输入: 已验证的问题-解决方案方向。
操作: 将你的解决方案具体化为一种可交付的“教育产品”形态。明确其核心交付物是什么。
- 选项A (内容/知识): 写作（文章、电子书）、信息产品（简报、报告）。
- 选项B (系统/方法): 分步指南、框架、工作流程系统。
- 选项C (互动产品): 在线课程、工作坊、辅导计划、模板工具包。
判断标准: 产品形态清晰，且与你所拥有的知识/经验相匹配，能够有效传递解决方案。
输出: 明确的产品形态定义。
常见误区: 选择过于复杂或超出个人当前能力的产品形态（如开发复杂软件），而非从最小、最直接的知识交付开始。

明确竞争优势：对比人工智能与人类创作者

输入: 上一步定义的产品形态及对应的解决方案。
操作: 阐述你的产品与纯人工智能工具（如通用AI助手）的核心区别：
- 强调深度与情境: 你的产品是否包含AI难以提供的、基于具体情境的深度洞察、案例和细微差别？
- 强调行为改变: 你的产品设计是否专注于引导用户完成行为改变的具体步骤、提供问责机制或情感支持？
- 强调系统化: 你的产品是否提供了一个AI难以一次性生成的、连贯且经过验证的系统或框架？
判断标准: 能够明确指出你的教育产品在“促成深度理解或持久行为改变”方面，相对于通用AI工具的独特价值。
输出: 一句清晰的竞争优势陈述，格式为：“不同于通用AI工具提供[X]，我的[产品形态]通过[你的独特方法]帮助用户实现[具体的行为改变或结果]。”
常见误区: 试图在信息广度或即时生成速度上与AI竞争，而非聚焦于深度、系统化和人性化引导。

定位目标用户：从“有问题的人”到“愿意行动的学习者”

输入: 已验证的问题、定义的产品形态、竞争优势陈述。
操作: 细化你的目标用户画像，超越“所有有X问题的人”：
- 特征: 他们处于问题的哪个阶段？（刚刚意识到？多次尝试失败？）
- 动机: 他们解决这个问题的核心动力是什么？（避免痛苦？获得某种收益？）
- 偏好: 他们更倾向于何种学习或解决问题的方式？（自学阅读？社群互动？一对一指导？）
判断标准: 用户画像足够具体，可以指导后续的内容创作和营销信息。
输出: 一个简要的目标用户画像描述。
常见误区: 目标用户定义过于宽泛，导致营销信息无法击中痛点。

输出格式要求

提供一个产品定位画布，包含以下四个象限：

待解决问题: (来自前置模型)

产品形态与交付物: (步骤1输出)

核心价值主张/竞争优势: (步骤2输出的陈述)

目标用户画像: (步骤3输出)

Metadata

属性

值

领域

创业与产品开发

类型

procedural (procedural)

置信度

85%

前置条件

已完成“problem-to-product-ideation”模型，拥有一个已验证的问题-解决方案方向

来源

工作的未来：3：产品化自己——一人企业模式

执行步骤

定义价值主张：从解决方案到可交付成果

输入: 已验证的问题-解决方案方向。
操作: 将你的解决方案具体化为一种可交付的“教育产品”形态。明确其核心交付物是什么。
- 选项A (内容/知识): 写作（文章、电子书）、信息产品（简报、报告）。
- 选项B (系统/方法): 分步指南、框架、工作流程系统。
- 选项C (互动产品): 在线课程、工作坊、辅导计划、模板工具包。
判断标准: 产品形态清晰，且与你所拥有的知识/经验相匹配，能够有效传递解决方案。
输出: 明确的产品形态定义。
常见误区: 选择过于复杂或超出个人当前能力的产品形态（如开发复杂软件），而非从最小、最直接的知识交付开始。