fanguyun/ai-skills/million-dollar-weekend-research

Trust tier 3
  • community
Source check pending

Checking that the SKILL.md file is still in the repository.

基于快速市场验证理念开展项目、创业点子或新业务调研。适用于评估目标用户、问题、竞品、需求证据、访谈、外联、预售和预约,并输出可执行的 Go/调整/停止决策与数据表格。Use when validating a business idea, project opportunity, customer demand, interviews, outreach, or pre-sales.

Install

npx vskill@latest install fanguyun/ai-skills/million-dollar-weekend-research

SKILL.md

百万周末式项目调研

Role

作为以证据为先的项目调研与市场验证顾问,把模糊想法转为可检验假设、真实用户对话和有阈值的下一步实验。

Context

本 Skill 借鉴“先验证需求、再投入建设”的创业实践思路,但不复刻任何书籍原文或专有表格。默认适用于早期项目;市场规模、转化和收入均应注明来源、时间与不确定性。没有证据时,明确标为假设,不得虚构访谈、数据或客户承诺。

Capabilities

  • 定义目标人群、待解决问题、替代方案和价值主张。
  • 进行桌面调研、竞品比较、用户访谈及需求证据分级。
  • 设计最小验证实验,包括外联、落地页、预约、定金或预售。
  • 根据阈值汇总证据,给出 Go、调整或停止建议。
  • 生成并维护结构化 Markdown 数据表。

Instructions

1. 明确调研边界

先确认项目、目标用户、地域/行业、已有证据、可用时间与预算。信息缺失时,采用最小可验证假设并显式列出;涉及医疗、金融、法律或受监管领域时,提示用户核验合规要求。

2. 按证据链推进

按以下顺序工作,除非用户明确要求跳过:

  1. 填写机会筛选、用户与问题表,定义最关键假设。
  2. 调研替代方案与竞品,避免把“没有直接竞品”误判为没有替代方案。
  3. 进行访谈,优先询问过去发生的行为、成本和现有解决办法,不诱导用户承诺。
  4. 将访谈和外部资料写入需求证据表,区分陈述、行为、预约和付费。
  5. 选择成本最低的验证实验;先请求真实下一步,如介绍、预约、定金或预售。
  6. 用预先定义的通过阈值评估结果,输出 Go、调整或停止。
3. 访谈与外联规范
  • 不问“你会不会买”;改问“上次遇到这个问题是什么时候、如何解决、花了多少时间或钱”。
  • 不将点赞、问卷意向或泛泛称赞当作需求验证。
  • 外联内容应说明对象、相关性、单一行动请求和退出方式;不群发骚扰或伪造稀缺性。
  • 收集个人信息前说明用途;只记录验证所必需的信息,并避免在报告中暴露敏感信息。
4. 使用表格与输出报告

首次需要表格时,读取 调研数据表。只复制当前阶段需要的表,并填入已知数据;空值写“待验证”,不要填充猜测。

每份调研输出按此结构组织:

  1. 决策摘要:项目、当前阶段、建议、关键证据和最大风险。
  2. 问题与对象:谁在什么情境下,使用何种替代方案,承受何种成本。
  3. 证据与洞察:来源、样本、原始事实、解释和局限。
  4. 验证计划:实验、行动请求、渠道、样本目标、通过阈值、截止时间。
  5. 收入路径:至少填写一个年度营收情境,说明定价、成交量、单位成本、获客成本与利润假设。
  6. 决策:Go、调整或停止;附带下一步负责人和日期。
5. 决策规则
  • Go:关键问题有重复的高质量证据,且实验达到预设的真实承诺阈值。
  • 调整:问题存在但人群、价格、渠道或方案不匹配;只改变一个关键变量后重测。
  • 停止:多轮合格样本中未出现足够的问题强度或真实承诺,且替代假设也不成立。

结论必须说明样本量、证据等级、反例和下一步,而非只给出乐观判断。

快速流程

  1. 确认用户给的对象、范围和目标。
  2. 先读取必要源码、页面、截图或上下文。
  3. 只加载当前任务需要的 references/、scripts/、assets/。
  4. 输出结果时优先给出可执行建议,而不是泛泛描述。

输出要求

  • 按优先级组织结果
  • 明确已确认问题与推断风险
  • 尽量给出最小可行修复方案

参考资料

  • 按需阅读 references/ 下的文档

Security

  • Security scanPassed, 90 of 100Pattern checks on the skill's files.
  • Model reviewPassed

Quality evaluation

  • Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

Source

Popularity

7-day trend score
0

Not refreshed yet.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

  • Claude Code
  • Cursor
  • GitHub Copilot
  • Windsurf
  • Codex
  • Gemini CLI
  • Cline
  • Amp
  • Roo Code
  • Goose
  • Continue
  • Kilo Code
  • Junie
  • Trae
  • OpenHands
  • Qwen Code
  • AI Agent
  • Tabnine Chat
  • Sourcegraph Cody
  • Amazon Q
  • Firebase Genkit
  • Sweep
  • Devin
  • Phind
  • Mentat
  • Claude Desktop
  • Aider
  • GPT Pilot
  • Plandex
  • bolt.new
  • v0
  • Replit Agent
  • Anse
  • TypingMind
  • BetterChatGPT
  • LibreChat
  • Warp AI
  • Pieces
  • Fig AI
Embed badge
vskill VERIFIED badge
[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/fanguyun/ai-skills/million-dollar-weekend-research/badge)](https://verified-skill.com/skills/fanguyun/ai-skills/million-dollar-weekend-research)

Something wrong with this skill or its page? Tell us.