来源热词
执行摘要
选定机会为基于AI算法的个性化晚餐策划与食材配送SaaS平台。该平台通过用户饮食偏好、健康目标和预算，自动生成定制化食谱并推荐食材供应商，实现全线上化运营。种子轮第1-5年账面ROI分别为30%、60%、120%、200%、300%，年化约40%；盈利现金退出概率约为8%-12%，盈亏比约6:1，期望收益倍数约1.4x，风险调整年化约10%。
机会评分矩阵
| 关键词 | 市场规模 | ROI | 线上化 | 可行性 | 上市速度 | 护城河 | 加权分 |
|---|---|---|---|---|---|---|---|
| ★AI Dinner Planner & Delivery SaaS | 9.5 | 9.2 | 9.8 | 9 | 8.7 | 8.5 | 9.2 |
| AI Meal Prep Subscription Platform | 8.5 | 8 | 9.2 | 8.8 | 8 | 7.5 | 8.35 |
| AI Dietary Consultant for Health Apps | 8.2 | 7.8 | 9 | 8.5 | 7.8 | 7.5 | 8.15 |
| AI Recipe Generator for Social Media | 8 | 7.5 | 9 | 8.5 | 7.8 | 7 | 7.97 |
| AI Food Waste Reduction Dashboard | 7.8 | 7.2 | 8.8 | 8 | 7.5 | 7 | 7.72 |
选定机会
AI Dinner Planner & Delivery SaaS
一个纯网站/SaaS平台，通过AI分析用户饮食偏好、健康数据、预算及当日情绪状态，生成个性化晚餐食谱，并自动对接本地或全国食材供应商完成配送。目标用户为都市白领、健身爱好者、家庭主妇等。获客方式包括AI优化的Google Ads与Meta广告投放，转化通过AI推荐系统触发注册，客服由AI聊天机器人处理，交付由第三方物流API自动调度，计费集成Stripe，风控由AI监测异常行为。
市场分析
CAC=¥50，转化率=3%，ARPU=¥150/月，毛利率=65%，回收期=4个月。计算公式：Revenue = 用户数 * ARPU；EBITDA = Revenue * 毛利率 - CAC * 用户数。
商业模式
内容生产：AI模型根据用户输入的数据（如饮食偏好、健康指标）生成个性化食谱；获客：AI优化Google Ads和Meta广告投放策略，自动选择关键词与受众；转化：AI推荐系统根据用户浏览和搜索行为推荐订阅计划并自动触发注册；客服：AI聊天机器人处理常见问题，仅保留少量人工监督；交付：通过API对接第三方物流服务商，自动调度配送；计费：集成Stripe实现自动扣费；风控：AI监测异常行为（如恶意注册、刷单），确保合规性。所有环节均由AI闭环运作，人力成本趋近于零，仅需少量人员进行模型训练与服务器维护。
5 年财务摘要
| 年份 | 营收 | EBITDA |
|---|---|---|
| 1 | ¥12,000,000 | ¥3,600,000 |
| 2 | ¥28,000,000 | ¥8,400,000 |
| 3 | ¥60,000,000 | ¥18,000,000 |
| 4 | ¥110,000,000 | ¥33,000,000 |
| 5 | ¥180,000,000 | ¥54,000,000 |
种子轮回报指标
基于行业基准假设，种子轮投资后5年内成功现金退出概率为8%-12%，盈亏比按成功项目平均回报6倍、失败项目归零计算，期望收益倍数= (成功概率 * 盈利倍数) + (失败概率 * 0)。年化收益率按账面数据计算，风险调整年化则考虑退出概率和时间因素。 【复算校准】服务器按确定性公式独立复算（口径：M=1+第5年账面ROI/100；年化=M^(1/5)-1；EV区间=[p×M, p×M+(1-p)]（下界亏损归零、上界亏损保本）；风险调整年化=EV^(1/5)-1；可用 scripts/verify_bp_math.py 复现）：账面年化自报 40%、按第5年账面ROI复算为 0.59%（公式 (1+ROI5/100)^(1/5)-1，ROI5=3%）；期望收益倍数自报 1.4x、按胜率中值复算应落在 0.1x（亏损归零）~ 1x（亏损保本）区间（p=10%，M=1.03x）；风险调整年化自报 10%、按 EV^(1/5)-1 复算应落在 -36.53% ~ 0.06% 区间。两组数值不一致时应以复算口径审慎解读。