产品形态评估：一个「诊断型工具」该怎么长

摘要：五条结论

1. 形态应定为「诊断型工具」，而不是 SaaS 平台。核心交付物是一份判断，不是一套流程。因此按次/按期售卖比按席位售卖更自洽。
2. 免费层必须给完整结论，付费墙切在「为什么」与「先做什么」。这是与 Ahrefs（验证站点换额度）、Notion（个人免费、团队付费）同构的思路：先用完整价值换信任，再用深度换收入。
3. 对标不是比功能，是比结构。Productboard 的 maker/contributor 拆分、Ahrefs 的「验证换额度」、PostHog 的用量计费，分别解决了「谁付钱」「凭什么免费」「怎么随成功涨价」三个问题。
4. 真正的壁垒是数据与口径，不是 AI。可复现的评分模型 + 持续核价的对标库，比「大模型生成洞察」更难被复制。
5. 增长的第一个动作不是投放，是让每份报告都能被分享。报告页自带品牌与数据，是最便宜的获客资产；这也是当前最大的结构性缺口。

1. 形态判断：四种候选，为什么选第三种

「产品经理网站」这个描述本身是模糊的。同样的功能集合，可以长成四种完全不同的形态，而形态决定了计价单位、增长方式与天花板。我们先穷举，再排除。

选择 C 的理由：交付物足够轻（可自动化）、又足够重（值得付钱）；边际成本接近零，但结论有决策价值。

形态 C 有三个必须成立的支点，缺一个就会退化成 A（免费工具）或 D（人肉咨询）：

• 可复现：同一页面重复分析必须得到同一分数。这要求规则化评分，而不是让模型自由发挥。
• 可比较：分数必须有参照系（同赛道中位数），否则 69 分毫无意义。
• 可执行：结论必须落到具体动作与顺序，否则用户看完只会说「有道理」，然后关掉页面。

本产品的设计正是围绕这三点：八维固定权重（可复现）、18 个对标站点（可比较）、P0/P1/P2 路线图（可执行）。

2. 定位坐标：自助化 × 分析深度

把市面上的替代品放到一张图上，横轴是「用户能否自助完成」，纵轴是「分析的深度与决策价值」。左上角（深但贵、需人陪）是咨询公司与 Aha!；右下角（浅但自助）是免费评分器；右上角是空位，也正是诊断型工具要占的位置。

机会区的关键约束：深度来自模型与对标库，而不是人力；一旦需要「顾问解读」，点就会往左上跑，规模化的路就断了。

这也解释了定价：不按席位卖，按「判断的频次」卖。个人用户每月 ¥99 换无限次自查；团队用户为「统一口径」付费，才按席位计价。前者是订阅，后者是治理，两种价值不能混在一个价格档里。

3. 业内对标：五家站点，五条结构教训

选取标准：同处「用数据支撑决策」的赛道，且 freemium 或定价结构有可借鉴之处。价格均为 2026-10 官网公开标价。

均分取六维（定位、激活、商业化、信任、增长、留存）算术平均，满分 100，为本模型下的相对分值。

教训 1：把「谁付钱」和「谁使用」拆开（Productboard）

Productboard 把用户分成 maker（编辑者，付费）与 contributor（围观者，免费），后者上限 25 人。结果是：整个团队都能进来，账单只落在真正建路线图的人身上。对一个诊断型工具，等价设计是——报告可以无限分享给同事看，只有「重新分析 + 对比历史」需要付费。这比「锁住报告内容」更符合协作现实。

教训 2：免费额度用「验证」换取（Ahrefs）

Ahrefs Webmaster Tools 免费，但要求验证站点所有权。用户付出的是数据与信任，换来的是完整审计能力。我们的对应动作：允许用户免费认领自己的域名，认领后获得完整报告与历史追踪——既提高了数据质量，也把「一次性访客」变成「有资产在平台上的用户」。

教训 3：免费层要卖「人」，付费层卖「团队」（Notion）

Notion 免费版给个人的是完整产品，付费墙压在协作与治理。诊断型工具同理：个人版的完整报告成本几乎为零，真正的付费理由是「多产品统一口径」与「团队共享结论」。

教训 4：没有免费层，就要有极强的销售承接（Aha!）

Aha! 无永久免费层，起价 $59，靠 30 天试用 + 顾问生态。它的均分 77 仍不低，但激活分只有 52——这是它主动选择的代价：用高门槛筛掉自助用户，换更高的客单价。对没有销售团队的我们，这条路不通。

教训 5：计价单位要随成功自动上升（PostHog）

PostHog 的免费额度是 100 万事件，之后按量计费。用户越成功，账单越大，且不会感到「被卡住」。我们的等价设计是「按分析的产品数计费」：1 个产品免费，3 个产品 ¥99，10 个产品 ¥299——增长与付费同向，而不是对立。

4. 差距量化：69 分差在哪

用同一套模型跑自己的站点，结果如下（自评，非第三方审计）。产品管理赛道的中位数取自 Productboard / Linear / Aha! 三家。

加权总分 69。若把增长、信任、留存拉到赛道中位数，总分约 84——这也是优化方案的目标区间。

5. 结论

1. 形态成立，但当前更像「演示」而不是「产品」。没有账号、没有历史、没有周期触发，用户无法把它纳入工作流。形态 C 的支点之一是「可执行」，而执行需要留存载体。
2. 最强的部分是激活路径，最弱的是被发现的路径。82 分的激活说明「来了就能用」；42 分的增长说明「根本没人来」。这两件事的解法完全不同，不要混谈。
3. 信任缺口会直接扼杀付费。一个陌生人凭什么把官网交给一个没有案例、没有合规说明的工具？这不是「以后补」，而是转化漏斗的第一道闸。
4. 不要做「AI 生成洞察」。大模型写出的建议无法复核，也无法形成稳定预期。可复现的规则模型反而是差异化——它让「分数变化」成为可追踪的信号。
5. 先做窄，再做宽。只服务「有官网、有定价、正在纠结形态与定价的 SaaS 团队」，比「所有产品经理」更容易获客，也更容易建立口碑。

6. Freemium 设计：免费给结论，付费买顺序

Freemium 的核心不是「免费多少」，而是免费层能否独立完成一次价值闭环。如果免费用户拿不到完整结论，他只会记住「又一个要付费的半成品」；如果拿到完整结论，他会记住「这东西真的看懂了我的产品」。

漏斗测算（假设，需实验校准）

2.4% 是目标值，当前无账号体系时预计只有 1%–1.5%。差额主要来自「无法保存历史」与「缺少信任背书」。

单位经济：Workers 免费层每日 10 万请求，Paid $5/月含 1,000 万请求；KV 读写在免费额度内。单次分析（1 次 Worker 调用 + 1 次子请求）的边际成本约 ¥0.0002，毛利率 > 95%。这意味着免费层的真实成本是获客注意力，不是算力——所以宁可给得多，也不要让人带着疑问离开。

7. 优化方案：P0 / P1 / P2

排序依据：（100 − 分数）× 权重，再按修复成本调整。每项都写明验收指标，避免「做完了但没变化」。

8. 风险与「不做」的事

三个真实风险

• 模型可信度风险：规则模型容易被批评「太机械」。应对不是加 AI，而是公开权重、允许用户自定义权重，并给出分数变化的解释。
• 抓取失败风险：目标站点可能 403、需要登录或是纯 JS 渲染。当前已用示例样本兜底，但要在 UI 上明确「这是样本，不是你的产品」。
• 对标数据过期风险：竞品调价会削弱结论。已标注核价日期，下一步做「价格变动告警」——过期本身就是留存机会。

明确不做

• 不做全站技术审计。那是 SEOLift 的领域，混在一起会让定位重新变模糊。
• 不做人工咨询。单次 ¥2,000 的定制报告会破坏「自助 + 可复现」的形态。
• 不做社区。早期社区是留存幻觉，先把「报告→回访」这条单机回路跑通。