创业案例最容易误导人的地方，不是数据造假，而是把不同强度的信息包装成同一种“事实”。“一个人赚到百万”“两周调研 30 个案例”“某个项目达到 50 万美元 ARR”，都可能是真实叙述，但它们分别对应样本数量、当事人陈述和经营结果，不能直接放在同一层面比较。证据分级的核心，就是先判断信息是什么，再判断它能支持多强的结论。

三层证据框架

第一层是可回溯事实：来源、发布日期、项目名称、行动顺序，以及文章明确写出的数据口径。例如，页面记录某项目早期开发了客户不需要的功能，之后转向服务 Shopify 品牌客户，这能支持一条清晰的时间线。但如果收入、客户数量和退出交易没有独立来源，就不能把它们改写成“已验证结果”。

第二层是当事人说法：创业者如何解释成功、失败或转向。诸如“找对客户后增长”属于归因，不是完整的因果证明。结果还可能受到既有行业经验、客户关系、渠道、市场时机或定价变化影响。专业写法应保留归属，例如“当事人将增长改善归因于重新聚焦目标客户”，而不是直接写成“重新聚焦必然带来增长”。

第三层是研究者分析：基于前两层提出可检验、且有边界的判断。案例可以提示“在长期开发前验证客户付费意愿，可能降低无效开发风险”，却不能证明“先销售再开发适用于所有业务”。涉及交付责任、合规或复杂服务时，销售意愿也不等于可持续经营。

先看证据，再看数字

“30 个案例”只能说明研究者声称查看过这些材料，不能证明样本具有代表性。若多个页面互相转载同一个故事，实际样本可能远少于表面数量。去重时应核对人物、产品、启动时间、客户类型、收入节点和原始链接。

收入也必须拆开：是流水、利润、累计收入、月收入，还是 ARR？ARR 是年度经常性收入的年化口径，不等于已到账现金，也不等于扣除成本后的利润。用户数同样要区分注册、活跃、付费和持续留存用户。缺少统计时间、定义和来源的数据，只适合作为线索，不能作为方向成立的证据。

完成案例记录后，真正要问的不是“哪个方向最赚钱”，而是“哪个假设能在自身条件下低成本验证”。一个证据强度较高的案例，未必适合没有相同渠道、技能和客户资源的人。可靠的创业判断，应同时写清事实、当事人解释、分析边界，以及下一步可执行的最小验证动作。