title: "假民调混入选举 拆个人核查 App" slug: "pollcheck-consumer-election-claim-checker-2026-08-18" description: "一条被候选人转发的洛杉矶假民调，在没有独立核验的情况下进入政治信息流。结合 AAPOR 民调透明度规范，拆解一个 1–3 人 3 个月可交付、2C 优先的来源核查 App。" tags: [创业Idea, 热点解读, 社会新闻] category: 社会热点

假民调混入选举 拆个人核查 App

一条“看起来像民调”的数字，如何在没有来源说明、样本细节和独立核验的情况下被放大？本文从一个真实案例出发，拆解一个 1–3 人 3 个月可交付的 2C 产品。文中市场规模和转化率为经营假设，均标注 [待验证]。

一、新闻背景（Context）

2026 年 8 月 18 日，The Hill 报道，洛杉矶市长 Karen Bass 与市议员 Nithya Raman 市长选举中的一份“民调”是假的。发布者 Median Strategies 称，这是一个短期社会实验，测试所谓民调信息能否在没有独立核验的情况下进入政治信息生态系统；公司已经停止该项目，并要求此前发布的民调不得被引用或当作真实数据。

这份“民调”声称 Bass 以近 12 个百分点领先，援引 560 名洛杉矶受访者，误差范围为 4.1%。它还声称 16% 的受访者投给了前候选人和真人秀明星 Spencer Pratt，并据此推出 Pratt 选民对 Bass 或 Raman 的支持率。数字看起来有样本量、误差和候选人信息，但发布者后来承认它不是真实民调。

值得注意的是，传播链并不只发生在小圈子。The Hill 报道，Bass 曾在 X 上转发并称赞这份数据，随后删除；Raman 阵营则批评对方没有先核验来源。围绕一份没有真实调查基础的数字，候选人的传播动作又把它推入了更大的公共讨论。

这不是单纯的“假新闻”猎奇。AAPOR（美国民意研究协会）的 Transparency Initiative 强调，调查机构应主动披露研究方法，让公众判断数据如何产生。对普通读者来说，最关键的问题不是“我支持哪位候选人”，而是：我看到的数字到底有没有来源、方法和可复核证据？

产品可以把复杂的调查方法说明压缩成用户真正会看的四格清单。

为什么这会发生在 AI 时代

过去，伪造一张“统计图”需要设计、排版和传播能力；现在，生成一段采访录音、仿制调查页面、拼接图表甚至制造一段带品牌的新闻摘要，成本都更低。真正危险的不是 AI 会不会写句子，而是低成本的合成内容开始借用“民调”“调查”“数据可视化”这些高信任度格式。

因此，产品机会不在于再做一个“告诉你哪句话可能是假的”聊天机器人，而在于把核查动作压缩成三步：看来源、查方法、留下证据。

二、从中看到的创业 Idea

1. PollCheck — 个人民调与数字来源核查 App（主推，2C）

• 定位：用户粘贴一条民调、新闻标题或截图，App 自动提取机构、样本、调查时间、误差范围、原始链接等字段，给出“已证实 / 证据不足 / 高风险”的可解释报告。

2. ClaimTrail — 个人消息证据包（备选，2C）

• 定位：把一段政治或商业消息保存为带时间戳、原始链接和版本记录的可下载证据包，方便转发、投诉或日后核对；不替用户判断谁对谁错，只保留“当时看到了什么”。

3. SignalBrief — 轻量来源档案（备选，2B→2C）

• 定位：给记者、播客主和小型内容团队维护机构、作者、调查方法和纠错记录；先服务创作者，再开放个人公开档案。新闻事件没有天然指向大企业采购，因此不把 G 端或媒体采购作为 MVP 主线。

主推 PollCheck 的理由是：它的第一版可以只做“结构化核查清单 + 来源链接 + 人工复核队列”，不需要建立事实真相数据库；用户也能在 30 秒内完成一次检查。它适合 1–3 人、3 个月交付，且付费点明确：用户不是为“更多新闻”付费，而是为少转发一条未经核验的数字付费。

三、目标客户群体（Who）

P0：美国 25–44 岁的高信息量选民与内容创作者

• 职业/收入：城市白领、记者、播客主、Newsletter 作者、社区组织者；个人可支配收入约 $35,000–120,000/年。
• 地域：美国大城市及摇摆州，尤其是洛杉矶、纽约、芝加哥、费城、亚特兰大和奥斯汀等政治信息密度高的地区。
• 触媒平台：X、Reddit、Instagram Reels、YouTube Shorts、短信转发和邮件简报。
• 痛点场景：候选人转发民调、朋友在群聊发图表、短视频声称“最新调查”，用户想确认却不知道该查什么。
• 付费意愿来源：一次错误转发可能损害个人信誉；对创作者而言，来源错误还会影响受众、广告主和平台申诉。目标是将单次核查成本压到 30 秒内。

P1：35–64 岁的地方议题关注者

• 画像：业主协会成员、家长、教师、退休人士和地方公共会议参与者；他们不一定是数据专家，但会频繁转发房产税、学区、治安和公共预算数字。
• 痛点：他们更相信“看起来专业”的统计格式，却缺少时间和研究训练。

P2：中文互联网的海外华人读者

• 画像：30–55 岁、居住在美国/加拿大/澳大利亚、同时浏览中文新闻与英文原站的华人；常把海外公共议题转发到微信群、朋友圈和华人社区。
• 触媒平台：微信群、YouTube、X、Reddit 和中文播客。
• 付费意愿：愿意为中英双语来源解释、截图识别和中立结论付费，但需要避免把美国地方政治争议简单翻译成阵营化结论。

TAM / SAM / SOM（量级估算）

• TAM：美国每月至少转发一次新闻/民调/公共数据的成年人约 5,000 万 [待验证]。按 $4/月、年付 $36 的个人订阅价格计算，理论年收入池约 $18 亿。
• SAM：25–44 岁、每周接触政治或公共议题数字的城市英语用户约 500 万 [待验证]；按 5% 年付渗透，约 $900 万 ARR。
• SOM：M12 通过英文社区和 KOC 获得 5,000 名年付用户，ARPU $36，收入约 $18 万 ARR。这是验证目标，不是市场事实；首月重点看“提交核查后完成转发/收藏”的比例。

四、理想获客渠道（How to reach）

冷启动（0→1，首月）

1. Reddit 的事实核查与地方政治版块
   • 动作：每周发布 2 个真实案例，格式固定为“原说法 → 核验过程 → 结论 → 哪些字段缺失”。
   • 为什么适合：用户有讨论和纠错习惯，能直接测试需求，不需要先买广告。
   • 预期 CAC：$1–4/首次提交；首月 300–600 次提交。
2. X 上做“30 秒核查”连续内容
   • 动作：围绕民调、税收、治安、学区预算和选举投票率，每天发一张前后对比卡，结尾放免费核查页。
   • 为什么适合：政治与公共议题本来就是高转发场景，产品结果本身适合被截图。
   • 预期 CAC：$0.5–3/激活；首月 800–1,500 次激活。
3. Product Hunt + Indie Hackers
   • 动作：发布“粘贴链接，得到来源风险卡片”的可交互 Demo，开放 100 个 beta 席位。
   • 为什么适合：早期用户愿意反馈，也会主动传播给小型内容团队。
   • 预期 CAC：$5–12/付费；首月 50–100 个付费。

增长期（1→N，第 2–12 个月）

4. Newsletter / 播客主联合工具
   • 动作：给创作者一个可嵌入的“核查本条消息”按钮，按月提供公开纠错记录。
   • 预期 CAC：$8–20/付费；单次合作可带来 500–3,000 次提交。
5. 地方公共议题社群
   • 动作：与家长会、社区协会、图书馆数字素养工作坊合作，提供不站队的核查工作坊。
   • 预期 CAC：$2–6/付费；每月 1–2 场活动。
6. 浏览器扩展的搜索入口
   • 动作：第二阶段让用户在 X、Reddit 或新闻页选中文字后一键提交；扩展只做来源记录，不自动抓取私密内容。
   • 预期 CAC：$3–10/付费；第 4 个月起每月 1,000–3,000 个新用户。

不采用的增长方式：不对候选人、党派或政治广告主出售“改善形象”的结果，也不把用户输入的内容用于定向政治广告。

五、MVP 产品（What）

方向与规模硬约束

• 2C 优先：个人用户直接完成一次核查；创作者只是 P2，不在第一版承担企业采购流程。
• 1–3 人 / 3 个月：采用 Web App + 可分享结果页，先支持文本链接和截图；移动 App 放到验证之后。
• 不依赖大额融资：使用开源组件和托管服务；不购买昂贵的完整新闻数据库或训练专有大模型。

产品形态

• Web App：输入 URL、粘贴文字、上传截图。
• 分享页：生成可公开的核验卡片和原始来源列表。
• 邮件摘要：用户关注某个议题时，每天或每周收到新证据提醒。

核心功能清单（Must-have，6 个）

1. 链接/文字/截图输入
   • 接收 URL、纯文本和图片；截图先做 OCR，失败时要求用户复制文字。
2. 来源字段抽取
   • 自动识别发布机构、作者、发布日期、标题、调查机构、样本量、调查时间、误差范围和原始数据链接。
3. 可解释风险卡片
   • 将结果分为“已找到独立来源 / 只有单一主张 / 关键字段缺失 / 来源无法访问”，并显示每项判断的证据，不只给一个黑盒分数。
4. 来源追踪器
   • 用户可把已核查的机构或作者加入关注列表，出现撤回、更正或方法说明时发提醒。
5. 历史记录与证据包
   • 保存提交时间、用户提供的原文、公开 URL 快照哈希和最终卡片；默认 90 天后可删除。
6. 一键反馈
   • 用户可标记“来源已删除/判断错误/需要人工”，后台按队列处理高风险误报。

明确不做的事（Anti-feature）

• 不做“真相裁判”：不判断政治立场，不预测选举结果，不输出投资或投票指令。
• 不做自动抓取登录后、私人群组和邮箱内容。
• 不做自有大模型训练；第一版使用现成 OCR、分类和文本 API。
• 不做付费媒体数据库订阅；依赖用户提交的公开 URL 和可验证的公开资料。
• 不做实时全网监控；MVP 只处理用户主动提交的内容。
• 不做政治广告投放、政治阵营推荐或候选人背书。

技术选型

• 前端：Next.js + TypeScript + Tailwind；结果页做 SEO 和分享预览。
• 后端：FastAPI 或 Node.js；异步任务用 BullMQ/Redis。
• 数据库/鉴权：Supabase Postgres + Auth + Row Level Security。
• OCR：Tesseract 或云端 OCR；保存原图 7 天后删除，输出文字和哈希。
• AI 接口：先用现成模型做字段抽取、摘要和相似来源匹配；每个字段必须带原句和 URL。
• 第三方：VirusTotal/URLhaus（链接安全检查，公开接口）、Google Fact Check Tools（可用的公开线索）、Hacker News/官方 RSS/机构页面（来源入口）；第三方不可用时返回“无法核验”，不编造结果。
• 部署：Vercel + Railway/Supabase；首年预算控制在 $100–300/月。

AI / 自动化与人兜底

• AI 自动：OCR、字段抽取、相似来源搜索、风险分类、报告草稿。
• 规则系统优先：URL 是否存在、是否指向官方机构、是否披露样本和误差，都用结构化规则，不让模型自由决定。
• 人工兜底：高风险政治内容、医疗/金融数字、来源已删除或用户申诉的案例，创始人每周审核 30–60 分钟。
• 为什么不都自动化：高影响信息需要可解释的证据链；“模型觉得像真的”不构成结论。

降本设计

• 1 名全栈 founder 负责产品、接口和维护；每周投入 4–8 小时处理队列和内容更新。
• 默认使用共享账号和免费额度，只有单日提交量超过阈值才升级 OCR/搜索 API。
• 采用 10 个固定模板覆盖 80% 常见核查，不追求覆盖所有新闻。
• 每周只发布 1 篇案例，优先做可复用模板和召回率，而非堆功能。

合规 / 法律红线

• 政治内容与选举：不提供竞选服务，不以付费结果影响候选人或投票行为；遵守美国州级政治广告和公益披露规则，明确广告和付费标签。
• 隐私：不要求社交账号密码；只处理用户主动提交的内容；默认不保存图片原图超过 7 天。
• 诽谤与准确性：结论必须区分“事实、主张、未证实和无法核验”；公开结果前保留来源、时间和版本。
• 数据来源：遵守 robots、服务条款和 API 许可；不绕过验证码、付费墙或访问控制。
• 未成年人：不针对 13 岁以下用户，界面不鼓励提交他人身份证、地址或私密截图。
• 跨境与 CCPA/GDPR：提供导出和删除入口；不把用户历史用于训练模型。

六、商业模式（How to make money）

2C 收费模式

采用 Freemium + 年度订阅 + 按次报告：

• 免费：每月 5 次基础核查、标准风险卡、社区模板。
• Plus（参考价）：$4.99/月，$39/年；无限文字/截图核查、来源追踪、每周摘要、历史 PDF 证据包。
• Pro（锚点价）：$9.99/月，$79/年；Plus + 批量提交、公开来源档案、团队分享和优先人工复核；暂不开放候选人/广告主专席。
• 按次：$1.99/份；适合只在选举季、买房或学区争议期间使用的用户。
• 一次性买断：不作为主模式；可提供 $149 家庭年包，但避免用终身会员换取短期现金流。

为什么从免费开始收费：第 1–7 天先让用户看到字段缺失和来源证据；第 8 天在用户第一次需要“保存结果/追踪更新”时展示 $39/年。第 30 天根据“完成首次核查后再次提交”的比例决定是否提前收费，而不是在注册页强制付费。

12 个月收入路径

• 保守：M12 1,500 年付 + 300 月付，MRR 约 $10,000。
• 基准：M12 5,000 年付 + 1,500 月付，MRR 约 $35,000。
• 乐观：M12 12,000 年付 + 3,000 月付，MRR 约 $80,000。
• 以上是经营情景，不是收入承诺；先验证年付转化和人工分钟数。

关键单位经济

• ARPU：年付用户 $39，月付用户加权 $6.5。
• CAC：冷启动期 $8–15，增长期 $15–25；用内容和社区而非大额广告。
• LTV：假设平均留存 12 个月、毛利率 75%，约 $47；LTV/CAC 约 2–3 倍。
• 目标：前 6 个月先把加权 LTV/CAC 做到 ≥3；若做不到，优先降低 API 成本和人工审核时间，而不是盲目买量。
• 毛利率：目标 70–80%；主要成本是 AI/OCR/搜索接口和少量人工审核。
• 回收期：年付用户首单回收；月付用户目标 2–3 个月。
• 留存：事件型产品的 DAU 不应作为唯一目标；用“30 天内第二次提交”和“90 天来源更新打开率”衡量。

七、风险与护城河

真实风险（5 条）

1. 需求证伪：用户可能只在热点发生时使用，长期留存不足。用“30 天内再次提交、愿意年付、分享结果页”三个指标验证，不以注册量自我安慰。
2. 来源不可访问：原链接删除、付费墙、地区限制会降低可复核性。MVP 必须允许用户上传截图/原文，并把“无法访问”当成一个合法结果。
3. 政治极化与诽谤：把机构或个人标记为“假”会带来法律和品牌风险。结论使用中性语言，显示证据，不替用户下价值判断。
4. API 与模型成本：第三方接口涨价或限额会吞噬毛利。保存去标识化文本和固定模板，设置每日额度，必要时只对 Plus 用户开放批量处理。
5. 大平台碾压：浏览器、社交平台或搜索引擎可能增加自己的“来源上下文/AI 摘要”。避开通用聊天入口，专注“政治与公共数据证据包”这个垂直流程和可分享格式。

2C 特别需要覆盖的三类风险

• 用户留存难：把一次性核查变成“关注机构/议题—收到撤回或更正”的持续服务；同时接受事件型产品，衡量月留存而非 DAU。
• 付费转化低：免费层必须让用户看到真实价值；按次报告先于高年费，等用户有重复需求再推年付。
• 同质化竞争：不卖“一句真相”，卖可复核来源链、历史版本和用户自己的证据库。

两条护城河思路

1. 来源与纠错数据飞轮：用户提交公开来源后，系统记录链接状态、版本、撤回和用户纠错；积累越多，字段模板越准，但不能未经授权复述私密内容。
2. 中立品牌与社区信任：坚持党派中性、公开方法和可删除机制；让独立创作者、图书馆和社区组织成为分发渠道，而不是依赖单一平台推荐。

八、行动下一步

本周只做三件事：

1. 4 小时做一个可点击 Demo：输入 The Hill 案例链接，输出“已披露/缺失/无法核验”字段卡和 5 个来源字段；不接付费 API。
2. 访谈 10 位目标用户：问“这周你转发过哪条数字？你最后有没有查来源？如果只看一张卡，你最想看到什么？”把“想核实”改成“愿意保存/付费”的具体问题。
3. 发 3 篇公开拆解：分别选择民调、学区预算、社交媒体传言，展示同样的字段和“不知道”状态；在 Reddit、X、Product Hunt 各发一次，收集 30 个真实提交。

90 天通过线：500 个独立提交、100 个第二次提交、30 个年付用户、每份报告人工处理不超过 5 分钟。若做不到，先把 OCR 和来源搜索做深，不扩城市、党派或移动端功能。

参考资料与核验边界

• The Hill，2026-08-18：https://thehill.com/homenews/campaign/6034431-bass-raman-fake-poll/
• Median Strategies 项目说明：https://medianstrategies.com/
• AAPOR Transparency Initiative：https://aapor.org/standards-and-ethics/transparency-initiative/
• AAPOR Best Practices for Survey Research：https://aapor.org/standards-and-ethics/best-practices/

本文讨论的是从公开案例推导出的产品方向，不构成对任何候选人、机构或个案的事实裁定；涉及实际争议时，应回到原始来源、完整方法和适用的专业机构判断。