问竞争壁垒，创始人依次报出技术、数据、先发优势和客户关系。每一项都有道理，放在一起却很难回答一个具体问题：如果竞争者下个月交付相似产品，客户还会留下多少？</p>



<p class="wp-block-paragraph">设想一个教学场景：一家企业软件公司签下十个客户，其中八个由创始人亲自谈成。演示效果很好，客户也愿意支付试用费。团队据此判断自己拥有行业数据和客户黏性，准备迅速扩大销售。进一步拆开交付记录才发现，十个项目各写了一套定制代码，客户文件不能跨项目复用，续约理由还没有经过完整采购周期检验。</p>



<p class="wp-block-paragraph">这些成果支持继续探索，也可能带来收入。它们距离能够抵御竞争的长期优势，还有几段需要证明的因果关系。每增加一个客户，公司究竟获得一项可以重复使用的能力，还是多接下一份需要持续投入人力的工作？</p>



<p class="wp-block-paragraph">投黑马讨论早期壁垒时，会先要求团队描述积累过程。对刚开始服务客户的公司，今天没有宽阔护城河并不稀奇；如果日常经营长期无法沉淀资产，增长越快也未必越安全。研究应当沿着经营记录继续往下追，直到每一项优势都能对应可检查的具体变化。</p>



<h2 class="wp-block-heading">二、框架核心：用「积累三问」检查优势的生长</h2>



<p class="wp-block-paragraph">「积累三问」是一套用于观察竞争优势形成过程的工作框架。三个问题依次是：新增行为沉淀了什么？沉淀能否改善下一次交付？竞争者追赶需要付出什么？它们构成一条证据链，任何一段缺失，都应降低对长期壁垒的判断强度。</p>



<p class="wp-block-paragraph">第一问确认资产确实留下来。一次交易可能产生经过授权的数据、可复用组件、可靠的供应关系，也可能只留下收入和工时。第二问检查这些资产有没有发挥作用，例如新项目实施更快、错误更少，或者客户能够完成原先做不到的任务。第三问把竞争者放回画面：对手能否购买同样资源、雇到同样人才，并在合理时间内交付接近的体验？</p>



<p class="wp-block-paragraph">框架适合已有初步使用或交付记录、正在验证商业模式的项目。尚处于科学研究阶段的团队，需要先判断技术可行性；专利密集型领域还需要独立核查权利范围、剩余期限及替代路线。本框架不能替代这些专门工作，也不会直接给出公司估值。</p>



<p class="wp-block-paragraph">结论应当保留层次。只有资产清单，可写「存在积累线索」；已有可重复的经营改善，可写「优势得到初步验证」；经过竞争替代测试后，才有条件讨论壁垒强度。这样记录，后续证据出现时便能准确调整原判断。三问也不宜加权合成一个总分。资产沉淀尚未成立时，更快的交付可能来自额外投入；客户暂时留下时，竞争防御也可能没有经过考验。每个缺口应单独保留。</p>



<h2 class="wp-block-heading">三、框架详解：把三问放进真实经营记录</h2>



<h3 class="wp-block-heading">第一问：每次经营活动结束后，留下了什么</h3>



<p class="wp-block-paragraph">资产沉淀的关键是可保留、可使用、可复用。数据规模增长只是起点，还要检查使用授权、质量、更新频率和适用范围。客户交来的文件如果只能服务该客户，就不能直接计入能够改善所有客户产品的数据资产。</p>



<p class="wp-block-paragraph">判断时可以抽取最近几次交付，逐项列出交付前后增加的东西。通用组件进入了正式产品吗？新增反馈形成了可以重复运行的测试集吗？供应商配合建立的流程能否用于下一批订单？证据最好落在版本记录、合同权限、操作文档和复用日志中，单靠负责人描述容易漏掉例外条件。</p>



<p class="wp-block-paragraph">一个反面示例是项目团队把定制工作量列为技术积累。代码行数持续增加，但每次上线都要复制旧项目再重新修改，维护负担随客户数上升。公司可能拥有有价值的服务能力，却还没有证明这些代码能形成产品型壁垒。评估时应分别记录服务收入与复用收益，避免混成一个指标。</p>



<p class="wp-block-paragraph">也要给资产计入维护成本。过时数据、无人维护的组件和依赖单个员工记忆的客户关系，都可能迅速贬值。记录资产清单时附上维护负责人、更新条件和失效方式，能让所谓积累接受日常经营检验。</p>



<h3 class="wp-block-heading">第二问：留下来的资产，怎样改善下一次交付</h3>



<p class="wp-block-paragraph">这一问要求看到因果链。团队如果声称数据使产品更好，就应说明改善发生在哪个任务、覆盖哪些客户，以及采用什么相同口径比较。可以用同一组任务、相同验收标准，比较使用新增资产前后的结果，再检查改善能否在另一批客户中复现。</p>



<p class="wp-block-paragraph">评估指标应贴近产品用途。企业软件可以看实施工时、任务成功率、故障恢复时间；实体交付可以看质量稳定性、返工率和履约时效。选择指标时先问客户究竟为何付款，再判断变化是否足以影响采购。内部指标变漂亮，客户却仍需安排同样的人力复核，商业价值就可能被高估。</p>



<p class="wp-block-paragraph">对比过程中需要拆出额外投入。新增客户得到更好服务，可能因为团队多派了工程师，或给予更高补贴。剔除这些投入之后，改善还能保留多少？如果效率主要来自员工加班，扩张就需要同步增加人力，资产的复用作用尚未得到验证。</p>



<p class="wp-block-paragraph">护城河分析在这里最容易遇到口径混乱：累计用户、付费客户、活跃席位与实际任务量被交替使用。选定一个客户群体和观察窗口，持续保持统计定义，再记录产品及价格变化，才能看出改善是否稳定。样本有限时，应把结论限定在已观察的客户范围内。</p>



<h3 class="wp-block-heading">第三问：对手需要付出多大代价才能追上</h3>



<p class="wp-block-paragraph">通过前两问，只能说明公司在进步。竞争壁垒还需要相对优势：其他团队能否以接近的成本和时间复制这些进步？这一问可以邀请业务团队列出客户可选的替代方案，比较功能、实施成本、服务能力和迁移负担。</p>



<p class="wp-block-paragraph">追赶成本需要拆解。公开可买的数据、通用模型接口和标准开发工具，通常也能被竞争者获取。长期积累的可靠交付记录、需要持续协作的供应关系，复制起来可能更慢。这里的「可能」必须继续用客户访谈和替代产品测试验证，不能只依据资源听起来稀缺就作结论。</p>



<p class="wp-block-paragraph">迁移成本也要分清来源。客户主动留下，可能因为可靠性、协作记录和持续改进；也可能因为合同退出手续复杂。后者有助于解释短期续约，却不能自动支持长期认可。客户在新采购中是否继续选择产品，会比被动延续旧合同提供更多信息。</p>



<p class="wp-block-paragraph">反面示例是把先上线六个月当作永久领先。若功能容易复制，渠道也没有排他关系，竞争者可能用集中投入缩短差距。先发时间只有转化成持续积累的经营资产，才值得进一步讨论其防御价值。复查时应同时观察本公司进步速度和替代方案进步速度。</p>



<h3 class="wp-block-heading">让三问进入下一次复查</h3>



<p class="wp-block-paragraph">投黑马建议在研究记录里给每个判断附上下一次检验动作。例如，确认三个新客户能否使用同一组件完成上线；抽查改进后的结果是否仍需同等人工修正；向流失客户核实更换产品的实际原因。数量和时间窗口按业务周期确定，不把示例数字当成所有行业的合格线。</p>



<p class="wp-block-paragraph">每次复查保留原判断、观察结果和调整理由。如果积累无法复用，就回到资产定义；如果产品改善没有推动客户选择，就重看采购需求；如果对手很快追平，就调低防御强度。更新记录允许判断逐步变准确，也能防止团队把每一种结果都解释为原观点正确。</p>



<h2 class="wp-block-heading">四、实战案例：把时间停在1997年的亚马逊</h2>



<p class="wp-block-paragraph">亚马逊适合用来练习这套框架，但需要先限制观察时间。这里只讨论公司1997年披露的经营事实，不借用它后来的市场地位替早期判断作保证。案例中的数据来自公司当年股东信及财年业绩公告，框架解释属于本文分析。</p>



<p class="wp-block-paragraph"><strong>先看资产沉淀。</strong> 公司在1997年股东信中介绍了搜索、浏览、评论、推荐和购物便利性方面的建设，并把客户重复购买列为关注指标。由此可以提出资产假设：购物经验、商品信息和客户使用反馈，可能帮助服务持续改进。需要谨慎的是，披露功能存在，只能证明公司做了这些建设；其具体贡献仍需额外数据检验。</p>



<p class="wp-block-paragraph"><strong>再看交付改善。</strong> 公司财年业绩公告披露，1997年第四季度，重复客户订单占当季订单的比例超过58%；同一公告说明，两岸配送中心布局已经缩短客户运输时间。前者提供客户再次选择的线索，后者提供服务改善的具体环节。重复客户订单占比不能直接当作客户留存率，两者的分母和观察方式不同。</p>



<p class="wp-block-paragraph"><strong>最后检验追赶成本。</strong> 股东信明确承认，已有具备资源的大型竞争者进入线上市场。因而，当时的投资者不能看到复购和基础设施建设，就断言竞争已被解决。按照积累三问，后续仍要跟踪替代服务的配送体验、客户购买选择，以及这些投入是否形成可维持的成本结构。</p>



<p class="wp-block-paragraph">公司当年财报还披露全年净亏损为2760万美元。这个数字提醒我们，服务改善和资产积累需要资金支持。即便观察到有利线索，也要继续核实公司能否承担投入，以及后续经营能否产生相应回报。单年的客户增长不能回答全部问题。</p>



<p class="wp-block-paragraph">框架给出的结论应是：当时有值得继续追踪的资产建设和客户行为证据，竞争防御仍有未证明的环节。它有助于减少两类判断偏差：仅因尚无成熟壁垒就忽略正在形成的能力，以及凭借后来成功便认定早期领先已经牢不可破。</p>



<p class="wp-block-paragraph">还可以为当时的研究设置后续验证项目：持续观察重复购买指标，检查更广配送范围内的服务质量，再核对竞争者提供的商品选择和交付条件。若服务改善停止、维持客户选择所需的投入持续上升，判断就应随之调整。这里列出的是分析者应当提出的问题，并不声称当年已经获得全部答案。</p>



<p class="wp-block-paragraph">客户选择也会受价格、库存和季节影响。即便重复订单占比上升，仍需拆解这些因素，才有条件判断改善来自哪里。缺少这种拆分时，应限制对优势形成速度的推断。</p>



<p class="wp-block-paragraph">把这份分析用于今天的早期项目时，应保留相同纪律：限定观察时点，分开数据口径，列出尚缺的证明。案例展示的是研究过程，不能把一家企业的历史路径直接套进另一家公司的增长预测。</p>



<h2 class="wp-block-heading">投黑马 · 左侧心法</h2>



<pre class="wp-block-code"><code>给早期优势留出成长空间，也给乐观判断安排检验日期。先说明每次经营沉淀的资产，再追踪它对下一次交付的帮助，最后核查竞争者能否轻易复制。证据链的长度应当决定判断的强度。

最容易付出的认知代价，是提前把潜力按成熟壁垒定价。功能领先、客户名单和增长速度都有价值，但每一项价值都需要清楚的适用条件与失效边界。

当现有资料只能证明一小部分，就把其余部分写成后续问题。保存原判断和修改理由，下一轮研究才能积累自己的判断能力。</code></pre>



<p class="wp-block-paragraph"><strong>延伸阅读</strong></p>



<ul class="wp-block-list">
<li><a href="https://touheima.com/academy-20260414-reverse-dd-checklist/">逆向尽调清单：检查判断所依赖的证据</a></li>



<li><a href="https://touheima.com/academy-20260421-anchoring-debiasing/">估值锚定陷阱：识别定价中的惯性</a></li>
</ul>



<p class="has-text-align-right wp-block-paragraph"><strong>── 投黑马研究团队</strong></p>



<p class="wp-block-paragraph">免责声明：本文仅供研究与学习交流，不构成具体项目的投资建议。</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>死亡谷三关：为什么验证了PMF的公司，反而倒在规模化前夜</title>
		<link>https://touheima.com/academy-pmf-scaling-three-gates/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Tue, 16 Jun 2026 01:57:07 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[PMF]]></category>
		<category><![CDATA[SaaS]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[单位经济]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[死亡谷三关]]></category>
		<category><![CDATA[规模化]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=2222</guid>

					<description><![CDATA[PMF不是终点，而是最危险游戏的起点。验证了产品市场契合的公司，为何反而倒在规模化前夜？死亡谷三关模型，帮你逐一检验增长质量、组织承重与单位经济。
]]></description>
										<content:encoded><![CDATA[
<h2 class="wp-block-heading">一、开篇：最危险的时刻，往往是你以为安全的时刻</h2>



<p class="wp-block-paragraph">有一类失败，比「没人要你的产品」更让人惋惜。</p>



<p class="wp-block-paragraph">一家公司花了两年时间，终于做出了用户真正愿意付钱的东西。复购在涨，口碑在传，投资人开始排队，创始人第一次睡了个好觉——他确信自己已经穿过了创业最凶险的那段路。然后他踩下油门，把团队从30人扩到300人，把市场预算翻了十倍，把仓库从一个城市铺到十个城市。十八个月后，公司账上没钱了。</p>



<p class="wp-block-paragraph">这不是一个虚构的剧本。它几乎是过去十年里，每一家「明星创业公司」走向死亡时共同的开场白。外人复盘时通常归因于「扩张太快」「烧钱太狠」，但这些都是结果，不是病因。真正的问题是：创始人把「验证了PMF」误读成了「拿到了通关文牒」，于是用一张单点验证的门票，去闯一座需要三道关卡的城。</p>



<p class="wp-block-paragraph">PMF（Product-Market Fit，产品与市场契合）从来不是终点，而是一个新游戏的起点——而且是规则完全不同的新游戏。在投黑马研究一级市场早期项目的过程中，我们反复看到同一种错位：早期投资人盯着「有没有PMF」做决策，却很少有人系统地追问「这个PMF撑不撑得起规模化」。这篇文章想交给你的，正是回答后一个问题的工具。</p>



<h2 class="wp-block-heading">二、框架核心：死亡谷三关模型</h2>



<p class="wp-block-paragraph">我们把PMF到规模化之间这段路，称为「死亡谷三关」。</p>



<p class="wp-block-paragraph">「死亡谷」这个词在创业语境里常被用来形容现金流为负、收入还没跑起来的早期阶段。但我们想重新定义它：真正的死亡谷，不在产品出生前，而在PMF验证后、规模化跑通前的这段窄路。因为这一段路上，公司同时具备两个致命特征——它有足够亮眼的早期数据让人敢于下重注，又还没有任何证据证明这些数据可以被放大十倍而不变形。</p>



<p class="wp-block-paragraph">死亡谷三关模型把这段路拆成三道必须依次通过的关卡：</p>



<p class="wp-block-paragraph">第一关，<strong>增长质量关</strong>——你的增长是真需求，还是被早期红利、补贴和创始人个人努力托起来的幻觉？</p>



<p class="wp-block-paragraph">第二关，<strong>组织承重关</strong>——把创始人脑子里的判断力，能不能复制成一套不依赖天才的系统？</p>



<p class="wp-block-paragraph">第三关，<strong>单位经济关</strong>——当规模放大，你的成本结构是被摊薄，还是被反噬？</p>



<p class="wp-block-paragraph">这三关有严格的先后顺序，也有清晰的边界。它解决的是「一个已验证PMF的项目，能否安全放大」的问题；它不解决「要不要做这个产品」（那是PMF阶段的事），也不解决「公司估值多少」（那是定价的事）。换句话说，这是一把专门用来检验「油门该不该踩、踩多深」的尺子，而不是用来判断方向盘往哪打的。</p>



<p class="wp-block-paragraph">一个反直觉的前提需要先说清楚：三关里没有任何一关是关于「产品好不好」的。产品好，是你能站到死亡谷入口的前提，但它在谷里帮不了你。谷里考验的全是另一套能力——增长的可重复性、组织的可复制性、经济模型的可放大性。这正是为什么那么多「好产品」公司会死：它们把所有注意力都留在了已经通过的考试上。</p>



<h2 class="wp-block-heading">三、框架详解：逐关拆解</h2>



<h3 class="wp-block-heading">第一关：增长质量关——区分「被拉动的增长」和「会自走的增长」</h3>



<p class="wp-block-paragraph">PMF阶段的增长，几乎总是「不干净」的。</p>



<p class="wp-block-paragraph">早期用户往往是创始人的朋友、行业里的尝鲜者、被首单大额补贴吸引来的薅羊毛者，或者是某个一次性渠道红利带来的流量。这些增长是真实的，订单是真发生的，但它们有一个共同的隐患：不可重复。当你想把规模放大十倍时，朋友用完了，尝鲜者饱和了，补贴烧不起了，渠道红利消失了。</p>



<p class="wp-block-paragraph"><strong>这一关的核心问题是：把所有「一次性来源」剔除后，还剩下多少增长？</strong></p>



<p class="wp-block-paragraph">判断标准有三个可操作的切口。第一是<strong>留存曲线是否走平</strong>——健康的PMF应该有一条会在某个水平企稳的留存曲线，而不是持续衰减到零；如果老用户留不住，新用户进得再多也只是在给一个漏水的桶注水。第二是<strong>自然增长占比</strong>——剔除付费投放和补贴后的有机增长能否支撑起一条独立的增长线。第三是<strong>获客的边际难度</strong>——你获取第1000个用户和第10000个用户，单位成本是趋于下降（说明有网络效应或品牌沉淀）还是急剧上升（说明你正在把钱花在越来越不精准的人群上）。</p>



<p class="wp-block-paragraph">反面示例最典型的就是「补贴驱动的繁荣」：一家公司用首单五折拉来海量新客，报表上GMV曲线陡峭得令人振奋，但一旦补贴退坡，复购率断崖式下跌。它的增长从来不是需求驱动的，而是价格驱动的——这种增长放大十倍，亏损也会同步放大十倍。增长质量关筛掉的，正是这种「把营销费用误认成产品魅力」的公司。</p>



<h3 class="wp-block-heading">第二关：组织承重关——创始人能不能把自己「复制」出去</h3>



<p class="wp-block-paragraph">通过了增长质量关，你证明了需求是真的。但接下来的问题是：满足这个需求的能力，目前装在谁的脑子里？</p>



<p class="wp-block-paragraph">在PMF阶段，公司的核心竞争力往往高度集中在创始人个人身上——是他亲自谈下了关键客户，是他凭直觉拍板了最重要的产品决策，是他在深夜救回了濒临崩溃的服务。这套「英雄主义」在30人时无比高效，但它恰恰是规模化最大的隐形天花板。因为一个人的判断力、时间和精力是无法线性放大的。</p>



<p class="wp-block-paragraph"><strong>这一关的核心问题是：创始人脑子里那套让公司活下来的判断力，能不能被拆解成一套不依赖他本人的系统？</strong></p>



<p class="wp-block-paragraph">判断标准是看三件事能否「下放而不失真」：<strong>招聘标准</strong>（能否把「什么样的人适合我们」写成可复用的画像，而不是每次都靠创始人面聊拍板）、<strong>决策流程</strong>（关键决策能否沉淀为可传授的原则，而不是事事上升到创始人）、<strong>质量标准</strong>（产品和服务的水准能否靠流程保障，而不是靠某几个核心员工的良心）。一家公司从100人扩到500人时，如果这三件事还牢牢锁在创始人一个人手里，组织就会在承重点上断裂。</p>



<p class="wp-block-paragraph">反面示例是「永远在救火的CEO」：公司规模翻了几倍，创始人却越来越忙，因为每一个新招进来的人都需要他亲自带、亲自纠偏、亲自兜底。表面看是创始人勤奋，本质是组织没有承重能力——所有重量都压在一根柱子上。这种公司即便增长是真的，也会在规模化途中因为「人对了、系统没跟上」而塌方。投黑马在评估早期项目的成长性时，会特别关注创始人是否已经开始有意识地「把自己变得不那么重要」，这往往比当下的业绩更能预示一家公司能不能扛过第二关。</p>



<h3 class="wp-block-heading">第三关：单位经济关——规模到底是在帮你，还是在害你</h3>



<p class="wp-block-paragraph">前两关都过了，最后一关最冷酷，因为它纯粹是数学。</p>



<p class="wp-block-paragraph">很多创业者有一个根深蒂固的信念：规模会带来效率，量大了成本自然就摊薄了。这在很多行业是对的，但绝不是普适规律。有相当一类生意，规模放大不仅不摊薄成本，反而会让单位经济持续恶化——因为它的成本里有大量随规模线性甚至超线性增长的部分（履约、人工、获客、退货），而这些部分并不会因为「量大」就变便宜。</p>



<p class="wp-block-paragraph"><strong>这一关的核心问题是：当你把规模放大十倍，单个用户的终身价值（LTV）和获客成本（CAC）之间的关系，是变好还是变坏？</strong></p>



<p class="wp-block-paragraph">判断标准是盯死三组数字的「规模化方向」。<strong>LTV/CAC比值</strong>：随规模扩大，这个比值应该走向健康（通常希望大于3），而不是因为获客越来越贵、留存越来越差而跌破1。<strong>贡献毛利</strong>：剔除所有可变成本后，单笔订单到底是赚是亏，以及这个数字在放量时是改善还是恶化。<strong>回本周期</strong>：一个用户多久能赚回获客成本，规模化时这个周期是缩短还是被拉长。三个数字里只要有一个在放量时朝着坏的方向走，规模化就是在加速失血。</p>



<p class="wp-block-paragraph">反面示例就是那种「卖得越多亏得越多」的生意：每多服务一个客户都要倒贴，公司却把希望寄托在「等规模再大一点，单位成本就降下来了」——但如果成本结构里的大头根本不随规模下降，这个「再大一点」就是一个永远兑现不了的承诺。单位经济关是三关里最不讲情面的一关，因为它不接受任何关于未来的叙事，只认当下的算术。</p>



<p class="wp-block-paragraph">这三关的关系是层层过滤、不可跳过：增长质量关确认「需求是真的」，组织承重关确认「我们交付得了」，单位经济关确认「越交付越赚钱」。任何一关没过就踩油门，都是把油门当刹车踩。</p>



<h2 class="wp-block-heading">四、实战案例：Blue Apron 是怎么走完这三关的</h2>



<p class="wp-block-paragraph">把死亡谷三关模型套在一个真实案例上，最清晰的莫过于美国生鲜半成品配送公司 Blue Apron。这是一个被市场完整验证过的案例——它确实找到了PMF，也确实倒在了规模化前夜，从巅峰估值跌去九成以上，最终退市易主。我们不做价值评判，只用它来走一遍框架的每一道关。</p>



<p class="wp-block-paragraph"><strong>第一关，增长质量关。</strong> Blue Apron 早期的PMF是真实的：大量都市白领厌倦了「想吃得健康却没时间买菜备菜」，它的预配送食材盒精准命中了这个需求，早期复购和口碑都很亮眼。但当我们用增长质量关去拆它后期的增长，问题就暴露了——它的新客很大程度上是靠激进的折扣券和大规模广告投放拉来的。剔除补贴后，留存曲线衰减得很快：很多用户领了首单优惠就走，把订阅当成了一次性尝鲜。换句话说，它的规模化增长里掺了大量「被价格拉动」而非「被需求自走」的水分。第一关，它其实没有干净地通过。</p>



<p class="wp-block-paragraph"><strong>第二关，组织承重关。</strong> 生鲜半成品是一门极重的运营生意——冷链、分拣、损耗、配送时效，每一个环节都需要把控。Blue Apron 在快速放量时，运营复杂度呈非线性上升，履约质量开始波动，而这套能力很难像软件那样靠系统一次性复制到每一个新增产能上。组织承重关考验的「能不能在放大时保持交付水准」，对这门生意构成了实打实的压力。</p>



<p class="wp-block-paragraph"><strong>第三关，单位经济关。</strong> 这是压垮它的最后一关，也是最致命的一关。Blue Apron 的获客成本居高不下，而靠补贴拉来的用户留存又偏弱，导致LTV/CAC的关系在规模化过程中持续恶化——它把大量现金投进了获客，却换不回足够长久的用户价值。叠加生鲜本身的高履约成本和高损耗，规模越大，亏损的绝对值越大。单位经济关在这里给出了最冷酷的判决：这门生意在当时的成本结构下，越放量越失血。</p>



<p class="wp-block-paragraph">回过头看，框架帮我们避免的，正是「被一个真实的PMF冲昏头脑」。如果在它估值巅峰、增长曲线最漂亮的时候，我们用死亡谷三关逐一审视——增长质量掺了多少补贴的水？组织承重扛不扛得住运营的非线性复杂度？单位经济在放量时是改善还是恶化？——三关全部亮起红灯。框架的价值不在于事后聪明，而在于它能在所有人都为增长曲线欢呼时，逼你冷静地问出那三个不讨喜的问题。这也是投黑马坚持做「左侧研究」的原因：最好的判断，往往是在共识最热的时候，依然守住一套不被情绪绑架的检验流程。</p>



<h2 class="wp-block-heading">投黑马 · 左侧心法</h2>



<pre class="wp-block-code"><code>死亡谷三关模型真正的价值，是把「规模化风险」从一种模糊的焦虑，变成三道可以逐一检验的具体关卡。它提醒你：PMF回答的是「方向对不对」，而规模化回答的是完全不同的三个问题——增长干不干净、组织扛不扛得住、经济算不算得过来。把这两套问题混为一谈，是早期投资里最昂贵的错误之一。

这个框架帮你避免的最大陷阱，是「被亮眼的早期数据诱导着过早踩油门」。漂亮的增长曲线极具迷惑性，因为它同时满足了创始人的雄心和投资人的期待，却可能掩盖着补贴驱动、组织失衡、单位经济倒挂这三颗定时炸弹。在掌声最响的时候保持提问的能力，才是穿越死亡谷的真正护城河。

需要强调的前提是：三关有严格的先后顺序，且不可跳过。任何一关没过就放大规模，都会把问题同步放大。这个模型适用于已验证PMF、正考虑或已启动规模化的项目；对尚未找到PMF的早期公司，先回去把方向问题解决，再来谷口排队。</code></pre>



<p class="has-text-align-right wp-block-paragraph"><strong>── 投黑马研究团队</strong></p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<p class="wp-block-paragraph"><strong>延伸阅读</strong></p>



<ul class="wp-block-list">
<li><a href="https://touheima.com/academy-founder-stress-test/">创始人压力测试：「战时能力」比BP重要100倍</a> —— 第二关「组织承重」的延伸，看创始人能力如何决定一家公司放大时扛不扛得住。</li>



<li><a href="https://touheima.com/academy-market-sizing-calibration/">市场规模的三种算法：TAM/SAM/SOM</a> —— 第一关「增长质量」的上游问题，增长天花板到底有多高，决定了规模化的想象空间。</li>



<li><a href="https://touheima.com/academy-exit-strategy-decision-tree/">退出决策树：为什么「死拿」不是信仰，而是一场赌博</a> —— 当三关亮起红灯，如何用决策树判断是加注、坚守还是离场。</li>
</ul>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>退出决策树：为什么「死拿」不是信仰，而是一场赌博</title>
		<link>https://touheima.com/academy-exit-strategy-decision-tree/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Wed, 10 Jun 2026 02:45:10 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[机会成本]]></category>
		<category><![CDATA[死拿]]></category>
		<category><![CDATA[退出决策树]]></category>
		<category><![CDATA[退出策略]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=2151</guid>

					<description><![CDATA[退出策略做不好，不是因为看不准顶部，而是把「死拿」当成了信仰。投黑马用论点、赔率、流动性三个节点，把模糊的「要不要卖」拆成每期可重复执行的退出决策树。
]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph"><a href="https://touheima.com/academy_list/">左侧学堂</a> / 2026年6月 / 阅读时间约13分钟</p>



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
<p class="wp-block-paragraph">大多数投资人都听过「拿得住才能赚大钱」，于是把「死拿」当成了一种信仰。但在一级市场，长期持有从来不是一个决定，它常常是「不做决定」的代名词。本文介绍投黑马总结的「退出决策树」框架，用论点、赔率、流动性三个节点，把模糊的「要不要卖」拆成可重复执行的判断。读完你会发现：真正的退出纪律，不是预测顶部，而是在每一个节点上诚实地重新选择一次。</p>
</blockquote>



<h2 class="wp-block-heading">一、开篇：你以为自己在坚守，其实只是停止了思考</h2>



<p class="wp-block-paragraph">先讲一个几乎每个基金都经历过的场景。</p>



<p class="wp-block-paragraph">某只基金在 A 轮投进了一家明星公司，三年里估值翻了八倍。中间有过两次老股转让的机会，对手方愿意按当时估值的九折接走一部分份额，落袋的金额足够把整只基金的本金收回来。负责这个项目的合伙人拒绝了，理由很体面：「我相信这家公司，它会是我们这期基金的本垒打。」</p>



<p class="wp-block-paragraph">又过了两年，行业风口转向，公司增长停滞，再融资按下修估值完成，老股转让市场上几乎无人问津。当初九折能走的份额，现在打四折都没人接。基金到期清算时，账面上这个项目仍然是「浮盈」，但 DPI——真正还给出资人的现金——惨不忍睹。复盘会上，那位合伙人说了一句很诚实的话：「我以为我在坚守，但其实从第一次拒绝转让那天起，我就再也没认真想过这个仓位该怎么办。」</p>



<p class="wp-block-paragraph">这是一级市场最隐蔽的亏损方式。它不像看错项目那样有明确的失败时刻，而是温水煮青蛙——你把「持有」误当成了「判断」，把「死拿」包装成了「信仰」。问题的根子在于：<strong>绝大多数投资人有一套完整的买入框架，却几乎没有一套同样严谨的退出框架。</strong> 买的时候问十个问题，卖的时候只剩一句「我相信它」。而「相信」恰恰是最不需要动脑的那个动作。</p>



<p class="wp-block-paragraph">真正的问题不是「你该不该卖」，而是「你凭什么判断该不该卖」。当你说不出这个「凭什么」，你的持有就不是信仰，是赌博——只不过赌的是时间，而时间在一级市场里是最贵的筹码。</p>



<h2 class="wp-block-heading">二、框架核心：把「要不要卖」拆成一棵每期重走的决策树</h2>



<p class="wp-block-paragraph">投黑马在长期跟踪早期项目退出的过程中，反复看到同一个规律：退出做得好的机构，靠的不是某次精准的顶部逃顶，而是有一套<strong>可以周期性重复执行的退出判断流程</strong>。我们把它命名为「退出决策树」。</p>



<p class="wp-block-paragraph">它和「止损线」有本质区别。止损线是一条静态的价格红线，触发就卖，本质上把退出简化成一个数字。但一级市场没有连续报价，份额也不是想卖就能卖，一条线根本不够用。「退出决策树」不是一条线，而是一棵树——它由三个依次递进的节点组成，你每隔一个固定周期（比如每个财报季、每轮新融资节点）就从根节点重新走一遍，每个节点给出「继续持有 / 部分退出 / 全部退出」的指令。</p>



<p class="wp-block-paragraph">三个节点分别是：</p>



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
<p class="wp-block-paragraph"><strong>论点节点</strong>——你当初买入的投资论点，今天还成立吗，成立到什么程度？<br><strong>赔率节点</strong>——从今天的价格往后看，剩余的赔率还配得上这个仓位吗？<br><strong>流动性节点</strong>——你有没有一条真实可执行的退出通道？</p>
</blockquote>



<p class="wp-block-paragraph">这三问的顺序不能颠倒，它们是一个过滤漏斗：先判断「这家公司的故事变了没有」，再判断「就算故事没变，现在的价格还有多少肉」，最后判断「就算想卖，卖不卖得掉」。任何一个节点亮红灯，都会改变你的持仓决定。</p>



<p class="wp-block-paragraph">需要说清楚边界：「退出决策树」解决的是「该不该继续持有、退出多大比例」的方向性判断，它不解决「具体卖给谁」「老股转让的价格怎么谈」这类执行层问题。它是一张决策地图，不是一本操作手册。把方向想清楚，执行才有意义；方向错了，执行越漂亮亏得越快。</p>



<h2 class="wp-block-heading">三、框架详解：三个节点，依次过滤</h2>



<h3 class="wp-block-heading">第一问·论点节点：你的投资论点，现在处在哪一格？</h3>



<p class="wp-block-paragraph"><strong>定义。</strong> 每一笔早期投资，背后都有一个可以用一句话说清的论点：你赌的到底是什么。可能是「这个团队能在某个新市场里跑出第一」，可能是「这项技术会把某个环节的成本砍掉一个数量级」。论点节点要做的，就是定期把这句话拿出来，对照现实，看它落在三格中的哪一格。</p>



<p class="wp-block-paragraph"><strong>核心问题：我当初赌的那件事，兑现了、失效了，还是路径变长了？</strong></p>



<p class="wp-block-paragraph">判断标准是把论点的状态分成三类，对应三种完全不同的动作：</p>



<ul class="wp-block-list">
<li><strong>论点已兑现</strong>：你赌的事情已经发生，公司已经成为你预期中的样子。这时候继续持有，赌的就不再是原来那个论点，而是一个你从未认真研究过的新论点（比如「它能从行业第一变成行业垄断」）。<strong>论点兑现是减仓信号，不是加仓信号。</strong></li>



<li><strong>论点已失效</strong>：你赌的核心假设被证伪了，团队没跑出来，技术路线被绕过，市场没起来。这时候任何关于「再等等就能回本」的念头都是赌徒谬误。失效就该走，哪怕亏。</li>



<li><strong>论点未变但路径变长</strong>：故事还对，但兑现的时间从三年拖到了七年。论点没死，可你的资金占用成本、基金存续期都在被消耗。这一格最考验人，它不要求你立刻清仓，但要求你把它纳入下一问——赔率，重新算账。</li>
</ul>



<p class="wp-block-paragraph"><strong>反面示例。</strong> 最常见的错误是把「论点已兑现」当成「论点还在加强」，于是在公司最辉煌的时候不但不减，反而因为「越来越相信」而拒绝任何退出。信仰在这里偷偷替换了判断：你不是在评估论点，你是在为已经发生的浮盈寻找继续持有的理由。</p>



<h3 class="wp-block-heading">第二问·赔率节点：从今天往后看，剩余赔率还配得上这个仓位吗？</h3>



<p class="wp-block-paragraph"><strong>定义。</strong> 赔率节点强迫你做一件反人性的事——忘掉成本价，只看未来。你已经赚的或亏的，是沉没的；唯一该计算的，是从今天这个估值再往后，这个仓位还能给你多少潜在回报、要冒多少潜在风险。</p>



<p class="wp-block-paragraph"><strong>核心问题：如果今天我手里是现金而不是这家公司的份额，我还会按现在的估值买进来吗？</strong></p>



<p class="wp-block-paragraph">这是整棵树里最锋利的一刀。判断标准是「机会成本视角」：你占用的不只是钱，还有这只基金有限的额度和注意力。同样一笔钱，留在一个已经涨了八倍、剩余空间有限的项目里，还是腾出来投三个赔率更高的新项目？左侧投资的精髓从来不是「拿住一个就够了」，而是持续把资金配置到赔率最高的地方。当一个仓位的剩余赔率掉到你新项目的门槛之下，它就该让位。</p>



<p class="wp-block-paragraph">这里有个关键纪律：<strong>赔率下降不一定意味着全部退出，更多时候意味着「部分退出」。</strong> 把本金和一部分利润拿回来，留一小块「免费仓位」继续享受可能的超额上行，是一级市场里最务实的中间解。它既尊重了「论点可能继续兑现」的不确定性，又锁定了已经到手的赔率。</p>



<p class="wp-block-paragraph"><strong>反面示例。</strong> 典型错误是「锚定成本价做决策」——「我成本才一块钱，现在五块，跌回三块我也不亏」。这句话把退出判断建立在了和未来完全无关的历史数字上。市场不在乎你的成本，它只兑现未来的赔率。关于这种锚定如何系统性地毒化判断，投黑马在《估值锚定陷阱》里有专门拆解，此处不展开。</p>



<h3 class="wp-block-heading">第三问·流动性节点：你有没有一条真实可执行的退出通道？</h3>



<p class="wp-block-paragraph"><strong>定义。</strong> 前两问在二级市场也成立，但第三问是一级市场独有的、也最容易被忽略的一环。你想退出，不代表你能退出。一级市场的份额没有连续报价，退出依赖具体的通道：老股转让、新一轮的部分套现条款、并购、IPO 解禁后减持。流动性节点要求你在「想卖」之前，先确认「卖得掉」。</p>



<p class="wp-block-paragraph"><strong>核心问题：在我真正想退的那个时点，有没有一条现实存在、价格可接受的退出路径？</strong></p>



<p class="wp-block-paragraph">判断标准是把流动性当成一种会枯竭的资源来管理，而不是一个永远在那儿的选项。关键洞察是：<strong>流动性往往在你最想用它的时候消失。</strong> 公司高速增长、人人追捧时，老股一票难求，你想卖随时有人接——可那时论点和赔率都在告诉你别卖；等到增长熄火、你终于想退了，接盘的人也一起消失了。这就是为什么成熟的机构会在流动性最充裕、而不是最需要的时候，主动兑现一部分——他们是在流动性还在的时候提前锁定未来的退出权。</p>



<p class="wp-block-paragraph"><strong>反面示例。</strong> 最危险的假设是「反正它要 IPO，到时候自然能退」。把全部退出寄托在一个尚未发生、且时间不可控的流动性事件上，等于把自己的现金回流交给了别人的时间表。开篇那个故事的合伙人，犯的正是这个错——他默认「明星公司总有人接」，却没意识到这个「总有人接」是有保质期的。</p>



<p class="wp-block-paragraph">三个节点连起来看，逻辑非常清楚：论点决定「这个赌注还成不成立」，赔率决定「成立的话还值不值得占着这个仓位」，流动性决定「想退的话退不退得出来」。三问全绿，安心持有；任何一问亮红，就启动相应比例的退出。这棵树最大的价值，不是替你做决定，而是逼你每隔一段时间，诚实地重新做一次决定——而不是用「我相信」这三个字，把判断永久地外包给信仰。</p>



<h2 class="wp-block-heading">四、实战案例：一笔被反复讨论的早期持仓，如何走完这棵树</h2>



<p class="wp-block-paragraph">把框架套到一个真实且被市场充分验证过的案例上：一家社交平台公司，一位以早期天使身份在 2004 年投入约五十万美元、最终持有到 2012 年上市的投资人。这是公开披露、被反复研究的一笔投资，正好可以完整走一遍「退出决策树」。我们只描述已经发生的事实，不做任何「他应该怎样」的评判——框架的价值在于还原决策过程，不在于事后裁判。</p>



<p class="wp-block-paragraph"><strong>走第一问·论点节点。</strong> 这笔投资 2004 年的原始论点很简单：一个还在校园里的社交产品，有可能成为一代人的默认社交方式。到 2012 年公司 IPO 时，这个论点已经大幅兑现——它早已不是「有可能成为」，而是「已经成为」全球级别的社交平台。按照论点节点的判断，论点兑现是减仓信号：继续满仓持有，赌的将是一个全新的、风险收益结构完全不同的论点（从「全球社交平台」进一步变成「数十年的广告与数据帝国」），而这个新论点并不是当初买入时研究过的那个。论点节点在这里给出的，是「至少部分退出」的指令。</p>



<p class="wp-block-paragraph"><strong>走第二问·赔率节点。</strong> IPO 时点上，这家公司的估值已经是天使轮的成千上万倍。用「如果今天我手里是现金，还会按这个估值全仓买进吗」来拷问，答案显然是否定的——剩余的潜在涨幅，相对于已经到手的天文数字回报和上市后的波动风险，赔率已经被大幅压缩。赔率节点的指令同样指向「兑现大部分，保留一小块免费仓位继续参与上行」。这恰好解释了这类案例里反复出现的操作：在解禁窗口大比例减持，而非清仓，也非死拿。</p>



<p class="wp-block-paragraph"><strong>走第三问·流动性节点。</strong> 这是最关键的一环。上市本身，就是一级市场投资人梦寐以求、却又极其稀缺的流动性事件——它在某个确定的时间窗口，把原本几乎无法变现的早期份额，变成了可以公开卖出的股票。流动性节点的纪律是「在流动性出现时兑现，而不是赌它永远都在」。IPO 解禁正是这样一个「流动性最充裕」的窗口，主动在此时兑现，本质上是在用确定的退出权，替换未来不确定的市场情绪。</p>



<p class="wp-block-paragraph"><strong>框架帮我们看清了什么。</strong> 事后看，这家公司上市后股价又涨了数倍，「死拿到今天」的账面回报会更惊人。但这正是「退出决策树」要破除的幻觉：<strong>用上帝视角的事后最大值，去评判当时的退出决策，是不公平的，也是学不会的。</strong> 框架优化的从来不是「赚到最多」，而是「在每个节点上，基于当时已知的论点、赔率和流动性，做出风险调整后最合理的选择」。这个案例里，三个节点在 IPO 时点高度一致地指向「大比例兑现、保留少量上行」——这是一个有纪律的决定，而不是一次对顶部的精准预测。一级市场里没有人能持续逃顶，但有纪律的人，可以持续地不把已经到手的赔率，重新押回赌桌。</p>



<p class="wp-block-paragraph">反过来，开篇那个亏掉 DPI 的故事，错就错在三个节点一个都没认真走：论点已兑现却当成还在加强，赔率已压缩却用成本价自我安慰，流动性还充裕时拒绝兑现、等枯竭了才想退。他不是输给了市场，是输给了「我相信」这三个字——它让他有了不做判断的借口。投黑马跟踪过的大量退出复盘里，这种「用信仰替代决策」的失败，远比「看错项目」更普遍，也更可惜。</p>



<h2 class="wp-block-heading">投黑马 · 左侧心法</h2>



<pre class="wp-block-code"><code>退出和买入是同一枚硬币的两面，但绝大多数投资人只磨了买入这一面。「退出决策树」的真正用意，不是教你逃顶，而是把「持有」从一个默认状态，变回一个需要每期重新签字确认的主动决定。论点、赔率、流动性三问，任何一问你答不上来，你的持有就失去了依据。

它帮你避开的最大陷阱，是把「死拿」浪漫化成「信仰」。信仰是停止思考的许可证，而一级市场最贵的成本，恰恰是时间和注意力被一个早该退出的仓位长期占用。真正的纪律不是拿得久，而是每一次继续拿，都有说得清的理由。

但要用好这棵树，有一个前提：你必须先有一个写得下来、能被证伪的原始投资论点。如果你买入时根本没想清楚自己在赌什么，那么退出时的三问会全部失灵——没有论点，就无所谓论点是否兑现。退出纪律的源头，永远在买入那一刻。</code></pre>



<p class="has-text-align-right wp-block-paragraph"><strong>── 投黑马研究团队</strong></p>



<p class="wp-block-paragraph"></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>赛道研究的终极问题：这个市场为什么现在才出现？</title>
		<link>https://touheima.com/academy-timing-validation-matrix/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Tue, 28 Apr 2026 12:02:35 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[AI Agent]]></category>
		<category><![CDATA[基础设施]]></category>
		<category><![CDATA[左侧投资]]></category>
		<category><![CDATA[市场时机]]></category>
		<category><![CDATA[成本跃迁]]></category>
		<category><![CDATA[投资时机判断]]></category>
		<category><![CDATA[投资框架]]></category>
		<category><![CDATA[时机验证矩阵]]></category>
		<category><![CDATA[赛道分析]]></category>
		<category><![CDATA[赛道研究]]></category>
		<category><![CDATA[逆向投资]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=1983</guid>

					<description><![CDATA[赛道分析中最被低估的问题是「为什么是现在」。时机验证矩阵从成本跃迁、基础设施就位、监管窗口、需求侧觉醒四个维度，系统验证赛道的进入时机，帮助左侧投资者区分真窗口与伪风口。
]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph"><a href="https://touheima.com/academy_list/">左侧学堂</a> / 2026年4月 / 阅读时间约13分钟</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<p class="wp-block-paragraph">2019年，一家专注合成生物学的早期基金在Pre-Seed轮重仓了三家mRNA平台公司。彼时合成生物学尚属冷门，主流VC的态度是「技术成熟度不够，商业化路径不清晰」。这家基金的合伙人在内部会议上给出的判断依据只有一句话：「不是技术突然变好了，是成本结构终于过了临界点。」</p>



<p class="wp-block-paragraph">十四个月后，COVID-19疫情暴发，mRNA疫苗成为全球焦点。这家基金的三笔投资全部在18个月内获得超过20倍回报。</p>



<p class="wp-block-paragraph">故事讲到这里，大多数人会归结为「运气好，赶上了疫情」。但如果你去翻这家基金过去十年的投资记录，会发现一个令人不安的规律：他们在云计算（2010年）、移动支付（2012年）、自动驾驶感知层（2016年）上都做过类似的早期布局，命中率远高于行业平均。</p>



<p class="wp-block-paragraph">他们并不是在预测黑天鹅事件。他们在回答一个更根本的问题：<strong>这个市场为什么现在才出现？</strong></p>



<p class="wp-block-paragraph">这是赛道研究中最被低估的一个问题。大多数投资人把精力花在「这个市场有多大」和「谁会赢」上，却很少认真追问「为什么是现在」。然而投黑马研究团队在复盘大量左侧投资案例后发现，几乎所有成功的左侧布局，最终都可以追溯到对「时机」的精准判断——不是预测未来会发生什么，而是理解当下有什么结构性条件刚刚成熟。</p>



<p class="wp-block-paragraph">缺乏一套系统的时机验证工具，投资人就只能在两种错误之间反复摇摆：要么因为「太早了」而错过真正的窗口期，要么因为「看起来到了」而冲进一个伪风口。</p>



<p class="wp-block-paragraph">本文要介绍的，就是投黑马在赛道判断中实际使用的一套时机验证工具——<strong>时机验证矩阵</strong>。</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h2 class="wp-block-heading">时机验证矩阵：不是预测未来，而是诊断现在</h2>



<p class="wp-block-paragraph">在讨论具体方法之前，有必要先厘清一个认知前提：<strong>时机判断不是预测。</strong></p>



<p class="wp-block-paragraph">预测是在说「未来会发生什么」，时机判断是在说「当下的条件是否已经满足」。两者的思维方向完全相反——前者向前看，后者向下挖。</p>



<p class="wp-block-paragraph">时机验证矩阵是一套由四个维度构成的诊断工具，用来回答一个核心问题：<strong>「这个市场此刻出现，是因为哪些底层条件刚刚发生了不可逆的变化？」</strong></p>



<p class="wp-block-paragraph">四个维度分别是：</p>



<ul class="wp-block-list">
<li><strong>成本跃迁</strong>：关键生产要素的成本是否突破了临界点？</li>



<li><strong>基础设施就位</strong>：市场运转所需的底层设施是否已经可用？</li>



<li><strong>监管窗口</strong>：政策环境是在打开还是在收紧？</li>



<li><strong>需求侧觉醒</strong>：终端用户的行为是否已经出现不可逆的迁移？</li>
</ul>



<p class="wp-block-paragraph">这四个维度不是并列的清单，而是一个<strong>逐层过滤器</strong>。一个赛道必须在成本跃迁上首先过关，才有资格进入下一层验证。如果成本结构没有发生根本性变化，后面三个维度再好看也不构成入场信号。</p>



<p class="wp-block-paragraph">这套矩阵解决的是「该不该现在看这个赛道」的问题，不解决「该投哪家公司」的问题。它是投资决策链条中最上游的一个过滤器。</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h3 class="wp-block-heading">第一层：成本跃迁——最容易被忽略的硬信号</h3>



<p class="wp-block-paragraph">成本跃迁指的是某个关键生产要素的价格在短期内发生了数量级的下降，而且这种下降是<strong>不可逆的</strong>。</p>



<p class="wp-block-paragraph">为什么把成本放在第一位？因为在投黑马的经验中，几乎所有真正的新市场，背后都有一个共同的触发条件：某个之前「贵到不实用」的东西突然变得「便宜到可以规模化」。</p>



<p class="wp-block-paragraph">判断标准不是「便宜了一些」，而是「便宜了一个数量级」。具体而言：</p>



<p class="wp-block-paragraph"><strong>核心问题：</strong> 这个赛道的关键生产要素，在过去24个月内是否经历了至少10倍的成本下降？</p>



<p class="wp-block-paragraph"><strong>判断标准：</strong></p>



<ol class="wp-block-list">
<li>成本下降必须是结构性的（技术进步或工艺突破驱动），而非周期性的（补贴、价格战）</li>



<li>成本下降必须发生在「关键瓶颈环节」，而非边缘环节</li>



<li>成本下降的趋势是否还在加速（学习曲线是否陡峭）</li>
</ol>



<p class="wp-block-paragraph"><strong>反面示例：</strong> 2015年前后，VR头显的价格从数万元降到几千元，很多投资人据此判断「VR元年到了」。但仔细拆解会发现，真正的瓶颈不是头显硬件成本，而是内容制作成本——一分钟高质量VR内容的制作成本仍然高达数万美元，根本没有发生跃迁。结果所谓的「VR元年」变成了一场持续多年的伪风口。</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h3 class="wp-block-heading">第二层：基础设施就位——「路修好了」比「车造好了」更重要</h3>



<p class="wp-block-paragraph">基础设施就位指的是市场运转所需的底层公共设施——包括技术标准、开发者工具、分发渠道、支付体系等——已经从「需要自建」变成了「可以直接调用」。</p>



<p class="wp-block-paragraph">这一层的核心洞察是：很多「太早了」的投资，死因不是产品不好，而是<strong>创业者不得不自己修路</strong>。当一个创业公司需要把60%的资源用于搭建本该由生态提供的基础设施时，无论产品多好都很难跑出来。</p>



<p class="wp-block-paragraph"><strong>核心问题：</strong> 这个赛道的创业者，是否已经可以把80%以上的资源集中在核心产品上，而非基础设施搭建？</p>



<p class="wp-block-paragraph"><strong>判断标准：</strong></p>



<ol class="wp-block-list">
<li>是否有成熟的开源框架或云服务可以直接使用？</li>



<li>是否有标准化的API或数据接口？</li>



<li>分发渠道是否已经存在（而非需要从零教育市场）？</li>
</ol>



<p class="wp-block-paragraph"><strong>反面示例：</strong> 2013年的智能家居赛道。当时产品层面已经有不少创新，但WiFi协议碎片化、没有统一的IoT平台、用户家中的宽带速度普遍不够。每家智能家居公司都在自建协议、自建云平台、自建App。基础设施的缺位让整个赛道提前了至少五年。</p>



<p class="wp-block-paragraph">投黑马的判断是：当你看到一个赛道里的创业公司开始「轻装上阵」——不再需要自建底层，而是专注于应用层创新——这往往是基础设施刚刚就位的信号。</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h3 class="wp-block-heading">第三层：监管窗口——政策是加速器还是路障</h3>



<p class="wp-block-paragraph">监管窗口判断的不是「政策是否支持」，而是<strong>政策环境的变化方向和速度</strong>。</p>



<p class="wp-block-paragraph">一个常见的误区是把「政策利好」等同于「监管窗口打开」。事实上，过于明确的政策支持有时反而是危险信号——它可能意味着市场已经进入右侧，大量资金即将涌入，竞争格局将快速恶化。</p>



<p class="wp-block-paragraph"><strong>核心问题：</strong> 监管环境在未来12-18个月内是趋向于「从限制到允许」还是「从允许到收紧」？</p>



<p class="wp-block-paragraph"><strong>判断标准：</strong></p>



<ol class="wp-block-list">
<li>是否有新的法规框架正在制定中（而非已经落地）？</li>



<li>监管态度是「沙盒试点」还是「全面禁止」？</li>



<li>国际上是否已有可参考的监管先例？</li>
</ol>



<p class="wp-block-paragraph"><strong>反面示例：</strong> 2021年中国教培行业。在「双减」政策落地前，大量投资人看到的是「政策一直在支持教育信息化」。但如果用监管窗口维度来审视，会发现多个预警信号已经出现：地方性限制措施在密集出台、官方媒体的论调从「规范发展」转向「回归公益」、相关部门的人事调整指向收紧方向。监管窗口不是在打开，而是在加速关闭。</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h3 class="wp-block-heading">第四层：需求侧觉醒——用户行为的不可逆迁移</h3>



<p class="wp-block-paragraph">需求侧觉醒是矩阵的最后一层，也是最容易被「数据幻觉」误导的一层。</p>



<p class="wp-block-paragraph">这里说的不是「用户调研显示需求很大」或者「市场规模预测很诱人」。根据投黑马的左侧研究框架，真正有意义的需求侧信号是：<strong>用户已经在用替代方案（哪怕很笨拙地）解决这个问题，而且这种行为模式是不可逆的。</strong></p>



<p class="wp-block-paragraph"><strong>核心问题：</strong> 目标用户群体中，是否已经有一个可观测的子集在用「笨办法」解决这个问题？</p>



<p class="wp-block-paragraph"><strong>判断标准：</strong></p>



<ol class="wp-block-list">
<li>存在「临时替代方案」（Excel管理客户关系、微信群做项目管理等）</li>



<li>这些替代行为是持续增长的，而非一次性的</li>



<li>用户为替代方案付出的成本（时间、金钱、效率损失）是可量化的</li>
</ol>



<p class="wp-block-paragraph"><strong>反面示例：</strong> 2016年的无人零售。投资人看到的需求信号是「消费者讨厌排队」，但实际上消费者并没有在大规模地用替代方案解决排队问题——他们只是偶尔抱怨一下。没有痛到要自己找解决方案，就意味着需求侧还没有真正觉醒。对比之下，移动支付爆发前夕，用户已经在用各种「笨办法」实现线上转账——银行网银、电话转账、甚至支付宝的PC版——这些替代行为的存在和增长，才是需求侧觉醒的真信号。</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h2 class="wp-block-heading">实战案例：用时机验证矩阵回看AI Agent赛道（2024-2025）</h2>



<p class="wp-block-paragraph">为了完整展示这套框架的使用方式，我们用时机验证矩阵来回溯分析2024-2025年AI Agent赛道的投资时机判断。</p>



<p class="wp-block-paragraph"><strong>背景：</strong> 2024年初，大模型热潮已经持续一年多。市场的注意力开始从「基础模型」转向「应用层」，AI Agent成为最热门的叙事之一。问题是：这是一个真正的时机窗口，还是又一个「大模型版的VR元年」？</p>



<p class="wp-block-paragraph"><strong>第一层验证：成本跃迁 <img src="https://s.w.org/images/core/emoji/17.0.2/72x72/2705.png" alt="✅" class="wp-smiley" style="height: 1em; max-height: 1em;" /></strong></p>



<p class="wp-block-paragraph">2024年，大模型推理成本发生了剧烈的结构性下降。GPT-4级别的推理能力，API调用成本在12个月内下降了超过20倍，且下降趋势仍在加速。更关键的是，开源模型（Llama系列、Mistral等）的性能快速逼近闭源模型，进一步压低了AI应用的底层成本。这不是补贴驱动的降价，而是技术迭代和竞争格局共同推动的结构性变化。成本跃迁维度：通过。</p>



<p class="wp-block-paragraph"><strong>第二层验证：基础设施就位 <img src="https://s.w.org/images/core/emoji/17.0.2/72x72/2705.png" alt="✅" class="wp-smiley" style="height: 1em; max-height: 1em;" /></strong></p>



<p class="wp-block-paragraph">到2024年下半年，AI Agent的基础设施环境发生了质变。LangChain、CrewAI等开源框架提供了标准化的Agent开发工具链；向量数据库（Pinecone、Weaviate）从小众工具变成了标配组件；主流云平台（AWS、Azure、GCP）都推出了Agent托管服务。创业者不再需要从零搭建推理管线和记忆系统，可以直接站在成熟基础设施之上构建产品。基础设施就位维度：通过。</p>



<p class="wp-block-paragraph"><strong>第三层验证：监管窗口 <img src="https://s.w.org/images/core/emoji/17.0.2/72x72/26a0.png" alt="⚠" class="wp-smiley" style="height: 1em; max-height: 1em;" />（条件性通过）</strong></p>



<p class="wp-block-paragraph">AI监管环境在2024-2025年呈现出「框架制定中但尚未收紧」的状态。欧盟AI Act已通过但执行细则仍在讨论，美国采取行政令而非立法的方式进行约束，中国则以「备案制」而非「许可制」管理生成式AI。监管窗口整体处于「沙盒试点」阶段——不是完全开放，但也没有实质性限制创新。需要注意的风险是：一旦AI Agent在金融、医疗等敏感场景出现重大事故，监管收紧的速度可能非常快。监管窗口维度：条件性通过，需要持续监测。</p>



<p class="wp-block-paragraph"><strong>第四层验证：需求侧觉醒 <img src="https://s.w.org/images/core/emoji/17.0.2/72x72/2705.png" alt="✅" class="wp-smiley" style="height: 1em; max-height: 1em;" /></strong></p>



<p class="wp-block-paragraph">到2025年初，需求侧觉醒的信号已经非常明确。大量企业用户在用「笨办法」构建AI工作流：用Zapier串联多个AI API、在Excel里手动管理Prompt模板、用Python脚本调度多步骤AI任务。这些替代行为的增长是爆发性的，而且一旦用户体验了AI辅助的工作流，回退到纯人工模式的意愿极低——行为迁移是不可逆的。需求侧觉醒维度：通过。</p>



<p class="wp-block-paragraph"><strong>矩阵结论：</strong> 四个维度中三个明确通过、一个条件性通过。AI Agent赛道在2024年下半年进入了真实的时机窗口。这不是一个需要「赌」的判断，而是一个可以被系统验证的结论。</p>



<p class="wp-block-paragraph">回过头看，那些在2024年下半年到2025年初果断布局AI Agent应用层的基金，大多获得了显著的估值增长。而那些因为「担心太早」或「等等看监管」而持续观望的投资人，错过的不是一个炒作周期，而是一个经过四重验证的结构性窗口。</p>



<p class="wp-block-paragraph">时机验证矩阵帮助我们识别的，正是这种「看起来有风险，但底层条件已经不可逆地成熟了」的时刻。</p>



<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h2 class="wp-block-heading">投黑马 · 左侧心法</h2>



<pre class="wp-block-code"><code>时机判断的本质不是预测未来，而是诊断现在。当成本跃迁、基础设施就位、监管窗口和需求侧觉醒四个条件同时满足时，一个市场的出现就不再是「如果」的问题，而是「多快」的问题。

最危险的陷阱是用「市场规模」替代「时机验证」。一个万亿级的市场如果底层条件尚未成熟，比一个百亿级但条件已就绪的市场风险更大。左侧投资者需要学会区分「正确的方向」和「正确的时机」。

时机验证矩阵不是万能工具。它适用于判断赛道级别的进入时机，不解决公司选择和估值判断的问题。使用时请注意：四个维度是逐层过滤关系，不是简单打分——任何一层不通过，都应该暂缓入场。</code></pre>



<p class="has-text-align-right wp-block-paragraph">── 投黑马研究团队</p>



<p class="wp-block-paragraph"><strong>延伸阅读：</strong></p>



<ul class="wp-block-list">
<li><a href="https://touheima.com/academy-left-side-timing-judgment/">左侧布局的时机判断：为什么等待本身也是一种能力</a>——从心理维度理解时机判断中的「等待」策略</li>



<li><a href="https://touheima.com/academy-20260405-pre-consensus-calibration/">前共识校准模型：最好的左侧投资不是逆势，而是等共识来找你</a>——时机验证之后，如何校准市场共识的距离</li>



<li><a href="https://touheima.com/academy-20260414-reverse-dd-checklist/">逆向尽调清单：为什么90%的VC尽调报告都在问错问题？</a>——通过时机验证后进入公司层面的判断工具</li>
</ul>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>估值锚定陷阱：你的「合理估值」可能只是上一轮的惯性</title>
		<link>https://touheima.com/academy-20260421-anchoring-debiasing/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Wed, 15 Apr 2026 01:37:58 +0000</pubDate>
				<category><![CDATA[左侧学堂]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[估值方法]]></category>
		<category><![CDATA[估值陷阱]]></category>
		<category><![CDATA[尽调框架]]></category>
		<category><![CDATA[投资决策]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[种子轮]]></category>
		<category><![CDATA[行为金融]]></category>
		<category><![CDATA[锚定效应]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=1883</guid>

					<description><![CDATA[锚定脱敏三步法帮助早期投资者打破估值锚定陷阱，用盲估、多锚、压测三步流程建立独立估值判断，避免被上一轮数字绑架决策。
]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph"><a href="https://touheima.com/academy_list/">左侧学堂</a> / 2026年4月 / 阅读时间约12分钟</p>



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
<p class="wp-block-paragraph"><em>你花了两周分析一个Pre-A轮项目，觉得投前1.5亿「有点贵」。然后你发现，这家公司上一轮天使轮的投前估值是8000万，你的直觉反应是：半年涨了不到一倍，还算合理。于是你投了。三个月后复盘，你发现自己从未认真算过这1.5亿到底反映了什么基本面假设——你只是觉得「比上一轮贵一点」就是合理的。这不是估值，这是锚定。核心阅读要点：①为什么上一轮估值是最危险的参考系；②锚定脱敏三步法的完整框架；③如何在真实交易中识别并拆除估值锚点。</em></p>
</blockquote>



<h2 class="wp-block-heading">一、为什么「上一轮估值」是最危险的参考系</h2>



<p class="wp-block-paragraph">一级市场有一个几乎所有人都在犯、但没人承认的错误：用上一轮估值来判断这一轮估值是否合理。</p>



<p class="wp-block-paragraph">场景是这样的——你拿到一个B轮项目的BP，投前估值5亿。你的第一反应不是去算这5亿背后隐含了什么增长假设，而是去查这家公司A轮融了多少、投前多少。查完发现A轮投前2亿，你心里立刻有了一个判断：「两年涨了2.5倍，考虑到业务进展，合理。」</p>



<p class="wp-block-paragraph">这个判断过程看起来很专业，实际上是一个经典的认知偏误——<strong>锚定效应</strong>（Anchoring Effect）。诺贝尔经济学奖得主Daniel Kahneman在行为经济学领域的奠基性研究中证明：人在面对不确定性估计时，会不自觉地依赖最先接触到的数字作为「锚点」，后续所有的判断都是在这个锚点附近做微调，而不是从零开始独立推算。</p>



<p class="wp-block-paragraph">一级市场的估值天然容易被锚定，原因有三个：</p>



<p class="wp-block-paragraph"><strong>第一，没有公开市场定价。</strong> 二级市场的股票每秒都有成交价，你很难被某个历史价格锚定太久，因为新的价格信号不断冲刷你的认知。但一级市场的项目可能一年才融一次资，上一轮估值就是这一年里你能看到的唯一「价格」。</p>



<p class="wp-block-paragraph"><strong>第二，估值的信息不对称极严重。</strong> 创始人知道自己公司的真实状况，投资人只能通过有限的数据去推断。在信息不足时，大脑会更强烈地抓住已有的锚点——上一轮估值恰好是最容易获取的那个数字。</p>



<p class="wp-block-paragraph"><strong>第三，上一轮有「市场背书」的幻觉。</strong> 上一轮的估值不是一个人拍的，是一群投资人竞争出来的「市场价格」。这让它看起来比你自己的独立判断更可靠。但问题是：上一轮的投资人可能也被更早的锚点锚定了。</p>



<p class="wp-block-paragraph">结果就是：<strong>整个一级市场的估值链条，可能从天使轮到C轮都建立在层层叠加的锚定效应之上</strong>，每一轮的投资人都在前一轮的基础上加一个「看起来合理」的溢价。直到IPO或被并购的那一刻，市场才第一次用真实的基本面给出独立定价——而这个价格经常和最后一轮的估值相差甚远。</p>



<p class="wp-block-paragraph">这就是为什么我们需要一套系统的方法来「脱敏」——从锚点的引力中挣脱出来，回到独立估值的基本面。</p>



<h2 class="wp-block-heading">二、框架核心：锚定脱敏三步法</h2>



<p class="wp-block-paragraph">「锚定脱敏三步法」是一套帮助左侧投资者在评估早期项目估值时，系统性识别并消除锚定效应的框架。</p>



<p class="wp-block-paragraph">核心逻辑用一句话说：<strong>不从「上一轮值多少」出发，而从「这家公司现在值多少」出发。</strong> 听起来像废话，但在实际操作中，这两个起点会导向完全不同的估值结论。</p>



<p class="wp-block-paragraph">三个步骤是递进关系：</p>



<pre class="wp-block-code"><code>第一步：锚点识别 → 找出你脑中的估值锚点是什么、从哪来的
第二步：归零重估 → 忘掉所有已知估值，用基本面独立推算
第三步：偏差校验 → 把独立估值和市场估值做对比，分析差距的原因</code></pre>



<p class="wp-block-paragraph">这个框架解决的问题是：当你面对一个有融资历史的项目时，如何做出不被历史估值污染的独立判断。它不解决的问题是：如何给一个从未融过资的项目定价——那是另一套方法论（涉及可比公司法和风险调整收益法）。</p>



<p class="wp-block-paragraph">为什么叫「脱敏」而不是「去锚」？因为锚定效应不可能被完全消除——它是人类认知的底层机制，你知道它存在也无法让它消失。但你可以通过结构化的流程<strong>降低它对最终判断的影响</strong>，就像过敏体质的人通过脱敏治疗降低对过敏原的反应一样。框架的目标不是让你变成没有偏差的理性人，而是让你的偏差从「无意识地被锚定」变成「有意识地管理锚定」。</p>



<h2 class="wp-block-heading">三、框架详解：三步拆解</h2>



<h3 class="wp-block-heading">第一步：锚点识别</h3>



<p class="wp-block-paragraph"><strong>定义：</strong> 在做出任何估值判断之前，先识别你脑中已经存在的「锚点」——那些不由你选择、但已经在影响你判断的数字。</p>



<p class="wp-block-paragraph"><strong>核心问题：</strong> 我现在脑子里对这家公司的估值预期是多少？这个数字是从哪来的？</p>



<p class="wp-block-paragraph"><strong>判断标准：</strong></p>



<p class="wp-block-paragraph">你需要诚实地列出所有已经进入你认知的估值相关信息。常见的锚点来源包括：上一轮融资估值、创始人的报价、同赛道已知公司的估值、媒体报道中的数字、同行的口头评价。</p>



<p class="wp-block-paragraph">列出之后，标记每一个锚点的「污染风险」。规则很简单：<strong>越早接触到的数字，锚定力越强。</strong> 如果你在看BP之前就听说「这家公司估值2亿」，这个2亿就是你的主锚点，后续所有分析都会围绕它上下浮动。</p>



<p class="wp-block-paragraph"><strong>反面示例：</strong> 最常见的误用是「我知道锚定效应，所以我不会被锚定」。知道偏差存在不等于能消除偏差——就像你知道视觉错觉是假的，但看到那两条线还是觉得不一样长。锚点识别的目的不是消除锚定，而是让你<strong>知道自己被什么锚定了</strong>，为下一步的归零重估建立基准。</p>



<h3 class="wp-block-heading">第二步：归零重估</h3>



<p class="wp-block-paragraph"><strong>定义：</strong> 暂时忘掉所有已知的估值信息，用基本面数据独立推算这家公司「应该值多少」。</p>



<p class="wp-block-paragraph"><strong>核心问题：</strong> 如果这家公司从来没有融过资，没有任何市场定价，仅凭它现在的业务数据和未来潜力，我愿意出多少钱买它X%的股份？</p>



<p class="wp-block-paragraph"><strong>判断标准：</strong></p>



<p class="wp-block-paragraph">归零重估有三个子方法，适用于不同阶段的公司：</p>



<p class="wp-block-paragraph"><strong>子方法A：里程碑折现法（Pre-Seed到Seed）。</strong> 列出这家公司在未来12-18个月需要达到的关键里程碑（产品上线、首个付费客户、月收入破X万），估算达到每个里程碑后公司「应该值多少」，然后按风险折现回现在。折现率反映的不是资金成本，而是里程碑不达标的概率。</p>



<p class="wp-block-paragraph"><strong>子方法B：单位经济学倒推法（Seed到A轮）。</strong> 如果公司有了初步的收入数据，从单位经济学出发：客户获取成本（CAC）、客户生命周期价值（LTV）、LTV/CAC比率。用当前的单位经济学推算可持续增长率，再推算2-3年后的收入规模，最后用行业合理的收入倍数倒推现在的估值。</p>



<p class="wp-block-paragraph"><strong>子方法C：可比退出倒推法（A轮到B轮）。</strong> 找到同赛道、同阶段已经退出（IPO或被收购）的公司，看它们在类似阶段的估值是多少，退出时的回报倍数是多少。用退出价格倒推回当前阶段的「合理入场价」。</p>



<p class="wp-block-paragraph">不管用哪个子方法，关键原则是：<strong>这个过程中不允许出现「上一轮估值」这个变量。</strong> 如果你发现自己的推算过程中偷偷引用了上一轮的数字，重来。</p>



<p class="wp-block-paragraph"><strong>反面示例：</strong> 有人做归零重估时，名义上用的是单位经济学，但在选择收入倍数时参考了「上一轮隐含的收入倍数」。这等于锚点从前门赶出去又从后门溜进来了。收入倍数应该参考同赛道的公开市场数据或行业基准，不应该从私募轮次中反推。</p>



<h3 class="wp-block-heading">第三步：偏差校验</h3>



<p class="wp-block-paragraph"><strong>定义：</strong> 把你的独立估值和市场估值（创始人报价或上一轮估值）进行对比，分析差距的原因，做出最终判断。</p>



<p class="wp-block-paragraph"><strong>核心问题：</strong> 我的独立估值和市场估值差了多少？这个差距能被合理解释吗？</p>



<p class="wp-block-paragraph"><strong>判断标准：</strong></p>



<p class="wp-block-paragraph">计算偏差率：<code>(市场估值 - 独立估值) / 独立估值 × 100%</code></p>



<ul class="wp-block-list">
<li><strong>偏差 ≤ 20%：</strong> 合理范围，市场定价基本反映了基本面。可以在市场估值附近谈判。</li>



<li><strong>偏差 20%-50%：</strong> 灰色地带，可能存在合理的溢价因素（团队溢价、赛道热度、战略价值），但也可能是锚定叠加导致的虚高。需要逐一验证溢价因素是否成立。</li>



<li><strong>偏差 &gt; 50%：</strong> 高风险信号。市场估值大概率包含了非基本面因素——可能是上几轮锚定的累积效应，可能是赛道泡沫，可能是信息不对称导致的错误定价。除非你能找到一个你的独立估值模型遗漏的重大价值因素，否则应该放弃或大幅压价。</li>
</ul>



<p class="wp-block-paragraph"><strong>反面示例：</strong> 偏差校验的目的不是「证明市场是错的」。如果你的独立估值和市场估值差距很大，可能性有两个：市场被锚定了，或者你的独立估值遗漏了什么。偏差校验是让你去调查原因，而不是自动站在自己这边。</p>



<h2 class="wp-block-heading">四、实战案例：一笔Pre-A轮的锚定脱敏全流程</h2>



<p class="wp-block-paragraph">2024年初，一家专注企业AI Agent的创业公司寻求Pre-A轮融资，创始人报价投前3亿人民币，融资5000万，出让约14%。这家公司2023年中完成天使轮，投前8000万，由一家知名天使基金领投。</p>



<p class="wp-block-paragraph">一位左侧投资者收到BP后，没有直接评判3亿是否合理，而是用锚定脱敏三步法走了一遍。</p>



<p class="wp-block-paragraph"><strong>第一步：锚点识别。</strong> 投资者列出了脑中已有的锚点：天使轮投前8000万（来自BP）、同赛道某公司刚以投前10亿完成A轮（来自上周的新闻）、创始人的3亿报价（来自FA转发的估值意向）。最强锚点是天使轮的8000万——因为它是最先接触到的具体数字，而且有「知名天使基金背书」的权威加成。</p>



<p class="wp-block-paragraph"><strong>第二步：归零重估。</strong> 公司处于Seed到Pre-A阶段，有初步收入，适用单位经济学倒推法。当前数据：月收入约80万，客户数12家，平均合同额约8万/月，续约率尚未验证（产品上线不到8个月）。推算过程：假设续约率70%（企业SaaS早期保守估计），年化收入约960万，LTV/CAC比率根据当前获客方式估算约为2.5倍。参考企业级AI SaaS在公开市场的收入倍数范围（15-25倍ARR），取保守端15倍。独立估值 = 960万 × 15 = 1.44亿。</p>



<p class="wp-block-paragraph"><strong>第三步：偏差校验。</strong> 市场估值3亿 vs 独立估值1.44亿，偏差率约108%。远超50%的高风险线。</p>



<p class="wp-block-paragraph">投资者进一步分析偏差来源：创始人的3亿报价很可能是以天使轮8000万为锚点，叠加「半年业务进展」和「AI赛道热度」的溢价推算出来的。但从基本面看，月收入80万、客户仅12家、续约率未验证的公司，3亿投前意味着超过30倍的年化收入倍数——这在企业SaaS领域已经是成熟期高增长公司才有的水平。</p>



<p class="wp-block-paragraph"><strong>最终判断：</strong> 投资者没有直接拒绝，而是给出了一个基于独立估值的还价方案——投前1.8亿（在独立估值1.44亿的基础上给了约25%的团队和赛道溢价）。创始人最终接受了投前2.2亿的折中方案。相比最初的3亿报价，这位投资者的锚定脱敏流程帮他避免了约27%的估值溢价——在一级市场，这个差距在退出时可能意味着数千万的回报差异。</p>



<h2 class="wp-block-heading">投黑马 · 左侧心法</h2>



<pre class="wp-block-code"><code>锚定脱敏三步法的核心不是教你「不要被锚定」——这做不到，锚定效应是写在人类认知底层的出厂设置。它教你的是在做估值判断前先给自己做一次「认知体检」：知道自己被什么锚定了，然后用结构化流程把锚点的影响降到可控范围。

一级市场最昂贵的估值错误不是「看错了赛道」或「判错了团队」，而是「根本没做过独立估值」。大多数投资人以为自己在估值，实际上只是在上一轮的数字旁边画了一个新的数字。归零重估的价值不在于它能给出精确的估值，而在于它迫使你回到基本面，问一个简单但大多数人从未认真回答的问题：这家公司现在值多少钱？

锚定脱敏三步法有一个重要前提：你需要有能力做独立的基本面估值。如果你对单位经济学、收入倍数、里程碑折现没有基本概念，框架的第二步就无法执行。它适合有一定投资经验、能读懂财务数据的投资者，不适合纯粹依赖「感觉」做判断的入门者。</code></pre>



<p class="has-text-align-right wp-block-paragraph">── 投黑马研究团队</p>



<p class="wp-block-paragraph"><strong>延伸阅读：</strong></p>



<ul class="wp-block-list">
<li><a href="https://touheima.com/academy-20260414-reverse-dd-checklist/">逆向尽调清单：为什么90%的VC尽调报告都在问错问题？</a>——估值判断的上游环节，先验证人再验证价格</li>



<li><a href="https://touheima.com/academy-20260405-pre-consensus-calibration/">前共识校准模型：最好的左侧投资不是逆势，而是等共识来找你</a>——估值锚定的另一面：当所有人都说「太贵了」时，如何判断市场是否尚未形成共识</li>



<li>Daniel Kahneman, <em>Thinking, Fast and Slow</em> (2011), Chapter 11: Anchors——锚定效应的原始研究，理解认知偏误的底层机制</li>
</ul>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
