试单常被当作验证需求的终点，但真正决定一门 AI 生意能否成立的，往往不是第一笔成交，而是成交之后的两件事：用户是否愿意再次购买，以及团队每完成一次交付究竟付出了多少成本。前者衡量需求的持续性，后者衡量模式的可持续性，二者缺一，付费信号就可能是一次性尝鲜或亏本换来的表面繁荣。
验证复购，核心是把单次付款与持续需求区分开。一笔试单成交可能来自熟人支持、好奇尝鲜或限时折扣，这些都不足以说明问题会反复出现。更可靠的判断来自多种行为的相互印证：用户有明确且重复发生的任务，当前替代方案确实占用了资源，付款之后真实使用了交付结果，并在服务边界内愿意续费或扩大范围。因此试单设计阶段就应把"如何判断成功"写清楚——不仅记录是否付款，还要记录是否完成使用、是否需要大量人工协助、是否愿意再次购买。只有当同一类用户在不同时间、围绕同一任务重复付费，复购信号才算成立。
交付成本的验证则要求团队把注意力从成交额移到每一笔订单的实际投入上。AI 任务的成本并不只体现在模型调用，还包括人工复核、客服沟通、存储以及返工。小团队在早期常用人工服务、现成模型和简单工具拼出交付，这本身没有问题，但必须记录每次服务的耗时与真实花费。关键的判断是：高昂的人工投入属于可接受的早期学习成本，还是产品化之后仍难以改善的结构性问题。如果每一笔收入都依赖创始人手工处理，就要先弄清这项服务能否标准化，而不是急着扩大销量。
把复购与成本放在一起看，才能避免两类误判。一种是用户愿意付费、复购意愿也不错，但交付高度依赖人工，收入增长的同时成本同步膨胀，规模越大越被拖累；另一种是交付效率尚可，却只有一次性成交，缺乏重复购买支撑长期现金流。两条线索必须交叉核对：既确认用户为何复购、使用效果如何，也核算交付是否稳定、人工与模型成本是否可控。
用一组可追踪的指标收束判断
与其追求复杂的市场规模测算，不如围绕几个能被反复观察的维度收束结论：这项任务多久发生一次，用户是否接受明确价格并完成付款，团队能否稳定交付且成本可控，用户是否持续使用并愿意续费或扩大范围。这几项并非给方向打出"必成"的分数，而是用来暴露证据缺口——若用户活跃却无人复购，可能需要重新筛选人群或收窄任务；若有人续费却交付艰难，则要先解决标准化问题。
试单的价值，最终不在于证明产品能跑通演示，而在于用真实付款、真实使用和真实成本，验证一类用户是否会为同一项任务持续付出代价，以及团队是否担得起这份交付。先把这两件事看清楚，再谈规模，判断会更扎实。