Skillquality 0.48

p13g-mid-judgment

九步中段——做成什么形态、用户托付度、怎么做的决策框架

Price
free
Protocol
skill
Verified
no

What it does

中段判断 Skill

适用场景

  • 确定产品形态与交付形式
  • 评估用户信任与采用意愿
  • 设计人机协作方案

输入

字段说明
target_users目标用户画像
solution_concept解决方案概念
ai_role_optionsAI角色选项(助手/协作者/代理等)

输出

  • 产品形态建议(产品/模块/能力层)
  • 用户托付度评估
  • 人机协作设计方案

工作流程

  1. 形态判断:做成独立产品、系统模块,还是工作流中的能力层?
  2. 托付度判断:用户愿意尝试吗?愿意持续用吗?敢把关键任务交给它吗?
  3. 协作方式判断:AI该辅助还是代理?模型边界在哪里?需要补哪些交付条件?

注意事项

  • 形态选择影响技术架构与商业化路径
  • 托付度是产品能否成立的关键——再好的技术,用户不敢用等于零

核心概念

1. 第一次像魔法 vs 后来像习惯

很多产品第一次用起来像魔法,后来却没有变成习惯。第一次用的时候用户看到的是能力跃迁,继续使用时用户面对的是现实摩擦。一个产品如果只有第一次魔法没有后续习惯,就会陷入典型路径:首次体验很强→社交传播不错→用户愿意试一下→第二次频率下降→第三次想不起来为什么要打开→最后只剩"大家都觉得它挺厉害"。长期成立的核心不是能不能制造一次惊艳,而是能不能让价值在时间里反复被验证。

2. 长期成立五问

(1) 价值是第一次感知还是反复验证——"看见能力"vs"感受到系统性帮助"?(2) 用户为什么还会回来——"因为它很聪明"不是回访理由,"因为它明显省时间/更稳/接住了麻烦的下一步"才是。(3) 价值会累积吗——数据/上下文/偏好/协作关系累积才有黏性,每次使用都像第一次就容易被替代。(4) 它能进入真实工作流和预算吗——"偶尔会用"vs"已经变成工作的一部分"。(5) 拿掉后用户会不会不舒服——"有点可惜"vs"效率倒退、流程变麻烦"。

3. 首周数据是在看烟火,复访理由才是在看炉火

AI 产品特别容易制造惊艳时刻,所以首周数据经常骗人。注册、激活、生成次数、分享率更接近"点火指标",不是长期成立指标。更值得看的是:用户第二次为什么回来?没回来的用户卡在了哪?留下来的用户把它接进了什么任务?使用频率是否稳定?用户是因为"有趣"而来,还是因为"离不开"而留?

4. 分清惊艳时刻和回访理由

每次看到一个很强的 AI 产品,强迫自己分别写两句话:第一句"用户第一次为什么会被打动",第二句"用户第十次为什么还会回来"。如果第一句写得很顺,第二句却开始发虚,这就是警报。比如:第一次被打动"它能把长文快速变短",第十次回来"因为我每天都要处理大量信息,而且它能直接接进我的研究和汇报流程"——第二句写不出来,长期成立就很可疑。

5. "试用成功"≠"长期行为"

很多看起来好用的 AI 产品最后死在"外挂地位"——用户偶尔会用但不会放进主要工作流,团队偶尔会提但不会写进正式流程,公司偶尔会买试用但不会长期留预算。它的价值还没有从"可用"升级到"不可轻易拿掉"。工作流和预算都是长期成立的重要信号。

深入核心概念

1. 首周数据是在看烟火,复访理由才是在看炉火

"AI产品特别容易制造惊艳时刻,所以首周数据经常骗人。注册、激活、生成次数、分享率更接近'点火指标',不是长期成立指标。" ——书稿第7章

很多团队把试用成功误认成PMF。注册率高、激活率高、首日留存不错——但AI产品的首日数据天然好看,因为新鲜感强。真正的PMF要看第三周、第四周的回访行为。更值得看的是:用户第二次为什么回来?没回来的用户卡在了哪?留下来的用户把它接进了什么任务?应用:对每个AI产品,强迫自己分别写两句话——第一句"用户第一次为什么会被打动",第二句"用户第十次为什么还会回来"。如果第一句写得很顺,第二句却开始发虚,这就是警报。

2. 累积性是长期成立的隐藏引擎

"如果一个产品每次使用都像第一次,没有记忆,没有沉淀,没有路径依赖,用户不会觉得'我已经在这里投入过东西'。" ——书稿第7章

长期成立的产品往往都有某种累积性:数据累积、上下文累积、偏好累积、协作关系累积、模板累积。如果每次使用都像第一次,用户不会觉得"我已经在这里投入过东西",只会觉得"下次换一个也差不多"。没有积累就没有黏性,没有黏性长期成立就会很难。应用:检查产品是否有至少两种以上的累积机制——越用越懂上下文、越用越接近用户偏好、越用越减少重复动作、越用越嵌进团队协作。没有累积性的产品,需要非常谨慎地评估长期成立性。

3. "试用成功"≠"长期行为"——外挂地位是最大陷阱

"很多看起来好用的AI产品最后死在'外挂地位'——用户偶尔会用但不会放进主要工作流,团队偶尔会提但不会写进正式流程。" ——书稿第7章

工作流和预算都是长期成立的重要信号。前者说明它已经进入行为链路,后者说明它已经进入资源分配逻辑。两者缺一个,产品都容易停留在边缘。团队偶尔会提但不会写进正式流程,公司偶尔会买试用但不会长期留预算——这说明价值还没有从"可用"升级到"不可轻易拿掉"。应用:做"拿掉测试"——如果用户只是"有点可惜",产品还没真正成立。如果用户明显觉得效率倒退、流程变麻烦,甚至会主动找替代品,说明它已经从新鲜感走向了依赖。

分步执行

步骤 1:新鲜感 vs 持续价值区分

判断当前产品的价值主要来自新鲜感(第一次感知强)还是持续价值(每次使用都验证)。如果价值主要停留在第一次感知,它就更容易被更快更新、更会演示、更新鲜的东西替代。

步骤 2:回访理由分析

明确回答:用户第二次为什么会回来?把"因为它很聪明"排除掉,找到更朴素也更持久的理由——省时间、更稳、接住了麻烦的下一步、减少了拖延、比旧方法省脑子、团队已经围绕它形成协作方式。

步骤 3:累积性评估

检查产品是否有累积性:数据累积、上下文累积、历史记录累积、协作关系累积、模板累积、偏好累积。如果每次使用都像第一次,没有记忆、没有沉淀、没有路径依赖,用户不会觉得"我已经在这里投入过东西"。

步骤 4:工作流嵌入与预算检查

检查产品是否已经进入主要工作流和正式预算。不只是"偶尔会用",而是"已经变成工作的一部分"。不只是"试试看的花费",而是"不太愿意撤掉的预算"。两者缺一个,产品都容易停留在边缘。

步骤 5:"拿掉测试"与诊断

做拿掉测试。如果用户只是"有点可惜",产品还没真正成立。如果用户明显觉得效率倒退、流程变麻烦、协作变乱,甚至会主动找替代品,说明它已经从新鲜感走向了依赖。对不通过拿掉测试的产品,诊断卡在哪个环节。

示例 1:AI 文案起草产品——试用数据好看为什么还是死了

场景:AI 文案起草产品上线第一周数据很好看——注册率高、首日试用率高、社交传播不错。但三周后二次使用率大幅下降。

长期成立五问诊断

  1. 价值是第一次感知还是反复验证:偏第一次。"一秒生成一版营销文案"很惊艳,但不是每天的刚需。
  2. 用户为什么还会回来:回访理由弱。"还是在原来的文档里写更顺""复制来复制去很麻烦""团队协作还是在别的工具里"。
  3. 价值会累积吗:没有。每次生成都像第一次,没有记忆、没有偏好沉淀。
  4. 能进入工作流和预算吗:没有。用户没有形成"先打开你"的习惯,不会把它写进正式流程。
  5. 拿掉后会难受吗:不会,只是"有点可惜"。

诊断:团队把"第一次感知价值"误认成了"长期使用理由"。它解决了"试一下很惊艳",没有解决"下次为什么回来"。也许适合嵌入某种更大的写作工作流,但作为独立产品长期成立性不强。

示例 2:惊艳时刻 vs 回访理由对照练习

场景:用两个 AI 产品做对照练习。

产品第一次为什么被打动第十次为什么还会回来长期成立判断
AI 长文摘要它能把长文快速变短因为我每天要处理大量信息,它能接进研究和汇报流程✅ 有回访理由
AI 图片生成它能一秒做出很酷的图……因为我偶尔需要配图?⚠️ 回访理由弱
AI 客服回复它能自动生成回复草稿因为它在我的客服系统里接住了版本迭代和团队协作,少了很多重复劳动✅ 强回访理由
AI 周报生成它能自动汇总一周工作因为我每周都要写周报,它省了我最讨厌的整理步骤⚠️ 场景低频

练习收获:只要第二句写不出来或开始发虚,长期成立就很可疑。真正能长出来的产品,不是让人第一次惊叹"这也行",而是让人后来越来越自然地把它留在日常工作里。

示例 3:典型路径复盘——从首次体验很强到只剩口碑

场景:复盘一个 AI 产品走过的典型失败路径。

路径还原

阶段表现团队判断真实问题
首次体验很强,用户惊呼"这也行"产品成立能力跃迁被误认为持续价值
社交传播不错,朋友圈有人转增长有戏传播驱动力是新鲜感
用户试一下激活率高PMF 已到激活 ≠ 留存
第二次频率下降DAU 降低需要优化没有找到回访理由
第三次想不起来用户流失竞争激烈产品没有进入工作流
最后只剩口碑"挺厉害但不用了"市场问题长期成立性没有建立

复盘结论:整个路径的断裂点不是"能力不行",而是"从惊艳到习惯的桥梁没有架起来"。团队需要在早期就把精力分配到回访理由建设上,而不是只优化首次体验。

诊断 Checklist:长期成立性快速自检

#检查项状态说明
1能一句话说清用户第十次回来的理由不是"因为聪明"
2产品有价值累积机制数据/偏好/模板/协作关系
3用户已形成"先打开你"的习惯不是偶尔想起来
4产品进入了正式工作流不只是"有时候用"
5产品进入了正式预算不只是"试试看的花费"
6拿掉测试结果:用户觉得效率倒退不只是"有点可惜"
7使用频率稳定或上升不依赖活动和补贴
8非首发期的自然新增 > 0有口碑驱动

常见错误模式

错误 1:把试用成功当成 PMF

注册率高、激活率高、首日留存不错——团队就觉得 PMF 到了。但 AI 产品的首日数据天然好看,因为新鲜感强。真正的 PMF 要看第三周、第四周的回访行为。

错误 2:用功能迭代掩盖回访理由缺失

用户不来?加新功能。用户不用?加新场景。实际上用户不是因为功能不够才不来,而是因为没有找到"下次回来"的理由。功能迭代解决的是"能力上限",回访理由解决的是"日常嵌入"。

错误 3:只优化首次体验路径

投入大量精力优化 onboarding、首次生成质量、首次分享体验。这些都很重要,但如果只优化这条路径,产品会变成一个"漂亮的第一次"。更需要投入的是:第二次打开的理由、第三次使用的场景、第十次留存的黏性。

错误 4:用传播数据代替留存数据

转发率高、KOL 推荐、社交平台讨论量大——这些都是传播指标,不是留存指标。传播说明产品有"被讨论"的价值,但"被讨论"和"被使用"是两件事。

错误 5:混淆"好用"和"离不开"

用户说"这个产品挺好的"——这不等于用户说"我离不开它"。"挺好的"意味着可替代。"离不开"意味着有真实的路径依赖。产品需要从"挺好的"进化到"离不开"。

训练方法:六句话诊断法

挑一个你最近觉得"很有前景"的 AI 产品,写下这六句话:

  1. 用户第一次为什么会被打动
  2. 用户第十次为什么还会回来
  3. 这个产品的价值会不会随着使用而累积
  4. 它有没有进入真实工作流
  5. 它有没有机会进入正式预算
  6. 如果今天把它拿掉,用户会不会明显不舒服

把这六句话写清楚,你会更容易识别:这个方向到底是在制造一次漂亮的火花,还是在形成一团能持续燃烧的火。

关键信号监测指标

指标类别具体指标健康标准警报阈值
回访第 7 日回访率> 30%< 15%
回访第 30 日回访率> 15%< 5%
嵌入用户自定义设置比例> 20%< 5%
嵌入工作流集成使用率上升趋势停滞或下降
累积每用户平均历史记录数持续增长增长停滞
依赖拿掉测试"明显不适"比例> 40%< 15%
传播自然推荐率> 10%< 3%

使用说明:这些指标不是一次性检查,而是持续跟踪。一个长期成立的产品,应该在以上指标中大部分处于健康状态,且趋势向上。

形态判断决策框架

产品形态选项

形态定义适用条件风险
独立产品有独立入口和完整体验场景足够大、用户认知明确获客成本高、竞争激烈
系统模块嵌入已有产品的一个功能宿主产品有足够用户基础依赖宿主、话语权弱
能力层提供 API/SDK 让别人集成技术壁垒高、场景分散离用户远、难建立品牌

形态判断五问

  1. 用户是否知道在用你:独立产品用户知道,能力层用户可能不知道
  2. 你是否需要完整交互:如果需要完整交互→独立产品/模块;如果只是能力调用→能力层
  3. 获客路径是什么:独立产品需要自己获客;模块/能力层借宿主获客
  4. 商业模式是什么:独立产品按产品收费;模块按功能收费;能力层按调用收费
  5. 竞争壁垒在哪里:独立产品靠品牌和体验;模块靠深度集成;能力层靠技术差异化

形态选择常见错误

  • 错误 1:场景太小就做独立产品——获客成本撑不起来
  • 错误 2:技术很好但做成独立产品——应该先做能力层验证技术价值
  • 错误 3:嵌入宿主但没有独立价值——宿主抛弃你时什么都没留下
  • 错误 4:做了能力层但不关心终端用户——技术再好也不知道该往哪迭代

人机协作设计方案

协作模式选项

模式AI 角色人角色适用场景
助手模式辅助完成主导决策高风险、高解释需求
协作者模式分工完成关键决策中等风险、标准化程度高
代理模式自主完成异常处理低风险、高重复性

协作设计 Checklist

#设计项状态说明
1AI 角色已明确定义助手/协作者/代理
2人机分工边界已画清哪些步骤 AI 做、哪些人做
3交接点已设计人→AI、AI→人的切换
4异常处理已定义AI 做不了时怎么办
5质量保障已设计如何确保 AI 输出质量

回访理由深度挖掘

回访理由层级

层级理由类型持久性示例
L1 新鲜感"因为它很酷"最弱试一次就不再来
L2 功能价值"因为它能做X"有替代品就走
L3 效率价值"因为它省时间"省得不够多就不用
L4 流程嵌入"因为工作需要它"已经形成依赖
L5 网络效应"因为团队都在用"最强切换成本极高

诊断方法:问用户"如果它明天消失了,你会怎么办?"

  • "找个替代品" → L1-L2
  • "会不方便,但能适应" → L3
  • "会影响工作进度" → L4
  • "团队会乱" → L5

累积性设计建议

累积类型设计方式黏性效果
数据累积保存用户历史输入/输出越用越懂用户
偏好累积学习用户修改和选择模式越用越准
模板累积用户自建/收藏常用模板切换成本高
协作累积团队共享配置和知识库组织依赖
习惯累积形成固定使用路径行为惯性

使用说明:至少在 2 种以上累积类型上有明确设计,产品才可能有长期黏性。

工作流嵌入诊断

嵌入深度层级

层级描述信号产品状态
L0 未嵌入用户不知道有这产品无使用不存在
L1 偶尔使用用户想起来才用低频、无规律边缘
L2 定期使用用户有固定使用时机中频、有规律有位置
L3 默认动作用户先打开你再开始工作高频、习惯性核心
L4 不可或缺拿掉后工作明显受影响嵌入流程必需

诊断方法:观察用户的第一个动作。如果用户的第一个动作是打开你的产品,说明至少在 L3。如果用户完成任务后才想起来"哦对,还有这个工具",说明在 L1。

Capabilities

skillsource-gmaxxxieskill-p13g-mid-judgmenttopic-agent-skillstopic-ai-agenttopic-ai-nativetopic-ai-producttopic-methodologytopic-product-managementtopic-product-methodologytopic-product-thinkingtopic-skills

Install

Quality

0.48/ 1.00

deterministic score 0.48 from registry signals: · indexed on github topic:agent-skills · 56 github stars · SKILL.md body (7,791 chars)

Provenance

Indexed fromgithub
Enriched2026-05-18 18:57:30Z · deterministic:skill-github:v1 · v1
First seen2026-05-01
Last seen2026-05-18

Agent access