产品发现的选品框架：生态位思维而不是造物思维

这套框架来自一个真实的客户回合：拿 AI 能力去匹配一家传统企业的业务，五个方案最后死了四个——两个被毙、一个降级、一个缩水成管线里的内含功能。死亡率本身是最有价值的产出，它逼出了一套可复用的挖掘方法。

先换问题：不是「我能造什么」，是「这个生态位允许什么活下来」#

造物思维问：我有什么技术，能做出什么好东西？生态位思维问：这片环境里，什么东西长得出来、活得下去？

两个不是对错关系，是两套体系：造物做出作品，生态位做出生意。最惨的组合是用造物的心做生态位的活——作品做不出来，钱也赚不到。缺钱阶段默认生态位思维，这是纪律。

生态位思维下，大部分判断力花在说不上。

挖掘的四个动作#

一、先读两张图。 明面是流程图，藏的是需求；暗面是秩序图（利益怎么分、谁考核谁、谁的地盘），藏的是死刑。第二张图平时看不见，只在需求事件发生时露出——所以别急着上门提问，等事件。

二、找摩擦，不找创意。 摩擦清单三样：拖（这事让他们拖了很久）、忍（他们默默忍着的烂流程）、怕（出事要担责的环节）。创意容易腐烂，摩擦永远新鲜——每个产品都是从具体活儿里长出来的，没有一个是想法长出来的。

三、先验卫生因子还是亮点因子。 卫生因子做好了没人看见，做坏了要命（数据质量、稳定性、安全）；亮点因子做得好客户愿意付钱。往卫生因子里追加投资是负期望的——「技术好但是客户用不着」的根因多半是这个。技术的正确位置是让合格变便宜，不是把一切推向完美。

四、产出问题清单，不是方案清单。 方案活不过现场一轮，问题活得久。每条问题钉上触发条件（什么需求事件发生时才去问），设计阶段每个方案自带 kill criteria（满足什么条件就放弃）。

两因素测试：比「裁量权」更好用的检验#

一个环节能不能用 AI 碰，两秒检验：

1. 利益是不是不在明面？（佣金怎么分、客户归谁、谁被考核）
2. AI 是不是负不了责任、背不了锅？

两个都中，技术上能做也别碰。这条来自真实雷区盘点：判客归属、提成核算、录音考核、数据挂考核——每一个都是「能做但不能碰」，组织政治是设计文档里看不见的杀手。

还有一个对称的坑：往稳定系统里加质检。收益方是数据的消费者，风险方全是管线维护者——出事是整条管线的信誉，做好了客户觉得「这本来就是你们服务的一部分」。这类负期望改良的正确结论往往是：什么都不加。改动的价值按客户感知的增量计价，不按技术完备计价。

数字复盘：什么活下来了#

那个客户回合的终局：

• 「新产品」方案存活率 ≈ 0（五个方案，零个成为独立产品）
• 「既有资产延伸」存活率更高（从已稳定运行的数据管线里长出来的环节活了）

四类看不见的杀手，各杀过一个方案：已有工具覆盖了、在位数据商占着位、数据源节奏异构（日数据对不上周汇总这种）、组织政治。

独立开发者真正的稀缺资产不是点子，是现场真相的通道——你离客户有多近，决定你比别人早知道什么。

一句话版本#

挖掘 = 读环境允许什么活下来 → 找摩擦不找创意 → 卫生因子别超配 → 带着触发条件的问题清单进场，随时准备说不。

（本文为方法论复盘的对外版，案例细节已匿名化，框架定稿于 2026-09-22。）