📋 预判摘要
🔍 五步递进筛查
| 步骤 | 状态 | 说明 |
|---|---|---|
| Step 1 需求 | ⚠️ | 信用评价需求真实但征信牌照是P0红线 |
| Step 2 解决方案 | ⚠️ | 深度学习信用模型技术可行 |
| Step 3 商业模式 | ❌ | LTV/CAC=2.2低于健康线+初期亏损 |
| Step 4 增长 | ⚠️ | 需与持牌征信机构合作 |
| Step 5 壁垒 | ⚠️ | 征信牌照限制 |
🏰 行业预判六模块
M1 拆解行业
产业链：数据源层（实名制/建安码/工资专户/违章记录）→ 平台层（云筑工匠/建工一号/劳查查/政府平台）→ 应用层（信用评分SaaS/班组评级/金融风控）→ 终端用户
利润分配（100元）：数据采集 10-15% | 信用模型 60-70% | 产品化 40-50% | 销售获客 20-30% | 金融赋能 5-15%
关键控制节点：数据资产型 — 1400万+建筑工人实名制数据。但数据所有权分散，云筑网是"汇聚者"而非"所有者"。
可优化：个人信用评价几乎空白（仅占5.86%），用工决策依赖熟人推荐（60%）。
M2 洞察变化
| 维度 | 变化 | 量级 |
|---|---|---|
| 政策法规 | 住建部2026年1号文——建成四级信用信息归集体系 | 大 |
| 政策法规 | 中办国办《关于健全社会信用体系的意见》 | 大 |
| 需求侧 | 高薪招不到人，月均5880元仍流失，四年流失25% | 大 |
| 需求侧 | 欠薪问题严重，追索13.5亿元 | 中 |
| 新技术 | 替代数据征信技术成熟 | 中 |
| 新技术 | 区块链存证+隐私计算 | 中 |
M3 预判稳态B
原子需求：HR工人筛选（50-200元/人次）| 劳务公司管理（2-5万/年）| 金融风控（0.5-2元/次）| 政府监管（50-200万/年）
中建发展位置：数据资产层核心持有者 — 但数据确权是关键变量。
M4 Timing
周期：技术萌芽→早期探索过渡期。窗口还有 2-3 年。
太早风险：中等 — 政策落地节奏不确定
太晚风险：中等 — 竞品已在布局但尚无绝对领先者
M5 天花板大小
| 方法 | 估算 |
|---|---|
| 直接数据 | 建筑劳务管理120亿/年，信用评价占15-20%=18-24亿 |
| Top-down | 5115万×10%×50元=25.6亿 |
| Bottom-up | 1400万×5%×100元=7000万（极保守） |
| 类比法 | 个人征信200亿×5-10%=10-20亿 |
结论：15-50亿元，叠加金融场景可增10-30亿。受工人总量萎缩和征信牌照制约。
M6 集中度
现状：极其分散，尚无头部
趋势：C型最佳时机，但存在变数 — 征信牌照可能形成天然壁垒
🔍 五步法逐层分析
Step 1 需求
目标用户：总包单位HR/项目经理、劳务公司管理者
| 场景 | 痛点 | 刚性 |
|---|---|---|
| 工人招聘筛选 | 熟人推荐达标率60%，网络招聘仅6% | 中等 |
| 班组组建与调配 | 工人流动性3-8倍，跨项目调配无数据支撑 | 中等 |
| 欠薪风险预警 | 追索欠薪13.5亿，工人无法预判雇主信用 | 刚性 |
| 金融风控 | 建筑工人无央行征信记录，传统风控无法覆盖 | 刚性 |
Step 2 解决方案
核心卖点："证书告诉你能干什么，行为数据告诉你干得怎么样。"
| 做 ✅ | 不做 ❌ |
|---|---|
| 工人行为信用评分（多维度） | 招工匹配平台 |
| 班组信用评级 | 央行征信业务 |
| 信用报告API输出 | C端信用查询App |
| 欠薪风险预警 | 全行业通用征信 |
MVP：构建信用评分（考勤+工资+违章+培训+评价）→ 输出信用分300-850 → 1-2工程局试点
Step 3 商业模式
单客户（ToB SaaS） — 按年订阅 + 按查询次数混合计费
| 收入来源 | 第3年估算 |
|---|---|
| 总包单位 5万/年 × 50家 | 250万 |
| 劳务公司 2万/年 × 200家 | 400万 |
| 金融机构API 50万/年 × 3家 | 150万 |
| 政府监管平台 100万/年 × 2个 | 200万 |
| 第3年合计 | 1000万（初期亏损） |
Step 4 增长
增长引擎：黏着式（但弱于供应商风控）
| 优先级 | 渠道 | CAC |
|---|---|---|
| 1 | 中建体系内复制 | 0 |
| 2 | 云筑网现有客户转化 | 1-2万 |
| 3 | 政府渠道（住建局） | 5-10万 |
| 4 | 金融机构联合推广 | 3-5万 |
| 5 | 行业协会 | 3-5万 |
Step 5 壁垒
| 壁垒类型 | 具体内容 | 强度 |
|---|---|---|
| 数据资产 | 1400万+工人实名制行为数据 | 强 |
| 规模效应 | 数据越多→模型越准→客户越多 | 中 |
| 政策壁垒 | 参与住建部四级信用体系标准制定 | 中 |
| 转化成本 | 历史信用数据积累后切换意味着"归零" | 中 |
| 网络效应 | 弱 — B2B工具 | 弱 |
💥 20张硬伤卡牌诊断
| # | 硬伤问题 | 评分 | 结论 |
|---|---|---|---|
| 1-3 | 目标用户/痛点/频率 | 1 2 1 #2用工场景锦上添花 | |
| 4-6 | 用户验证/本质区别/卖点 | 1 0 0 基本通过 | |
| 7-9 | 功能堆砌/MVP/单元模型 | 0 0 0 均未命中 | |
| 10-12 | CAC-LTV/毛利/基准对比 | 1 1 0 LTV/CAC偏低+初期亏损 | |
| 13-15 | 获客渠道/人肉/增长引擎 | 0 0 0 均未命中 | |
| 16-18 | 护城河/壁垒/六大壁垒 | 0 0 0 均未命中 | |
| 19 | 团队缺少必备能力 | 0 | 未命中 |
| 20 | 低估运营复杂度 | 3 | 中等 — 合规路径复杂 |
🧪 关键假设清单
📈 敏感性分析
| 变量 | 基准 | 乐观(+20%) | 悲观(-20%) |
|---|---|---|---|
| 第3年客户数 | 255家 | 306家→1200万 | 204家→800万 |
| 年均客单价 | 4万 | 4.8万 | 3.2万 |
| 月流失率 | 5% | 6%→LTV=5.5万 | 4%→LTV=8.3万 |
| 金融场景合规 | 第2年打通 | 第1.5年→提前 | 第3年仍受阻 |
最敏感：金融场景合规进度 — 征信牌照红线直接决定利润结构。
备选路径
▶️ 建议下一步行动
- 选取该局近1年的500名已入场工人（含100名已离场/被清退工人）
- 基于考勤率、工资按时发放、违章次数、培训完成率、项目评价5维度构建信用评分
- 将评分结果与HR人工评价（好/中/差三档）做对比
- 重点验证：高分组和低分组在出勤率、事故率、离职率上是否有显著差异
成本：3周 + 1名算法工程师 + 0元外部采购（数据已有）
🔗 与 LW-01 协同关系
LW-05（工人信用体系）与 LW-01（工人技能画像）是天然的上下游关系：