他还会这么问：追问——「你假设的依据是什么？」——在测你是不是随口说的数字。
他在考什么：估算题是面试官最常用的『测你思维结构』的工具。面估算题不是做数学——是做结构设计。你的数字对不对不重要——你的结构清不清晰才重要。
结论句：估算题的终点不是一个数字——是一个结构。面试官记住的不是你算出来的是多少亿——是你用什么框架来拆这个问题的。
三点口播稿：「我估算市场规模的方法分为三步。
第一步——拆结构。任何估算题的第一步都不是找数字——是找出决定这个市场大小的核心变量。对于 AI 求职助手来说——三个变量：求职者总数、AI 工具渗透率、年人均付费。三个变量乘起来——就是年市场规模。结构定了之后——数字的意义就清楚了：你不是在报一个数——是在填一个公式。
第二步——填数据。求职者总数——中国每年新增就业约一千两百万、加上换工作的存量——年求职人群约三到四千万。AI 工具渗透率——参考 ChatGPT 国内渗透率约百分之十五到二十——但这个产品场景更垂直、人群更精准——取中间值约百分之十五。年人均付费——参考我的产品定价月九块九——年约一百二。三到四千万乘百分之十五乘一百二——年市场规模约五到七亿。注意——我给的始终是一个范围——不是一个精确数字。因为估算的本质是『在合理范围内近似』。
第三步——自评假设。这个估算最大的假设是渗透率百分之十五。对于 AI 求职这样一个新品类——三到五年内达到百分之十五是可能的——但需要产品足够简单、用户教育成本足够低。如果渗透率只有百分之五——市场规模就是两亿左右。如果渗透率达到百分之三十——大约十几亿。面试官不会怪你假设不准——他怪的是你说了假设但不自评。
收口：所以估算题我的核心方法就是三步——拆结构、填数据、自评假设。结构决定了面试官信不信你的数字——自评假设决定了面试官觉得你懂不懂这个市场。数字本身——反而是最不重要的那个输出。」
数据锚点：三个变量——求职者总数、渗透率、客单价。三步法——拆结构、填数据、自评。万能开头：「分三步估算。」
30 秒版：「三步。第一拆结构——三个变量：求职者总数、AI 渗透率、年人均付费。第二填数据——三到四千万求职者乘百分之十五渗透率乘年一百二付费等于五到七亿。第三自评假设——渗透率百分之十五需要三到五年实现。结构定了面试官信你——自评做了面试官觉得你懂。数字本身反而不重要。」

他还会这么问：追问——「如果用户增长比你预期的慢——你的现金流能撑多久？」——他在测你有没有想过最坏情况。
他在考什么：面试官想看你是不是只算过乐观账——没算过悲观账。盈利预测不是自信的证明——是对风险的准备。能说清楚悲观情况的人——才是真的算过账的人。
结论句：『能盈利不是预测出来的——是算出来的。算清楚盈亏平衡点、算清楚现金流能撑多久——然后才知道什么时候能盈利。』
三点口播稿：「我的产品现在还没有盈利——但我在推进这件事。我说说我算的账。
当前状态。每个月总成本约三百多块——主要是 API 调用。收入——九块九乘十几个付费用户——约一百多块。月亏损——约两百块。不算大——但也不能永远亏。不是所有的亏损都是坏事——如果你的亏损在收窄——说明你在变好。
盈亏平衡点。如果定价保持九块九——我需要大约四十个付费用户才能打平每月固定成本。如果定价提高到十九块九——只需要二十个付费用户。但现在涨价没底气——因为用户还没充分验证产品价值。所以我的策略是：先把用户量从十几个做到四十个——同时优化成本让单用户成本从二十六块四降到十五块以下。盈亏平衡不是靠涨价一笔勾销的——是靠成本和收入的同步优化。
最坏情况。如果用户增长停滞——我的现金流能撑多久？我的赔偿金还剩大概四个月的生活费——产品成本每个月三百多——加上日常生活开销——大概能撑五到六个月。如果在五个月内不能把付费用户做到四十个以上——我需要接零活来补贴。走一步算一步之前先知道自己最坏能走到哪——这是我这半年学到的最重要的事。悲观情况不是用来害怕的——是用来做准备的。
收口：所以什么时候能盈利——如果一切顺利三个月后。如果用户增长慢——可能需要六个月或者更久。但我现在做产品的方式已经跟三个月前完全不一样了——每个星期都看一遍成本和收入的趋势。盈利不是终点——它是『成本收入比持续改善』这个过程的自然结果。能盈利是算出来的不是想出来的。」
数据锚点：一个数字——四十个付费用户盈亏平衡。一个策略——成本降到十五块以下加用户增长。万能开头：「还没盈利——但算过账了。」
30 秒版：「月亏两百块。需要四十个付费用户才能打平。策略——用户从十几个做到四十个、单用户成本从二十六块四降到十五块以下。如果增长停滞——现金流能撑五到六个月。盈利不是终点——是成本和收入同步优化的自然结果。能盈利不是想出来的是算出来的。」

他还会这么问：追问——「你估计的误差范围多大？」——他在测你知不知道自己的估算有多不准。
他在考什么：面试官想确认你是不是真的理解估算的含义——还是假装那个数就是准确的。估算的能力不是『猜得准』——是『猜完之后知道自己可能错多少』。
结论句：给出一个估算数字不是终点——给自己的估算标上误差范围才是终点。
三点口播稿：「我拆成四步来估算。
第一步——月活跃求职者总数。中国月活跃求职者——参考招聘平台的活跃数据——大约在两千万到三千万。取中间值两千五百万。这部分数据有公开报告支撑——可信度较高。
第二步——使用 AI 工具的渗透率。目前 AI 在求职场景的渗透率——我的产品是先行者之一。参考类似创新工具的渗透率——大概在百分之一到三之间。取百分之二。所以月使用 AI 投简历的求职者约两千五百万乘百分之二等于五十万人。渗透率的估算波动最大——从百分之一到五都可能。
第三步——每天的分布。假设投简历的行为集中在一周——但周末也有零星使用。日活跃分布假设工作日占八成、周末两成。所以工作日每天约五十万乘百分之八十除以二十二个工作日等于约一万八千。周末每天约五十万乘百分之二十除以八个休息日等于约一万两千五百。工作日比周末多约百分之五十——但不会差五倍。
第四步——加误差范围。综上——工作日每天约一万八千人用 AI 投简历。误差范围——因为渗透率的不确定性最大——下限约五千、上限约五万。我的估算结论是：工作日每天几千到几万人在用 AI 投简历——当前规模还不大——但年增长速度可能在每月百分之十到二十。估算的核心不是那个中间值——是那个范围。
收口：所以我的答案是——工作日每天大概一万八千人——但是可能在五千到五万人之间。更重要的不是这个数字——是这个赛场在快速增长。现在是每天几千人——十二个月后可能是每天几十万人。」
数据锚点：一个结论——工作日约一万八千人。一个误差——五千到五万。一个趋势——月增一到两成。万能开头：「拆成四步——从总求职者开始。」
30 秒版：「四步。月求职者两千五百万。AI 渗透率百分之二等于五十万人。工作日日均一万八千人——周末一万二千五。误差范围五千到五万。重要的是这个数字月增一到两成——现在是每天几千人——十二个月后可能每天几十万人。」

他还会这么问：侧问——「你涨价之后用户会流失吗？你怎么判断？」——他在测你是不是只算收入不算流失。
他在考什么：面试官想看你的定价思考不是一次的——是动态的。定价不是定了就不变了——是每到一个阶段都要重新判断。涨价不是对老用户说的——是对新用户说的。
结论句：涨价不是惩罚老用户——是筛选更愿意为价值付费的新用户。
三点口播稿：「当前九块九的定价可以打平一部分成本——一个付费用户约覆盖百分之三十七的成本。覆盖不了全部——但我不急着涨价。
为什么不现在涨价。因为用户量还没起来——十几个付费用户的数据不足以支撑涨价决策。如果我涨到十九块九——收入翻倍——但可能流失一半用户。净收入没变但用户数少了——不值。所以在用户量达到一百个付费用户之前——我不打算调价。数据多了之后才有做实验的资格。数据少的时候做定价实验——你会把噪音当信号。
什么情况下涨价。第一——月付费用户到一百以上。第二——开场白回复率稳定在百分之十五以上（现在百分之十二）。第三——用户主动续费率超过百分之八十。三个条件都满足——说明产品已经验证了价值——涨价不会导致大量流失。如果条件不满足就涨价——你赚到的钱会被流失抵消。涨价的前提不是你想多赚钱——是你的产品价值已经牢固到用户愿意多付钱。
涨价怎么执行。不会对老用户涨价——他们当初信任了九块九的定价。老用户维持原价——新用户按新价格。这不是优待老用户——是保护产品的口碑。老用户走了带来的负面传播比涨价多赚的那点钱贵多了。涨价只涨新用户——老用户不动。这是 SaaS 行业的标准做法——不是好心——是理性。
收口：所以结论是——现在不涨价。等用户量到一百、回复率上百分之十五、续费率过百分之八十——再对新产品执行新定价。老用户永不加价。定价是动态的不是一次的。」
数据锚点：三个条件——一百用户、回复率百分之十五、续费率百分之八十。一个原则——只对新用户涨。万能开头：「现在不涨——但不代表永远不涨。」
30 秒版：「现在不涨——数据太少涨价的声音会被流失掩盖。等三个条件满足再考虑：月付费用户过一百、回复率上百分之十五、续费率过百分之八十。涨价只涨新用户——老用户不动。不是好心是理性——老用户的负面传播比涨价多赚的钱贵。定价是动态的不是一次的。」