跳到主要内容

第八节 商业立场：大众入口、质量一致、订阅与佣金

第二节给出了 FinBayes 的价值选择（走结构化认知路径而非喊单路径）+ 服务边界（不试图覆盖所有人）。第四节给出了核心优势（懂金融 / 懂用户 / 懂判断）。这一节给出与这些价值选择和能力一致的商业立场。

商业立场由四个核心锚点组成。它们不是孤立的商业策略，而是战略价值选择在商业模式层的具体落实。

核心锚点一：锚定金融认知服务价值​

FinBayes 的定价以认知服务的价值为依据，不以调用次数或市场行情为依据。

  • 不锚定调用次数：避免"用得多花钱多"的反激励，避免重度用户被价格惩罚
  • 不锚定市场行情：避免"牛市贵、熊市便宜"或"行情大就涨价"的投机化定价
  • 锚定认知服务的价值：定价反映 FinBayes 给用户带来的金融认知能力增长

认知服务价值的度量代理变量（候选，具体由 L2 商业团队承接）：

  • 认知资产积累深度：用户的关注集、历史判断、复盘记录的丰富度和持续性
  • 复盘触发率：用户主动回到 FinBayes 复盘过往判断的频次和覆盖面
  • 跨市场覆盖数：用户在 Crypto / US Stocks / ETF 等多市场上对 FinBayes 的依赖度

这些代理变量不是最终定价公式，只是给商业团队承接时的起点参考。具体定价方法、单位经济测算、付费层级设计由 L2 商业团队规划承接，战略层只锁定定价依据。

核心锚点二：大众入口​

FinBayes 服务个人投资者，不是机构。

  • 入门门槛低：自然语言对话主入口（详见第五节）；不预设用户金融专业度
  • 跨阶层：从对金融几乎零基础的小白，到能看懂财报和宏观联动的资深用户（详见第二节用户与场景）
  • 跨设备：Web / 桌面 / 移动等不同入口的体验契约一致（详见第五节）
  • 价格友好：付费层级覆盖大众价位，不只服务高净值人群

机构形态（家族办公室、对冲基金、投研团队协作场景）的服务边界与协作方式与个人投资者差异极大，第一阶段不做。未来在什么用户规模、商业证据、服务边界需求下触发个人 vs 机构产品分立由商业与产品团队共同决定，战略层尚未拍板（详见第十节悬而未决问题）。

核心锚点三：输出质量跨付费层级一致​

付费等级不改变金融认知输出的本质质量。

具体含义：

  • 付费可能改变：用量上限、附加入口形态（如 API 调用配额）、保留时长、附加增值能力（如个性化提醒频次）
  • 付费不改变：结构化认知输出的 10 要素完整性（详见第五节）、画像不裁剪事实空间、条件化结论、反方证据呈现深度、失效条件标注完整性

这条锚点是 FinBayes 与喊单产品 / 信号产品最直接的对照（详见第四节理由二）：

  • 喊单产品的盈利模式天然倾向于"VIP 群有更准信号 / 高级会员有内部消息 / 付费课程才讲深度方法论"，输出质量随付费层级分化
  • FinBayes 选择输出质量跨付费层级一致——这与"让每个人都能成为自己的金融专家"愿景一致（详见第一节）

这条锚点也是商业模式的硬约束，影响付费层级设计、增值能力选择、销售话术等多个层面。

核心锚点四：服务全情绪谱​

FinBayes 服务用户的真实情绪状态，不只服务理性投资者。

个人投资者在做金融判断时的情绪状态是谱系的：

  • 市场剧烈波动时的临时焦虑
  • 看到意见领袖推荐时的兴奋或怀疑
  • 持仓深度亏损时的恐惧或不甘
  • 错过机会后的懊悔
  • 长期复盘时的反思
  • 不熟悉对象初次了解时的困惑

FinBayes 的产品形态应该在用户的任何情绪状态下都提供有用的认知支持——结构化的认知材料、条件化的结论、反方证据、失效条件——而不是只在理性时段服务用户。

这条锚点对产品体验、对话设计、输出语气有具体影响，但不锚定特定的产品功能模块（那是 L2 产品定义层的事）。

商业模式的双轨：订阅 + 佣金​

FinBayes 的商业模式包含两条平行的收入来源。

订阅​

用户为持续的金融认知服务付费。

  • 订阅是 FinBayes 与用户的直接商业关系
  • 订阅的核心是认知服务的持续可获得（不是单次咨询）
  • 订阅层级设计在战略层不展开（详见 L2 商业团队规划），但必须遵守"输出质量跨付费层级一致"的硬约束

佣金​

通过 AI Trading Matrix 的执行支持产生的渠道返佣收入。

  • 不是用户付额外费用：用户在 ATM 做交易时本来就会产生交易费用，FinBayes 通过生态协同关系获得部分返佣
  • 不锚定到具体交易动作：FinBayes 不因为用户多交易就鼓励用户多交易（避免"刷量"型反激励）
  • 不替代订阅：佣金是辅助收入流，主流收入仍是订阅。这样保持 FinBayes 与用户利益的一致性

为什么是双轨​

  • 订阅 保持 FinBayes 与用户的直接商业关系，让产品不依赖任何执行端来生存
  • 佣金 反映 FinBayes 在生态中的价值（用户基于认知判断后选择 ATM 执行），是生态协同价值的一部分
  • 两条收入流互相不冲突（订阅服务于认知，佣金服务于生态协同），与"输出质量跨付费层级一致"的硬约束都兼容

双轨的战略约束​

为保持 FinBayes 商业自我认知和"独立运行能力是基线"声明的一致性，双轨设计有两条战略约束：

  • 订阅必须能独立覆盖单位经济：第一阶段佣金作为辅助收入，订阅本身必须有能力独立覆盖 FinBayes 的核心运营成本——这保障 FinBayes 在用户大量选择 ATM 之外的第三方交易工具时仍然可持续（与第六节"FinBayes 独立运行能力是基线"声明一致）
  • 佣金占比上限：佣金不得成为 FinBayes 主要收入流——避免 FinBayes 与用户认知利益一致性被侵蚀（佣金高占比可能反向激励"多对接 ATM / 鼓励多交易"）。具体占比阈值作为悬而未决问题登记到第十节

商业边界​

FinBayes 的商业活动有几条明确边界。这些边界既是战略约束，也是商业自我认知。

与喊单产品的边界​

详见第四节核心优势的"为什么不走喊单 / 信号路径"详细对照。商业层面的具体含义：

  • 不卖"VIP 信号群"会员
  • 不在付费层级设计中加入"内部消息""更准预测"等暗示输出质量分化的产品
  • 不引流到喊单源（即便是合作伙伴）

与持牌投资建议的边界​

详见第六节生态位置的 FinBayes ↔ ATM 边界声明。商业层面的具体含义：

  • FinBayes 不持牌、不试图持牌（持牌投资顾问、基金投顾、注册投资顾问等）
  • 不在用户面前出现"投资建议""操作指令"型表述
  • 通过结构化认知材料 + 条件化结论的输出形态规避"提供投资建议"的法律定义边界

与个人数据变现的边界​

  • 不卖用户的金融关注集、历史判断、复盘记录给第三方
  • 不将用户敏感数据用于训练通用大模型
  • 用户主权三件套（可查看、可修改、可清空）在商业活动中全程有效

服务边界（继承 ADR-006）​

FinBayes 不试图覆盖所有个人投资者——只服务愿意建立自己判断能力的那一部分（详见第二节）。这是产品的清醒商业自我认知，也是商业边界。

第一阶段商业验证范围​

第一阶段（M0-M3）的商业验证有意控制范围：

第一阶段验证：

  • 用户付费意愿（用户愿意为持续的金融认知服务付费）
  • 留存信号（用户回到 FinBayes 持续使用，不是只用一次）
  • 三层用户群的相对商业强度（小白 / 进阶 / 资深的付费意愿、留存触发点是否各不相同）

第一阶段不验证：

  • 精确定价（订阅价、佣金分成比例）——以认知质量为重，精确定价由商业团队结合冷启动数据后续承接
  • 大规模用户量级（百万级日活）——以质量验证为主
  • 单位经济测算（重度用户成本 vs 订阅价、轻度用户付费意愿 vs 逆向选择、不同用户群的服务成本差异等）——属于商业整体压力测试，留为悬而未决（详见第十节）
  • 机构服务的商业空间——第一阶段不做机构形态

商业模式的悬而未决问题​

商业立场层面的悬而未决（详见第十节）：

  1. 商业模式整体的压力测试：四个核心锚点作为整体是否在数学上能跑通——重度用户成本可能高于订阅价 vs 轻度用户付费意愿低的逆向选择如何处理
  2. 与通用 AI 的留存竞争：用户为什么不会用通用 AI（如 ChatGPT + Memory）加自选股的组合替代 FinBayes 的付费订阅
  3. 三层用户群的商业强度差异：小白 / 进阶 / 资深各自的付费意愿、留存触发点、服务成本如何平衡
  4. 个人 vs 机构产品分立的时点：在什么用户规模和商业证据下触发分立

这些不是机制问题，是商业 thesis 整体能否成立的真实未决——具体压力测试方法、定量指标、用户对照组设计等，由 L2 产品定义层和商业团队结合冷启动期数据承接。