一段AI产品演示收获很多点赞，开发者很高兴。这份高兴没有问题，问题是接下来那句结论：看来这个产品肯定有人买。
点赞能证明有人愿意表达兴趣。愿不愿意付钱，还要看另一种选择。
所以，一千个点赞和一笔订单，不能脱离问题直接比较。如果想知道内容是否吸引人，点赞有参考价值；如果想知道某个价格能不能被接受，那笔订单更接近答案。数字的大小，并不自动决定证据的分量。
创业验证里有一种“证据阶梯”的说法：从比较容易得到的表态，走向更接近实际购买、使用和持续选择的材料。Strategyzer讨论证据强度时，也把实验的速度与能提供的证据放在一起考虑。资料来源
它并没有要求所有想法一上来就卖出大批订单。刚认识一个问题时，访谈和演示已经有价值；只是停留在这个阶段，无法替后面的判断作答。
举个假设例子。五位店主愿意付费购买经营报告，如果他们来自六位需求相近的客户，和来自上千次随机推销，所说明的情况很不同。只留下“五位付费”，把接触过多少人省略掉，故事就会显得比原来顺利。
交易发生的条件也有影响。亲友支持、很低的试用价、额外赠送的大量人工服务，都可能推动第一次购买。它们没有让订单变成假的，但会影响这次结果能否用来理解别的客户。
同样，收过钱以后也还有新的问题。报告到底有没有被打开，是否帮上了原来的工作，到了下一次正常收费时还愿不愿意继续，这些材料回答的是持续价值。一次性购买和长期需要之间，不能靠想象补齐。
我喜欢用这种方式理解数据，因为它让热闹和进展各自有了位置。好看的演示可以吸引关注，一次真实使用可以暴露问题，正常条件下的续费可以补充信息。每一步都有作用，但作用并不相同。
所谓证据更强，是它更接近正在判断的那件事。离开了这个前提，“付款一定胜过点赞”也会变成另一句听起来正确、用起来未必合适的口号。