Builder's Scorecard 方法論

這是一套讓 Builder 看見自己盲區的尺，不是給答案的考試。

緣起：從 Lucy Chen 的 VC 評分卡到尋常 Builder 的工具

這套工具的起點是 Lucy Chen 在 Facebook 分享的開源投資評分框架。 Lucy 是新加坡 Zoo Capital 的 EIR，管理規模超過 20 億美金的基金。她設計的框架來自實戰： 在 NVIDIA GTC 之前，她用這套評分卡標記了 LMCache 這個項目，給出「黑馬」評級； 兩週後 NVIDIA 發布 Dynamo 1.0，把 LMCache 收編進官方整合名單。

但 Lucy 的框架是為 VC 設計的——考慮出場路徑、團隊國際化、社群治理、資本效率。 對一個靠 AI 獨力做工具的 Builder 來說，這些維度不對稱。我需要的不是投資建議， 而是一面誠實的鏡子：這個產品，真的解決問題嗎？真的有人需要嗎？

三大改動

我從 Lucy 的框架出發，做了三件事：

1. 拿掉「團隊能力」維度。 一個 Builder 可能同時維護十個產品，「團隊能力」在這個語境下沒有鑑別力。 我把它抽離成不計分的 Builder Profile 前置欄位——留給 AI 參考，不影響總分。
2. 新增「問題解決力」維度（25% 最高權重）。 你解決的問題是你自己假想的，還是真的有五個以上的人獨立描述過這個痛點？ 現有替代方案是什麼？你的解法比現有方案好多少——是 10 倍還是略好？ 這些問題應該是任何 Builder 在動手之前第一個被問的。
3. 商業化維度做了階段適配。 一個還在概念期的 side project 被問「月經常性收入多少」是不公平的， 但被問「你有沒有想過怎麼賺錢」是合理的。 使用者先選產品階段（概念期 / 已上線 / 有用戶 / 有收入）， 不同階段會看到完全不同的評估訊號。

五維度與權重

28 個訊號

每個維度下有 4–6 個訊號，每個訊號打 0–10 分，加權算出維度分數。

🎯 問題解決力（6 個訊號）

• 問題真實性：≥5 人獨立描述過這個痛點為強訊號，只有你自己覺得需要為弱訊號。
• 現有替代方案：現有方案極度痛苦或不存在為強，已有好用的免費方案為弱。
• 解法匹配度：用戶說「這正是我需要的」為強，功能很多但核心痛點沒解決為弱。
• 10x 改善：至少好 10 倍（可量化）為強，略好不值得用戶改變習慣為弱。
• 目標用戶清晰度：精確到職業和場景為強，「所有人都能用」為弱。
• 問題頻率：每天或每週發生為強，一年一兩次為弱。

📊 市場驗證（6 個訊號）

• 活躍使用者：過去 30 天 ≥50 個獨立用戶為強，只有你自己為弱。
• 回訪行為：≥40% 在 7 天內回訪為強，<10% 或無法追蹤為弱。
• 使用深度：深度使用核心功能為強，打開首頁就離開為弱。
• 口碑傳播：有具體推薦案例為強，無為弱。
• 外部反饋品質：具體的功能建議和場景描述為強，只有「不錯」為弱。
• 付費意願訊號：有人主動問如何付費為強，零付費對話為弱。

誠實標註：這個維度量的是「你有沒有提出驗證證據」，不是工具替你量到了 PMF。 Scorecard 讀的是你給的文字與 GitHub 內容，量不到真實的回訪曲線或留存數字。 所以這一維高分代表你提供了可信的驗證取徑，不代表已達成產品市場契合。

🏰 技術護城河／可防禦性（6 個訊號）

核心問法 Sovereignty Test：換掉底層模型後，這個產品的優勢還在嗎？ 這 6 個訊號分兩組：c2/c3/c4 問「你沉澱了什麼別人補不齊的資產」，c5/c6 問「你綁住了什麼結構優勢」，c1 是統攝兩組的軸心。 問的不再是技術難不難，而是換掉模型後優勢還在不在。

• 模型替換存活性：換掉底層模型後優勢仍在、價值來自專有資產為強；薄 wrapper、換模型優勢歸零、一個週末可複製為弱。
• 領域 context 累積深度：自建領域規則庫 / 工作流 / 整合、重建得懂這行且花數月為強；通用功能套通用模型、幾天就能做為弱。
• 專有資料資產與飛輪：有獨家資料且有飛輪、越用越難追為強；資料全靠公開來源、無任何專有沉澱為弱。
• 領域 eval 與品質護欄：有自建 eval harness / 回歸基準 / 品質護欄、能持續守住為強；無任何可重現的領域驗證、只靠直覺為弱。
• 轉換成本與用戶鎖定：資料 / 工作流 / 整合都沉澱在產品內、搬走＝重建為強；用完即走、零沉澱、明天可無痛改用同類品為弱。
• 分發與網路效應：有自有分發渠道或網路效應、越多人用對每個用戶越有價值為強；純單機工具、無分發無網路效應為弱。

💰 商業化路徑（依階段 4 個訊號）

根據選擇的產品階段顯示不同訊號：

• 概念期：商業模式假設、目標市場規模、付費意願初探、成本結構。
• 已上線：定價策略、獲客管道、營運成本可控度、免費→付費路徑。
• 有用戶：收入模式、付費轉換率、獲客成本、成本回收率。
• 有收入：月經常性收入、客戶集中度、毛利率、收入成長率。

🔮 長線可持續性（6 個訊號）

• 供應鏈韌性：每個關鍵依賴都有 fallback 為強，核心功能完全依賴單一服務為弱。
• 大廠威脅：差異化來自大廠不會做的事為強，大廠已在做或即將做為弱。
• 維運負擔：<2 小時 / 週（高度自動化）為強，>10 小時 / 週為弱。
• 文件化程度：完整可交接、別人拿到能跑為強，全在腦子裡為弱。
• 演化路徑：有 2–3 個明確的延伸方向為強，做完就這樣為弱。
• 法規 / 合規：已確認合規且有隱私政策為強，不確定為弱。

怎麼解讀分數

這個分數不是考試成績。低分不代表你的產品「不好」——它代表某些維度還沒準備好。

真正重要的不只是總分，而是雷達圖的形狀。 一個 6.0 分但五角均勻的產品，比一個 7.0 分但某個維度是 1 的產品更健康—— 但也可能是你刻意為之。分數給你的是一個對話起點，不是一個裁決。

評分閾值參考：≥8.5 全力推進 / 7.0–8.4 有條件推進 / 5.5–6.9 觀望補強 / <5.5 建議暫停或轉向。 若觸發一票否決條件（如零用戶超過 60 天、成本失控），無論總分多高都建議先暫停。

評分只看實質證據與論證強度，不看你寫得多長。長篇但空泛不會加分，簡短但有強證據一樣拿高分。

每個維度旁會標「證據充分度」：你給的輸入夠不夠評這一維。 證據不足時，分數以區間呈現並標出缺口，而不是假裝有把握。

三個案例對照

三個產品，三種完全不同的雷達圖形狀。分數有區分度，且區分的方向符合實際觀察。

立即跑一次自己的產品評估 →