創業前別燒錢！DBB S-T-A-R-T 決策模型，一步看清市場規模到服務邊界

在 AI 時代，找空間、做設計、建網站、做應用程式原型都比過去容易得多，容易讓人以為一切就位，才想到「客人為什麼還沒來」。資金往往就是在這個順序裡，一點一點燒掉的。

這不是個別創業者的故事，而是幾乎所有初創者都會踩進的結構性陷阱。一間店結業，通常不是因為沒有客人，而是資金在客人穩定上門之前，已經先見底了。

許多創業團隊在使用執行型 AI 工具時，容易陷入「輸入什麼想法，AI 就幫你完成整個規劃至上市與行銷」，最後拼湊出一個毫無策略架構的商業企劃；因為判斷被外包給工具，團隊只剩下在「追求執行速度」與「花時間想策略」之間反覆拉扯，卻沒有真正停下來問過最根本的問題。

我們都曾希望手邊有一套工具，既能拉高決策的維度，又不會讓行動流於空談。這正是當前創業現場在面對策略架構與人工智慧系統時，最核心的困境。

本文涵蓋

• DBB S-T-A-R-T 決策模型在解決什麼問題
• 什麼是 S-T-A-R-T 決策模型
• S 節點：這市場規模值得現在進來嗎？
• T 節點：這個市場的可服務邊界在哪裡？
• 與 AI 協作，須先建立清晰的事實前提
• 看清起點，才有後續的大作為

DBB S-T-A-R-T 決策模型在解決什麼問題

DBB 設計的 S-T-A-R-T 決策模型是一套協助創業者在花每一分錢之前，把市場現實看清楚的判斷路徑。以人工智慧作為思考的加速器，協助創業者在短時間之內跨越資訊不對稱，快速建立基礎的市場語境與洞察，致力於降低創業初期的執行摩擦力。

DBB S-T-A-R-T 決策模型，以動態決策鏈與風險防禦為核心，提出高質量的決策判斷、建立長期的策略思維，構築一套經得起市場波動、反覆調用的決策模型。S-T-A-R-T 模型提供的策略框架，讓創業者對「服務的邊界、客群的取樣、競爭的地形，與現金流現實」的系統性全局觀。

這篇是 DBB 創業系列的第一站，聚焦模型最前面的兩個節點，S (Size the Market) 與 T (Trim the Segment)，先讓創業者確認兩件事：這個市場值不值得現在投入，以及在這個市場裡，可以服務的邊界應該劃在哪裡。

什麼是 S-T-A-R-T 決策模型

創業從來不是靠規模，靠的是對的起點。但對的起點說來容易，操作起來往往缺少一個清晰的框架去支持。

DBB 的 S-T-A-R-T 決策模型，正是把「對的起點」這個命題，轉化為可以反覆調用的決策路徑。它的設計邏輯，來自創業者在早期最常觸及的 — 在商業最根本的三個問題還沒成立之前，就已經開始執行了。這三個問題是，誰有這個問題、這個問題夠不夠痛、對方是否願意付出金錢或時間來換取解法。

只有當買方 (Buyer) 與賣方 (Seller) 之間，建立起雙向的價值交換 (Value Exchange) 流程，商業生態才正式成立。

字母	節點名稱	你真正要回答的問題
S	Size the Market	這個市場量級與成長趨勢，是否值得現在投入時間與資金探索？
T	Trim the Segment	在大市場之中，現階段可服務的邊界應該劃在哪裡？
A	Assign the Audience	在這區隔的邊界裡，誰是第一批最先願意付費的人？
R	Resource the Opportunity	結合競爭地形與現有資源，現在實際可取得市場？
T	Test the Returns	在不同情境下，這盤生意的現金流可以維持到回本？

S-T-A-R-T：五個節點，一條連續路徑

這五個字母不是獨立清單，而是一條有意圖的推進順序。順序本身就是判斷邏輯：先確認這個市場值得投入 (S)，再收窄至可服務的邊界 (T)，接著找出誰會買單 (A)，進而檢查現在實際可取得市場 (R)，最後驗證在不同情境下的壓測 (T)。

一旦順序顛倒，便會本末倒置。太早用資源限制想像，會讓創業者低估真正的機會；太晚才發現資源根本不夠，會讓創業者在燒錢之後才看清現實。S-T-A-R-T 的排序是環環相扣的決策路徑，每個節點的輸出，都是下一個節點的輸入，讓每個關鍵判斷都建築在相應的訊息之上，持續優化與推進構想的可行性、落地性。

DBB 觀點：在 AI 時代，工具門檻大幅下降，真正拉開創業者差距的，不再是執行速度，而是你在花錢之前，能否先把商業的根本問題，按照執行順序問清楚。

S 節點：這市場規模值得現在進來嗎？

S (Size the Market，市場規模評估) 是整個路徑的第一環，它的任務是要創業者看清這個市場的量級與成長趨勢，是否值得現階段投入資本去探索。

這裡有一個常見的陷阱：市場規模看似龐大，創業者往往認為只要取得 1% 份額即可。但這假設看似保守，實則讓創業者繞過了最重要的問題 — 那 1% 究竟從哪裡來、要用什麼資源取得、又需要花費多少時間？

S 節點只做一件事：評估 TAM (Total Addressable Market，總體可觸及市場)，檢視這個商業市場的規模是否足夠巨大、成長趨勢是否持續向上。TAM 是背景，不是目標；它回答的是「這個市場值不值得靠近」，而不是「該從哪裡切一塊」。劃定市場邊界、理出可服務市場 (Serviceable Addressable Market, SAM) 與 可實際取得市場 (Serviceable Obtainable Market, SOM)，是接下來 T (Trim the Segment) 、A (Assign the Audience)與 R (Resource the Opportunity) 節點的工作。

以香港精品咖啡體驗式門店為例：根據 6Wresearch 對香港咖啡市場的預測，2026 至 2032 年的複合年增長率 (CAGR) 約為 8.58%，顯示這個市場具備成長動能。這個成長率數字，是 S 節點需要的全部資訊，足以支持「這個市場值得探索」的決策判斷。至於在整體的商業市場中，其具體的市場區隔如何劃分，則是下步的 T (Trim the Segment) 的範疇。由於不同資料庫對「咖啡市場」的定義範圍差異很大 (有的只計零售／居家消費通路，有的涵蓋咖啡館與餐飲通路)，直接引用單一數字容易失真，也不是 S 節點可以立刻釐清楚的內容。

DBB 觀點：S 節點的輸出，旨在對市場規模做出清晰判斷，確立這個市場究竟值得進一步探索，還是不值得。

T 節點：這個市場的可服務邊界在哪裡？

T (Trim the Segment，收窄可服務邊界) 承接 S 的確認，把「這個市場值得進入」的結論，收窄成「現在可服務的邊界應該劃在哪裡」的具體判斷。這一步，才是劃出可服務市場 (SAM) 邊界的關鍵。

SAM (Serviceable Addressable Market，可服務市場) 是指創業者在特定商業模式 (賣什麼、怎麼賣)、地理範圍及價格定位下，所對應的特定市場區隔；至於這個市場輪廓中，誰會是第一批付費買單的人，則是下一個節點 A (Assign the Audience) 的核心任務。

這是創業路徑中最容易被熱情沖淡、也最容易被過度延伸的一步。面對一個看似龐大的市場，創業者的直覺往往是想馬上服務所有潛在客群，甚至急於在這一步就把「誰會買」與「能賺多少」一次算清楚。

T 節點收窄邊界四個維度，對應 SAM 的三個要素：

• 產品線 (對應商業模式)：先用哪一條產品線，把 TAM 收窄成一個更具體的範圍，例如以精品咖啡作為第一產品線，而非整個咖啡品類。
• 業態 (對應商業模式)：以哪一種營運型態切入，例如體驗式門店，而非純外帶或純線上零售。
• 地域 (對應地理範圍)：服務在哪個範圍內可以有效觸達，例如辦公密集帶，而非整個城市。
• 價格帶 (對應客群輪廓)：你的定價對應哪一層消費意願，例如 HKD 55–80 客單價區間。價格本身就是一種客群篩選訊號，誰願意付這個價，已經框出一個粗略輪廓。

以香港精品咖啡為例，將中環與上環的日間工作人口，依序乘上咖啡消費滲透率、溢價支付意願比率、消費頻率與單價，沿著同一群客群逐層估算，便可得出該特定區隔的 SAM (Serviceable Addressable Market，可服務市場)。

這個數字本身只是起點，而非結論。至於在已劃出的可服務市場 (SAM) 裡，究竟哪一群人會先付錢買單？及在競爭地形與現有資源下，最終可實際取得市場 (SOM) 是多少？這兩個核心問題將分別交由 (A：Assign the Audience)與 (R：Resource the Opportunity) 兩個節點來深度處理。

Research Gate 刊載的〈The Importance of the TAM-SAM-SOM Model and How Big Data and AI Help〉指出，TAM-SAM-SOM 的價值，在於讓創業者在複雜市場環境中，逐步辨識可服務、可進入、可轉化的市場機會。S-T-A-R-T 的 S + T，正是將這套學術邏輯，轉化為創業者可以獨立操作，且能提出清晣判斷的行動框架。

DBB 觀點：T 的輸出，是一個具體邊界的決策判斷，據以劃出現階段值得切入的市場區隔。

與 AI 協作，須先建立清晰的事實前提

S + T 的操作，在今天很多創業者會直接交給 AI 去運算。這個做法本身沒有問題，問題在於誰在為 AI 的輸出進行最終評判？

大型語言模型 (LLM) 在缺乏聯網或特定數據庫支持的情況下，對本地市場的具體數字極易出現幻覺 (Hallucination)，或只能提供過期的模糊估算。Boston University〈Market Sizing: Meet SAM and TAM〉一文中，強調市場估算必須對假設與資料來源保持誠實，並交叉核對多個來源。

在 S-T-A-R-T 框架中， AI 扮演的角色，是思考加速器，不是答案機器。正確的操作順序是，先讓 AI 生成計算邏輯與假設框架，再以政府統計處、Statista、行業協會等真實數據源，去核實每一個關鍵假設，並確認資料的定義範圍與涵蓋通路，是否與自身的商業模式一致。最終的決策主權，永遠在創業者手上。

S + T 階段的 AI Prompt，只處理 S 與 T 的核心提問：市場值不值得投入、邊界該收窄在哪裡，不讓 AI 提前跳到 A (Assign the Audience) 與 R (Resource the Opportunity) 的範疇裡，以免現階段的決策判斷變得概括而籠統。

DBB S-T-A-R-T 決策模型 S＋T 步驟 AI Prompt

以下 Prompt 可直接複製使用，該輸出只是計算邏輯與假設框架，而不同 AI 輸出都會有差別，必須以真實數據核對輸出，做判斷。

看清起點，才有後續的大作為

S + T 兩個節點，合力完成的只有一件事：讓創業者／新產品發行者在投入資源之前，先確認該市場是否值得進入，再確立現階段可服務的邊界收窄在哪裡。這不是市場分析的終點，而是整個 S-T-A-R-T 判斷路徑的地基。

若沒先釐清 S + T 的提問，後續的每一個節點都只是在替一個脆弱的前提辯護。地基紮實了，才有理據交給下一個節點，去問一個更具體的問題：在這收窄邊界的市場區隔裡，誰是第一批願意付錢買單的人？

DBB 創業列文從這開始，深入 S-T-A-R-T 框架中的 S (市場規模評估) 與 T (收窄可服務邊界)。在進入第二篇前，建議先將你的市場假設實際推演一遍。從上方的 Prompt 開始，帶著 AI 輸出去查找真實數據源核對；交叉比對不同 AI 輸出的差別與共同點，才能得出站得住腳的市場輪廓與判斷，而不是照單全收任何一份報告。

看看哪一個預設前提，其實你之前尚未看清楚，而那個不清楚的地方，就是你現在最需要停下來的位置。

---

---