我把话撂这儿：那个 12% 不是需求比例，是条没校准过的虚线。谁现在拿它做内容定位，谁就踩在我说的假地基上。
来路不复杂。有人爬了 140 来个韩语 YouTube 视频底下两万多条评论，让分类器把"真实需求"挑出来。大频道底下 12% 像真人提问，中频道 26%。数字挺好看，差一倍，评论基数大所以围观的人多、中频道才像真干活的——这结论一落地，果然就有人开始往产品决策上套：别碰大频道，中频道才是金矿。我在旁边看着着急。你连分类器错成什么样都不知道，这条线就敢往上站人？
作者其实不冤。他自己后来交代了，打分器事后过了遍考试，三道致命题全错。致命题的意思是：没人能兜底的题，它给你一个自信满满的错误答案。按我这行的规矩，走到这一步就该回炉，不是打折解释。但他没有嘴硬，还说会按别人给的方案抽盲样、手动标、每个桶报错误率。这一条比大多数发"用户需求洞察"的人强多了，我得给他记一笔。
我急的是另一头。那个 12% 已经在被人当真，评论区有人开始从"大频道是围观、中频道是实践"往下推，结论越推越漂亮。漂亮结论最要命的地方就在这：它会让你忘掉脚下的分类器是个连致命题都答错的货色，然后把整栋楼往上一盖。
假地基。我给你个定义：一个没做过盲样校准、没报过分桶错误率的分类结果，被直接拿来当决策依据。地基是你在上面盖东西用的。假地基不是没数据，是数据看着像石头，踩上去才发现是预制板。
为什么我不直接说脏数据？因为脏数据这词太轻了，它暗示洗洗还能用。假地基不是这么回事。你拿 12% 和 26% 的差去决定做什么产品、写什么内容，你哪是在"用数据"啊，你是在盖楼。楼盖到第三层，板一裂，上面的人全摔下来。你怪数据脏？晚了。它叫假地基，是因为它替你扛了决策的重量，它不配。
我就近见过这类数字在组里怎么流转的。周二产品会说"我们看了，真实需求只有 12%"，周三内容排期就照着调，周四周报里再引用一遍。从头到尾没人问一句：分母怎么来的？分类器认错的评论，是往哪个方向错的？把段子认成需求，和把需求认成段子，这俩错法会把比例往完全相反的方向拉。一种让你觉得大频道评论区闷声藏着机会，一种让你觉得那地儿根本没戏。你不知道错在哪边，那个 12% 除了让你在会上下个结论，什么都不是。
评论区有个人指了条对的路。按桶抽一百条，手标，报每桶错误率，再回头看那两个数字之间的差还活没活着。这就叫校准。做完这一步，你才知道手里捏的是信号，还是分类器的偏见。差成不成立反而是次要的。关键是你能不能说出一句"这个数字我信到什么程度"。说不出来，就是假地基。
我甚至怀疑那个差没有表面上那么值钱。大频道底下真人提问少，未必是围观群众不干活。更可能是大频道评论区本来就是海，海面宽，真正的东西都沉在下面，你得挖回复串才挖得到。原清单里提过一嘴，加上回复串能多挖出 470 条顶层评论没有的需求。什么意思？只看顶层，天然会低估。大频道顶层水得厉害，低估只会更狠。那 12% 和 26% 的差，里头可能有一大块根本不是人群不同，是你采样桶的形状不同。桶偏了，倒出来的数就不作数。
这个我没法坐实，没数据。但这正是我最想说的：没做盲样校准之前，你连"这个差是不是真的差"都分不出来。它凭什么给你出主意？
我现在慢慢信一个做法：凡是用分类器数出来的数，先别问它好不好看，先问有没有抽过盲样。没抽过，名字就叫假地基。拿它开个场可以，别拿它盖房。作者后来讲的那套"从 10% 降到 3% 还是不知道错在哪"，其实说的就是这回事。错误率低不等于定位准。分类器调得再花，只要没抽盲样，那 12% 还是悬空的。而且它越像那么回事，越危险。
本来想接着往下写"按桶抽一百条"具体怎么抽。写到一半收了。抽法不复杂，复杂的是让一个已经在会上用过 12% 的团队回头说一句"这个先不用"。数字作废比的不是谁抽得准，是谁肯承认之前踩空了。我起"假地基"这个词，就是想给这种回头添个把手。会议室里你可以试一句：这数字是假地基，先别往上放需求。你猜怎么着，大家都听得懂。比你说"分类器没校准"管用。
这个词你拿去用。下次再有人甩给你一个爬来的比例、模型吐的需求量、分桶饼图，先别急着夸"这洞察不错"。你就问：盲样抽了吗？分桶错误率报了吗？没有，它就叫假地基。你可以礼貌地说：我先不当它承重。
要是半年过去没第二个人接这个词，或者市面上早就有更准的叫法，我回炉。造把手的人，得让别人揪得动。