想明白商业逻辑,不是把模型想得更漂亮,而是把它压到能算清一单赚不赚钱,再用实验检验自己大部分想法是错的。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先算清一单,再谈大逻辑
材料里的观点立正讲自己做配送生意时,把商业模型还原成几个可算的数:一个人身上赚多少、客单价多少、要卖多少单、车能运多少单、物流成本多少、加价多少,算到这一单打平,之上才是赚的。想清楚这些,再围绕它去推高客单价和收入1。他明确说这在他看来就是 first principle,没有更 make sense 的替代1。
这给“想明白”一个可检验的标准:能不能落到一单的收支上。落不下去的,多半还是概念。
别把“更便宜更快”当商业本质
材料里的观点立正在一篇社区文章里提出,不是价格决定规模,而是利润率决定规模;利润率由定价能力和复购率共同决定。他认为“更快、更好、更便宜”是经济学模型的误导,做生意要做的是卖更高价、降低获客成本、找到市场并触到规模天花板,成败取决于在正确路上迭代的效率2。
评论区 Sam 提出边际成本、营销作为固定成本、垄断与超额利润等反驳,立正回应说这些能套进经济学模型,但那种视角是事后分析,站在“把生意做大”的起点上,你是从第一个客户开始卖,靠直觉定价、找客群,再去抓需求曲线上能抓的量2。这里的分歧值得读:Sam 的观点归 Sam,立正的回应归立正。
把想法当假设,用实验打脸
立正在对话里说,一开始做实验就会发现 80% 到 90% 的想法都是错的,他把这叫“商业物理学”;容易想到答案的东西早被做掉了,多数人没在心里接受这一点3。他还有一个比喻:人在黑暗房间里,去过的地方能被点亮,前提是能正确归因和观察,所以要既多探索又多归因,而不是在走过的地方打转3。
结合上面两点,AI 综合出的做法是:先写下一单的收支假设,再设计一个能推翻它的小实验,看实际客单价、复购或获客成本是否对得上。对不上就改假设,而不是改解释。
出处
- 1课代表立正: 知识内容大v分享6个你不知道的涨粉秘诀
立正用配送生意说明如何把商业模型压到一单的收支上。
- 2经济学的bug所在,和商业的本质
利润率决定规模、定价与复购的判断,以及和 Sam 关于经济学模型的分歧。
- 3投资人不看「AI 创业」了?|行业洞察方法论|大观资本Richer 2/2
实验会推翻大部分想法、黑暗房间式探索与归因的比喻。
- 4第13课|道:捋清商业底层逻辑,才能建立价值信念感
可回到原文核对这部分判断
- 5直播录视频
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我是一个lse大一在读学生,面对AI,我想搞明白毕业之后先进大厂/金融机构比如投行,再出来创业是不是一定比大学期间就开始尝试要好,我应该all in一份graduate好工作还是探索可能性
没有“一定更好”的路径。立正更强调先想清楚不靠公司你能提供什么价值,并尽早小规模试;但早期求职时,大厂高光组确实能当敲门砖。
- 如何解决基础code不熟但是又想利用ai去做出完整的软件
不必先补完语法再动手;把“编程基础”换成三件事:不怕编程界面、遇报错不慌、能把需求说清楚,然后从一个能部署的小项目开始做。
- 自媒体不知道做啥,或者卖什么产品。自己的本质数据,又卷又被ai冲击
先把“做成什么样”说具体,再选一个能靠少数精准客户变现的方向;不要先纠结赛道和产品,也别指望早期数据好看。
- AI接下来对白领工作都要冲击,普通人应该如何学习如何使用
先别把目标定成“学会某个AI工具”,而是把AI接进你现有的工作流:从一个小任务开始,把背景、错误和需求讲清楚,再把做法沉淀成可复用的规则。
- 想跟着超线性学院学习,不知道该从哪开始。
先读免费社区的理念文章,再决定是否进年费社区;立正给出的学习顺序是先方法、再习惯、最后思维方式,工具放最后。
- SQL 和 python 如何学好
SQL 要练到能在紧张时写清逻辑,Python 够用来清理、处理和可视化数据;两者都靠真题检验,而不是靠看完教程。