证据驱动的 AI 选题研究
利基分与增长分如何计算
理解公式、抽样门槛与不确定性，再解读 WeWorkBuddy 的选题评分。
开始研究 →查看评分方法需求与利基
D = 100 × [0.6 × min(Q/20,1) + 0.4 × min(U/10,1)]。Q 是近期七天独立需求问题，U 是提问者。N = 0.4D + 0.4 × 100(1−A/S) + 0.2F。A 是有效答案、S 是审查样本、F 是研究者给出的 0–5 匹配度乘 20。门槛：Q≥5、U≥3、S≥20。
增长
E、P、C 是最早、前期、近期七天的问题数。r=(C−P)/P；M=100×clamp(log₂(max(1,1+r)),0,1)；T=50×[I(P>E)+I(C>P)]；G=0.5M+0.2T+0.3D。门槛：E≥10、P≥10、Q≥5、U≥3，且 Q=C。
校准与解读
初始权重尚未回测。≥70 建议优先研究，40–69 建议补证据，<40 建议观察，均不能证明商业成功。先回测五十个话题，用发布后七天收藏率与有效提问，相对账号基线评估效果。