幂函数思维 Power Function

语言 English Español Português العربية Русский 中文

这页回答：这门生意的增长结构是哪一型、天花板多高？

底数 ① 用户规模 —— 高 = 你能触达、能留住的人足够多，盘子撑得起规模

底数 ② 可复制性 —— 高 = 这套做法换个客户、换个城市还能照原样再来一遍

底数 ③ 渠道扩展 —— 高 = 一条渠道跑通后，还能再开出很多条

底数 ④ 地理扩张 —— 高 = 换个地方，同一件事还能再卖一遍

底数 ⑤ 规模效应 —— 高 = 做得越大，单位成本越低

指数 ⑥ 复购频次 —— 高 = 同一批人会反复买，而不是一锤子买卖

指数 ⑦ 传播系数 —— 高 = 用户会主动带新用户进来

指数 ⑧ 效率提升 —— 高 = 越做越快，同样的投入产出越来越多

指数 ⑨ 成本下降 —— 高 = 越做越便宜，成本随规模往下走

指数 ⑩ 价值积累 —— 高 = 前面做的事会沉淀成后面的优势，不是做完就没

这一页看的是「增长结构」，不是「你现在赚多少钱」。
引擎把 10 项打分分成两组：底数（用户规模 / 可复制性 / 渠道扩展 / 地理扩张 / 规模效应）决定「每放大一次能放大多少倍」，指数（复购频次 / 传播系数 / 效率提升 / 成本下降 / 价值积累）决定「放大能发生几次」。两组各取平均分（0~100 总分），再各自 ÷10 归一成 0~10，最后 G = 归一底数 ^ 归一指数（源码写法 base_norm ** exp_norm；底数为 0 时 G 直接给 0）。
四象限是按两组「原始总分」判的，不是按归一值（源码第 78-97 行）：底数总分 ≥80 且指数总分 ≥80 → 🚀 幂函数型；否则只要底数总分 ≥60 → 📈 规模型；否则只要指数总分 ≥60 → 💎 精品型；都不满足 → 📉 线性型。注意这是「先到先得」的 elif：底数 75、指数 95 会落在规模型，不是幂函数型 —— 底数不够，指数再高也压不住。
🧱「天花板」怎么读（口径交代在这儿）：源码没有「天花板倍数」这个字段，它只输出一个没单位的 G。本页把 G 直接读成天花板倍数，口径就是 G 本身：天花板倍数 = 底数 ^ 指数 = 归一底数 ^ 归一指数。含义是「在这个增长结构下，量级能被放大到多少」：底数 8、指数 3 → 512，读作「结构上限约 512 倍量级」。指数每 +1，天花板就乘以底数 —— 所以底数越大、指数越高的组合越恐怖。这套口径下的上限是两组都满分（100/100）时 G = 10^10 = 10000000000；那是数学上限，不是现实预期。
它不回答「你现在赚多少」。当前利润很高但结构是线性型的，这一页照样给 📉 —— 它判的是「这件事能不能越做越大」，不是「这个月进账多少」。

这一页移植了什么、没移植什么（照实说）
· 已移植：PowerFunctionModule.run()（国内机 /opt/algorithms/functional/power_function.py，126 行， sha256 1701def0…47573，只读）第 37-121 行的全部计算 —— 5+5 维度键名、缺字段默认 50、两组平均分、 ÷10 归一、G = base_norm ** exp_norm（底数 0 → G=0）、power_value = base_norm × exp_norm、四象限 80/80/60/60 分档与策略 / 评级文案、以及 round 位数（总分 2 位、G 4 位、power_value 2 位）。 Python 的 round() 是「四舍六入五取偶」，本页用 pyRound() 对齐，见构建目录里的对拍报告。
· 未移植：data_bus 的存取通道（本页直接用 10 个输入框代替上游模块喂数）、 ModuleInfo / 定价字段（源码 PRICE=0.0）、以及结果里的 analysis 逐维度回显 —— 本页本来就显示你填的每一项。
· 本页自己加的说明（源码里没有对应文字）：① 每个维度后面那句「高 = …」是人话解释，源码只有维度名； ② 「天花板倍数」这个叫法 —— 源码只输出 G，没给它起过名字。

未确认（拿不准的，标在这里）
· 未确认①：源码没有取值范围校验，也没写这 10 项必须 0~100。本页照抄不裁剪 —— 填 >100 或负数照样算（只在结果里提示一句），因为源码真的不拦。
· 未确认②：G 值没有单位。源码没说它等于钱、用户数或任何具体量的倍数 —— 本页把它读成「天花板倍数」只是给个直观说法，不代表源码认这个含义。
· 未确认③：源码文件头列了 3 个来源文档（数学逻辑与评估工具完整梳理.md / 需求幂函数验证_V1.md / 21壳定价精算-5色幂函数反推.md），本次没有读到它们，所以 80 / 60 这四个阈值的出处未确认。
· 未确认④：页面底部那张折线图画的是 10 个维度各自 ÷10 后的值（与底数 / 指数归一同一刻度），这是本页的展示取样，不是源码输出 —— 源码只输出两个平均分。

【依据区 · 每个数字上哪儿查】
① 来源：算法移植国内机 /opt/algorithms/functional/power_function.py（127 行，只读）：PowerFunctionModule.run() = 第 37-121 行；5 个底数维 = 第 45-51 行；5 个指数维 = 第 52-58 行；两组平均分 = 第 64-65 行；G = base_norm ** exp_norm = 第 72 行；四象限 80/80/60/60 = 第 78-97 行。
② 分三类
· 【可核验的】5+5 维度键名、缺字段默认 50、两组平均分、÷10 归一、G 与 power_value、四象限与「先到先得」的 elif、策略与评级文案、round 位数 —— 逐行可对。
· 【本页展示口径】页面底部那条折线图（10 个维度 ÷10 后的取值）是页面取样，不是源码输出（源码只输出两个平均分）；「天花板倍数」这个叫法是本页给无单位的 G 起的名字，源码没有该字段。
· 【未找到依据的】80 / 60 这两条象限阈值（以及「缺字段默认 50」）的出处：源码文件头只列了 3 个来源文档名（数学逻辑与评估工具完整梳理.md / 需求幂函数验证_V1.md / 21壳定价精算-5色幂函数反推.md），本次没读到这三份文件 → 阈值出处未找到依据。
③ 怎么自己复核：10 项全填 80 → 底数 80、指数 80 → 应判 🚀幂函数型，G = 8^8 = 16,777,216；把底数 5 项改成 60、指数保持 80 → 底数 ≥60 先命中 → 应落 📈规模型（不是幂函数型）。这组能验出「先到先得」的 elif 行为。

下一步可以做什么

网络效应 Network Effect

用网络规模算网络价值，并显示离临界点还有多远

为什么连到这里：手工指定的下游（network-effect）

杠杆 Leverage

你能做什么、谁可能需要、接不接得上——算活触手与废触手

为什么连到这里：手工指定的下游（leverage）

由 /opt/slices_build/build.py 从规格 /_shared/slices/power-function.json 生成 —— 要改这页，改规格再跑生成器，别手改 HTML。