狸想岛 · AI 实战学习社区

学 gstack 的创业顾问式对话系统：不是冷冰冰的技术问答，而是模仿 YC Office Hours 的风格——先追问"你在为用户解决什么问题"，再深入技术可行性、市场规模、竞品格局——像一位经历过多次创业的合伙人一样帮你思考。 预计时间：20 分钟

[!tip] 初学提示：这是课程最后一课。如果你对创业话题不太熟悉，关注五个追问维度（Who/What/How/Where/Why You）的框架逻辑——它适用于任何产品构思。

[!quote]- 原Skill精要 技能名称：office-hours（深度诊断维度） 核心功能：与 [[L6-01-创业门诊室|office-hours]] 共享同一个 Skill，本课聚焦其 YC Office Hours 风格的深度顾问式对话系统——先追问"你在为用户解决什么问题"，再深入技术可行性、市场规模、竞品格局。不是技术问答，是创业合伙人级别的思维挑战。 所属体系：gstack 虚拟工程团队 协作关系：在 [[L6-02-CEO战略评审|plan-ceo-review]] 之前运行，为战略评审提供经过验证的需求假设

§1 白话小课堂：什么是"创业深度诊断"？

你有一个创业 idea："我想做一个 AI 选品工具，帮 DTC 品牌找到下一个爆款商品。"

传统 AI 会怎么回答？"你可以用协同过滤、趋势分析、NLP 处理..."——它把你当成了"在找技术方案"的开发者。

但 Office Hours 会怎么回答？"等一下——你的用户现在怎么选品？最痛苦的部分是什么？如果 Shopify 做了这个功能，你怎么办？"

区别在哪？ 传统 AI 默认"你的 idea 是成立的，我帮你实现"。Office Hours 默认"让我先看看你的 idea 是否成立"。

创业失败的第一大原因不是"做不出来"，而是"在解决一个没有人需要的问题"。Office Hours 的价值不在回答技术问题，而在检验问题的真实性。

[!note] 类比：律师交叉询问 vs 技术支持 传统 AI 像技术支持："你想装什么软件？我来帮你安装。" Office Hours 像法庭上的交叉询问："你确定你真的需要这个软件吗？你的用户是谁？他们现在怎么解决这个问题的？如果你只能做一件事来提升转化率，你会选安装这个软件吗？"

§2 结构拆解：Office Hours 的完整诊断框架

# office-hours Skill Template (深度诊断维度)

## 触发词
/office-hours, "帮我看看这个 idea", "诊断一下", "头脑风暴"

## 核心特征
- **管理对象**：创业 idea 的完整假设链（用户 → 问题 → 方案 → 市场 → 壁垒）
- **核心原则**：追问而非质疑 —— 帮助创始人自己想清楚，而非替创始人判断
- **关键设计**：
  - 五维追问框架：Who（用户）/ What（问题）/ How（方案）/ Where（市场）/ Why You（壁垒）
  - 对话式深度展开：不是一次性问完五维，是根据回答自然深入到下一层
  - 具体性压力测试：逼创始人从模糊声明（"我们的 AI 更精准"）到具体例证（"能告诉你含 5% 烟酰胺的精华液在 25-30 岁女性中增长最快"）
  - 可验证里程碑：不是"这个 idea 不错"而是"如果能用 3 个品牌证明转化率提升 > 20%"

## 通用架构
输入层：
  → 创始人的创业 idea 描述（或具体问题）
  ├── 五维追问引擎
  │   ├── Who: 用户是谁？（具体画像，不是"所有人"）
  │   │   ├── 他们现在怎么解决这个问题？
  │   │   └── 如果可以采访 5 个用户，你会问什么？
  │   ├── What: 问题是什么？（"必须解决" vs "有了更好"）
  │   │   ├── 这个过程最痛苦的部分是什么？
  │   │   └── 用户愿意为此付费吗？多少？
  │   ├── How: 解决方案是什么？
  │   │   ├── 为什么是现在？（为什么不是 3 年前或 3 年后？）
  │   │   └── 技术风险 vs 市场风险，哪个更大？
  │   ├── Where: 市场多大？（TAM / SAM / SOM）
  │   │   ├── 竞品分析（直接竞品 + 间接竞品）
  │   │   └── 别人为什么还没做成？（为什么你有机会？）
  │   └── Why You: 你的独特优势？
  │       ├── 如果大公司做同样的东西，你怎么办？
  │       └── 12 个月后你最担心的会是什么？
  ├── 具体性检验
  │   ├── 模糊声明检测（"更精准"、"更好用" → 追问"具体在哪个维度？用数据说话"）
  │   ├── 可验证例证要求（不是"我觉得"而是"我们的数据显示"）
  │   └── 竞品防御能力测试（"如果 Shopify 做了呢？"）
  └── 诊断总结
      ├── ✓ 验证通过的假设
      ├── ⚠ 需要进一步验证的风险点
      └── → Recommendation: 具体的下一步（最小可行验证里程碑）
输出层：
  → 诊断总结（✓ / ⚠ / → Recommendation 格式）
  → 可操作的下一步里程碑（如"用 3 个品牌做 pilot，验证转化率提升 > 20%"）
  → 为 plan-ceo-review 提供经过压力测试的需求假设

§3 Office Hours 的对话哲学：追问而非质疑

3.1 "你在解决正确的问题吗？" > "你的技术方案对吗？"

这是 Office Hours 与传统 AI 问答的根本分野：

传统 AI 问答模式：
  Q: "我怎么实现一个推荐系统？"
  A: "你可以用协同过滤、矩阵分解、或深度学习..."

Office Hours 模式：
  Q: "我怎么实现一个推荐系统？"
  A: "等一下——你确定推荐系统是你现在最需要解决的问题吗？"
     "你的用户是谁？他们现在怎么发现商品？"
     "如果推荐系统明天就上线，谁会用？为什么？"
     "如果你只能做一个功能来提升转化率，你会选推荐系统吗？"

传统 AI 的模式是"需求确认 + 方案交付"——它默认你提出的需求是正确的。Office Hours 的模式是"需求质疑 + 思维挑战"——它首先检验你的需求是否应该存在。

3.2 "追问"与"质疑"的区别

这是对话技巧中最重要的分野：

维度	质疑姿态	追问姿态
表达	"你这个 idea 不行，因为 X"	"如果 X 发生了，你会怎么办？"
创始人反应	防御："你不懂我的市场"	思考："嗯，这个问题我确实没想过"
对话质量	争论 → 双方都不听对方 → 交流失效	探索 → 创始人自己发现盲点 → 自己修正方案
Ownership	被指出问题 → 被动接受 → 行动力弱	自己发现问题 → 主动修正 → 行动力强

为什么追问比质疑更有效？

因为 Office Hours 的终极目标不是"判断一个 idea 好不好"——那是投资人的工作。Office Hours 的目标是让创始人自己想得更清楚。

追问是"镜子"——让创始人看到自己思维的盲区。质疑是"裁判"——告诉创始人你输了。镜子让人更清醒，裁判让人更抵触。

一个具体的对比：

质疑版：
  "你的 AI 选品工具做不起来的，Shopify 有全品牌的交易数据，他们加个推荐功能你就死了。"

创始人内心：不，你不了解成分级数据的力量，Shopify 做不到这个粒度...

追问版：
  "如果 Shopify 在他们的后台直接加了这个功能（他们有所有品牌的销售数据），你怎么办？"

创始人内心：嗯...Shopify 确实有数据优势...但如果我在"成分/材质级别"做分析呢？
→ 创始人自己找到了差异化方向（而非被告诉"你应该做成分级分析"）

3.3 对话的自然展开：不是"问卷"而是"对话"

五个追问维度不是一份"逐条提问的问卷"。Office Hours 的对话是自然展开的：

创始人: 我想做一个 AI 选品工具。（打开 How 维度）

Office Hours: 你的用户是谁？（切入 Who 维度）
创始人: 中小 DTC 品牌的运营负责人。

Office Hours: 他们现在怎么选品？（Who 深入）
创始人: 看 Amazon Best Sellers、刷 TikTok 趋势、找工厂打样。

Office Hours: 这个过程最痛苦的部分是什么？（从 Who 自然过渡到 What）
创始人: 看了 100 个趋势不知道哪个适合自己。

Office Hours: 你的 AI 能用品牌的销售历史 + 用户画像来筛选吗？（回到 How，但更具体）
创始人: 这正是我们想做的。

Office Hours: 如果 Shopify 做了这个，你怎么办？（从 How 跳到 Why You / 壁垒）

注意这个对话的流动：

Who → What → How → Why You
不是按"清单"顺序，而是按"回答揭示的下一个问题"自然推进
每个追问都建立在创始人刚才的回答之上

§4 五维追问框架的深度解析

4.1 用户（Who）—— "不要告诉我'所有人'"

核心追问：
  → 你的用户是谁？（具体画像，不是"所有人"、"中小企业"、"年轻人"）
  → 他们现在怎么解决这个问题？（如果没有你的产品，他们怎么办？）
  → 如果可以采访 5 个用户，你会问什么？

"所有人"的危险信号：
  "我的用户是所有 DTC 品牌" → 覆盖面太宽，意味着你不了解任何一个具体用户
  "我的用户是 25-35 岁的女性" → 还是太宽泛
  "我的用户是月销售额 10-50 万、有 3-5 人运营团队的 DTC 品牌负责人"
  → 这才是具体的用户画像

"他们现在怎么解决"的力量：
  这个问题揭示了你的产品是"替代方案"还是"新增需求"。
  如果用户现在用 Excel + Amazon Best Sellers 手工作选品 → 你有明确的替代目标。
  如果用户现在"没有做选品分析" → 你需要先教育市场（最难的事）。

4.2 问题（What）—— "必须解决" vs "有了更好"

核心追问：
  → 你要解决的"问题"到底是什么？
  → 这是一个"必须解决的"问题还是"有了更好"的？
  → 这个过程最痛苦的部分是什么？
  → 用户愿意为此付费吗？多少？

"必须解决" vs "有了更好"的分界线：
  "必须解决"（hair-on-fire problem）：用户每天早上醒来就在想"怎么解决这个问题"。
    例：支付系统在双11崩了 → 必须解决。
  "有了更好"（nice-to-have）：用户觉得"如果有个工具帮我做X会很方便"。
    例：一个更好的内部知识库搜索工具 → 有了更好，但不影响核心业务。

为什么这个区分是致命的：
  大多数创业 idea 落在"有了更好"的区域——产品听起来合理，但没有人会因为缺少它而痛苦。
  "有了更好"的产品需要更高的销售成本（说服用户"你需要这个"），转化周期更长。
  "必须解决"的产品用户会主动来找你。

4.3 方案（How）—— "为什么是现在？"

核心追问：
  → 你的解决方案是什么？
  → 为什么是现在？（为什么不是 3 年前或 3 年后？）
  → 技术风险 vs 市场风险，哪个更大？

"为什么是现在"的力量：
  这个问题测试是否存在"时机窗口"——一个 idea 在错误的时间 = 失败的 idea。
  3 年前：GPT-3 刚出来，成本太高，效果不稳定 → 不适合做 AI 选品。
  3 年后：可能 Shopify 已经内置了 AI 选品功能 → 市场窗口关闭。
  现在：LLM 成本降到足够低，但大平台还没跟进 → 时间窗口打开。

技术风险 vs 市场风险：
  技术风险：你能做出来吗？
  市场风险：做出来后有人买吗？
  大多数创业公司死于市场风险，而非技术风险。
  如果你的回答"技术风险更大"——你可能还没想清楚谁会买。

4.4 市场（Where）—— TAM/SAM/SOM + 竞品分析

核心追问：
  → 市场规模有多大？（TAM / SAM / SOM）
  → 谁已经在做这个？（直接竞品 + 间接竞品）
  → 别人为什么还没做成？（为什么你有机会？）

TAM / SAM / SOM：
  TAM（Total Addressable Market）：全球所有 DTC 品牌的选品工具市场 → $5B
  SAM（Serviceable Addressable Market）：北美 + 欧洲的中小型 DTC 品牌 → $500M
  SOM（Serviceable Obtainable Market）：第一年能触达的 500 个品牌 → $5M
  → 创始人需要知道：市场很大，但"你能拿到的"才是你的。

竞品分析的两个层次：
  直接竞品：也在做 AI 选品工具的创业公司。
  间接竞品（更危险）：Amazon 的 Best Sellers 榜单（手动替代品）、
    Shopify 后台的数据分析功能（平台内置方案）。

"别人为什么还没做成"的力量：
  这可能是最难但最有价值的追问。如果市场真的存在，为什么没有人做成？
  可能答案：
    - 数据获取壁垒（成分级数据不公开）→ 你的差异化机会
    - 技术门槛最近才突破（LLM 成本下降）→ 时机窗口
    - 市场教育不足（没人做过）→ 风险（你是先行者 = 你要教育市场）

4.5 壁垒（Why You）—— "大公司复制不了什么？"

核心追问：
  → 你的独特优势是什么？
  → 如果大公司做同样的东西，你怎么办？
  → 12 个月后你最担心的会是什么？

"如果大公司做了呢"的力量：
  这是 YC 最喜欢问的问题。如果创始人回答"我们有先发优势" → 不够。
  如果创始人回答"我们有独特的数据/渠道/网络效应" → 更可信。

三种真正的壁垒：
  1. 网络效应：用户越多，产品越好（如 marketplace）——大公司能用资源复制功能，
     但不能用资源复制网络。
  2. 独特数据：你拥有的数据大公司没有（如成分级别的选品数据，Shopify 只有品类数据）。
  3. 品牌/社区：用户不是因为功能用你，而是因为身份认同（如 Notion 的社区）。

"12 个月后你最担心什么"的力量：
  这个问题揭示了创始人自己看到的"最大风险"。
  如果回答"担心找不到 PMF" → 还在非常早期，不适合投资。
  如果回答"担心 Shopify 跟进我们的成分级分析功能" → 已经在防御竞争，更成熟。

§5 电商 Skill 案例：DTC成分护肤品牌创业全方位深度诊断

🛒 实战案例：一位连续创业者带着"DTC成分级护肤"的创业idea参加Office Hours深度诊断——他想做一个聚焦"成分透明+科学护肤"的DTC品牌，面向25-40岁关注成分和功效的都市女性。不是"怎么搭建Shopify店铺"的技术问题，而是"这个方向在商业上是否成立"的全方位诊断。使用/office-hours的9个强制性问题框架进行深度诊断。

FQ1 问题假设测试："你看到了什么别人没看到的？" 创始人回答——目前护肤品行业成分信息极度不透明：品牌只标注"含烟酰胺"但不标注浓度(是0.5%还是5%？效果差10倍)、消费者依赖KOL评测而非数据做购买决策、品牌利用信息不对称卖高价(同样5%烟酰胺精华，一线品牌卖580元/cost<20元)。Office Hours追问验证——"这个痛点有多痛？消费者会因为‘不知道浓度’而放弃购买吗？" 创始人：我们做了50人用户调研——48%的人表示"曾因不确定成分浓度而放弃购买某产品"、72%的人"愿意为成分透明的产品支付10-20%溢价"。结论：痛点真实且强度足够(48%放弃购买>40%通常阈值)。

FQ2 市场时机："Why now? 为什么成分透明以前没发生，现在会发生？" Office Hours分析——驱动因素：(1)消费者端——Google Trends显示"烟酰胺精华"搜索量2025年同比增长210%，消费者在主动搜索成分名而非品牌名；(2)供应链端——中国化妆品原料供应商已能提供纯度≥99.5%的烟酰胺(5年前只有≥98%)，原料质量达到可标注浓度的水平；(3)监管端——中国《化妆品监督管理条例》2025年要求功效宣称必须有科学依据，但并不要求标注浓度——消费者知情权vs品牌商业机密的矛盾正在加剧。结论：消费者需求和供应链能力都ready了，但监管尚未强制——这是"先入为主建立品牌信任"的时间窗口。

FQ3 创始人-市场匹配："为什么是你？" 创始人背景——有化妆品配方师资格证(5年原料公司经验)+ 前电商运营总监(管理过300+SKU的护肤品牌，年GMV 5000万)→兼具成分专业度和电商运营经验——这是这个方向的关键能力组合。对比纯配方师创业(不懂运营)→烧钱买流量但ROI差，纯电商运营创业(不懂成分)→无法建立成分透明的品牌壁垒。"Why you"的验证指标——创始人的能力组合与创业方向的核心成功因素匹配度越高，成功率越高。

FQ4 不公平优势测试："你能做什么别人不能做或不愿意做的？" 创始人：(1)与3家化妆品原料供应商有长期合作(前东家的人脉)——能以批发价获取高纯度原料，材料成本预估比市场价低30%；(2)配方师资格证+5年经验——能在成分标注上做到"科学级精确"(不只是"含烟酰胺"而是"含5.0%烟酰胺+2.0%N-乙酰葡糖胺的协同配方")——这比竞品仅标注成分名的透明度高一个量级。Office Hours评估：供应商关系和配方师资质确实构成了一定的不公平优势，但两者都不是持久性壁垒——竞争对手也能聘请配方师、也能建立供应商关系。真正的持久壁垒可能是"品牌的科学信任度"——如果品牌能在2-3年内建立"成分透明的标准制定者"心智，后来的模仿者即使标注了浓度也会被认为是"学我们的"。

FQ5 价值主张与MVP测试：Office Hours建议——不要一开始就推多款产品(全产品线需要500万+启动资金)，用"One Hero Product"策略——聚焦一款产品(5%烟酰胺精华液30ml定价189元)，在成分标签上标注"每瓶含1500mg烟酰胺(5.0%浓度)+600mg N-乙酰葡糖胺(2.0%浓度)"——将成分浓度从行业惯例的含糊承诺转变为定量承诺。MVP验证指标——首月300瓶售罄(衡量产品概念吸引力)、复购率>25%(衡量产品效果满意度)、用户主动在社交媒体上分享成分标签照片(衡量"成分透明"这个差异化是否引起了传播)。

FQ6 收入模型与FQ7 风险与反脆弱性：Office Hours诊断——收入模型(直销DTC模式，预估首年GMV 200万需售出约10580瓶，平均售价189元，复购率25%→年复购用户人均购买3.5次→LTV=CAC×3.2)具备可行性但需验证CAC（预估获客成本80-120元/人→需在实际投放中验证）。风险——最大风险不是"没人买"而是"成分透明承诺被质疑"——如果某个批次的产品第三方检测发现浓度偏差>10%→品牌信任崩塌。反脆弱策略——在产品详情页公开每批次的第三方检测报告(而不是只标注一次)，将"透明度承诺"转化为"透明度验证"——如果竞争对手出现成分虚标丑闻(概率不低)，整个行业被质疑时，你的公开检测报告成为差异化护城河。

FQ8 加速器(Flywheel)与FQ9 硬问题：加速器——如果成分透明的模式受到市场认可→用户自发在社交媒体分享成分标签对比其他品牌→自然流量增长→更多销售→更多批次检测数据→更可信的科学形象→更低的CAC→循环加速。硬问题——"如果欧莱雅/雅诗兰黛在明年推出‘成分透明’子品牌，你怎么办？" Office Hours的"宽泛声明→具体例证"转换——创始人从"我们的品牌信任度更强"变成"大集团的成分透明‘子品牌’面临内部矛盾——主线品牌依赖信息不对称获取高溢价(兰蔻小黑瓶的核心成分浓度至今未公开)，如果子品牌标注了浓度→消费者对比发现小黑瓶的实际成分浓度可能远低于售价→这将伤害集团利润最高的主线品牌。大集团的‘成分透明’只能做到半透明(标注成分名但不标注浓度)→我们的全透明(标注成分+浓度+临床证据等级)是他们的组织架构无法复制的"。结论：大集团的竞争对手不是技术问题而是商业模式冲突——这是创始人对大集团竞争的最可信防御论证。

🔑 启示：Office Hours的9个强制性问题不是生硬的"问题清单"——它们是层层递进的验证漏斗。FQ1验证"问题是真实的吗"(痛点强度>40%阈值)→FQ2验证"时机对了吗"(Why now)→FQ3-4验证"你是对的人吗"(匹配度+不公平优势)→FQ5-6验证"怎么做和赚钱吗"(MVP+收入模型)→FQ7-8-9验证"会死在哪里和怎么赢"(风险+飞轮+硬问题)。最关键的转折是FQ9中"宽泛声明→具体例证"的转换——创始人的"我们的品牌信任度更强"是大集团竞争的千篇一律回答，但"大集团的商业模式不允许真正的成分透明"是一个可验证的具体论证——它让评价从"主观相信"变为"逻辑验证"。

[!info] 参考来源 Office Hours 对话风格参考了 YC Startup School 的 Office Hours 模式和 Paul Graham's essays 的创业思考框架。化妆品行业监管参考 NMPA《化妆品监督管理条例》 2025年新版。

§6 掌握检验

Q1：Office Hours 与传统 AI 问答的核心区别是什么？

A) Office Hours 只回答技术问题
B) Office Hours 不直接回答"怎么实现"，而是先追问"你在解决正确的问题吗"——核心是帮助创始人"想清楚"而非"告诉你答案"
C) Office Hours 提供法律建议
D) 两者没有区别

Q2：五个追问维度中，"如果大公司做同样的东西，你怎么办？"（壁垒/Why You 维度）测试的是什么？

A) 创始人的编程能力
B) 创始人对竞争格局的深度思考——如果差异化可以被大公司用资源碾压（如更多的数据、更大的团队），那么"先发优势"不足以防守——需要验证"有什么是大公司复制不了的"
C) 大公司是否对产品感兴趣
D) 产品是否需要专利保护

Q3：五个追问维度（Who/What/How/Where/Why You）形成了一个"创业思想的压力测试框架"。请分析：如果创始人只能回答前三个维度（Who/What/How）但无法回答后两个维度（Where/Why You）——这个创业 idea 的风险有多大？为什么后两个维度是区分"好 idea"和"可投资 idea"的关键分界线？

Q4：电商案例中，创始人回答"壁垒"问题时的转折点——从"我们的数据模型比 Shopify 更精准"（宽泛声明）到"我们聚焦在成分/材质级别的选品推荐——能告诉你'含 5% 烟酰胺的精华液在 25-30 岁女性中增长最快'"（具体切入点）。为什么第二个回答比第一个更有说服力？"具体"在创业故事中有多大分量——这揭示了"投资人思维"和"创始人思维"之间的什么认知差异？

Q5：Office Hours 的对话风格模仿 YC Office Hours——它的核心对话技巧是什么？不是"质疑"而是"追问"——这两者有什么区别？如果 Office Hours 以"质疑"姿态（"你这个 idea 不行"）而非"追问"姿态（"如果 Shopify 做了这个，你怎么应对？"），对创始人的心态和行为会产生什么不同的影响？

Q6：Office Hours 推荐的下一步是"先用 3 个品牌做深度 pilot，验证成分级推荐是否真的比品类级推荐提升转化率 > 20%"。这个建议体现了什么工程/创业判断——为什么是"3 个品牌"而不是"10 个"或"1 个"？为什么设定了"转化率提升 > 20%"这样一个具体的验证标准而非"有效果就行"？这种"设定可验证的里程碑"的思维方式对创业者的决策质量有什么影响？

§7 答案

点击查看答案

Q1：B —— Office Hours 的核心差异是"先确定问题对不对，再回答怎么做"。

Q2：B —— 这个问题测试创始人对"可防御性"的深度思考。

Q3：风险分析：Who/What/How 验证了"有一群人（Who）遇到了一个问题（What），我有一个解决方案（How）"——这证明的是"需求真实存在"。但没有 Where/Why You → 你不知道"市场有多大"（可能很 niche，养不活一个公司）和"为什么是你而不是别人"（你可能只是第一个想到的，但大公司会用资源碾压）。区分线：好 idea = 有人需要你的产品；可投资 idea = 有足够多的人需要 + 你能长期守住这群人。前三个维度 = "创业的及格线"（没需求根本活不了），后两个维度 = "创业的优秀线"（有需求但不一定能变成生意）。

Q4：第一个回答"更精准"是"模糊的比较级"——任何创业者都会说自己的产品更好。投资人和合伙人都听过一千遍"我们的 AI 更精准"——这是信号噪音。第二个回答提供了具体的切入点和例证——"含 5% 烟酰胺的精华液在 25-30 岁女性中增长最快"——这个例证显示了：1. 创始人有领域深度（知道烟酰胺是什么、为什么重要）；2. 有差异化的维度（成分分析 vs 品类分析，具体到可操作）；3. 有数据支撑（不是"我觉得"而是"我们的数据显示"）。具体 = 可验证——投资人可以自己去查"烟酰胺是否真的在增长"，验证创始人的假设。认知差异：创始人思维——"我们的产品更好"（以产品为中心的叙事）；投资人思维——"为什么是你？用数据说话"（以证据为中心的评价）。

Q5："质疑"的姿态："你这个 idea 不行，因为 X、Y、Z"——创始人防御心态 → 争论 → 双方都不听取对方 → 交流失效。"追问"的姿态："如果 X 发生了，你会怎么办？"——创始人自己思考 → 自己发现盲点 → 自己修正方案 → 创始人拥有"发现"而非"被指出"——ownership 决定了后续行动力。Office Hours 的终极目标不是"判断一个 idea 好不好"而是"让创始人自己想得更清楚"——追问是"镜子"（让创始人看到自己思维的盲区），质疑是"裁判"（告诉创始人你输了）——镜子让人更清醒，裁判让人更抵触。

Q6：3 个品牌的逻辑：1 个品牌 = 样本太小（可能是运气/特殊关系），10 个品牌 = 投入太多（在验证 idea 之前就过度投资）。3 个是"够了来证明趋势，但不会过度投入"的平衡点——创业的"最小可行验证"。> 20% 的逻辑："有效果就行"（如提升 3%）——这样的数字太小，可能是统计噪音或季节性波动，无法说服品牌切换选品工具。20% = 足够大到"不可能被忽略"——如果换成你，你的选品工具建议让转化率提升了 20%——你会继续用还是会切回原来的方法？答案显而易见。设定可验证的里程碑：创始人从"我有个 idea"（模糊）→ "如果我能在 3 个品牌上证明 20% 的提升"（具体、可操作、有时间表）——这改变了决策质量：不是"相信这个 idea 会成功"而是"验证这个 idea 是否成立"。

（6/6 通过）

L6-50：创业深度诊断 —— 像顶级VC合伙人一样给你的项目挑刺