写增长论点前，如何选择和使用基准概率
基准概率是某个明确比较群体中，目标结果出现的频率。它可以检验增长假设究竟有多罕见，却不能直接给某家公司分配成功概率。选择哪些样本，往往比最后计算出的百分比更重要。
先定义结果，再挑选可比公司
假设问题是：一家小型供应商能否在不依靠并购的情况下，三年内把经常性收入翻倍。应依据三年窗口开始时可观察的条件挑选样本。若只挑今天仍然成功的公司，就会遗漏退出、失败或转型的企业，并把后见信息带入比较。
在看结果前写明纳入规则：业务模式、起始规模、地区、起始年份、观察期限以及“翻倍”的口径。10-K 的业务与风险章节可帮助描述起点条件，但它们不是现成的统计样本库。研究者需要保留自己纳入和排除样本的理由。
假设案例：十二家公司怎样计数
假设从历史起始名单识别出十二家供应商：三家达到目标，四家未达到，两家在期末前被收购，三家公开披露不足。所有数字均为教学假设。
| 样本状态 | 数量 | 处理方式 |
|---|---|---|
| 可核实达到目标 | 3 | 检查有机增长定义和业务范围 |
| 可核实未达到 | 4 | 即使后来恢复，也不能删除 |
| 终点前被收购 | 2 | 登记为竞争结果，不自动算成功 |
| 缺少终点数据 | 3 | 保留为缺失，不能悄悄排除 |
只看七家完整样本，三家成功约为 43%，但这并不是十二家全部样本的结果。若把五个未解决样本分别全当失败或全当成功，简单敏感性范围是 3/12 到 8/12。这个区间仅展示缺失数据的影响，不是经过校准的预测置信区间，也不能当作目标公司的成功率。
使用时检查真正的差异
目标公司与比较群体有什么机制相关的不同？如果论点依赖续约稳定，合同期限更长可能有意义；创始人表达有感染力，则不能自动构成抛弃基准概率的理由。应记录差异、支持证据，以及样本公司是否也拥有同样特点。
常见错误包括把需求和融资环境完全不同的时期混合，以及直接比较高通胀和低通胀市场的名义收入增长。应统一时间窗口和指标定义，无法统一时分组呈现，而不是用一个平均数掩盖问题。
样本很小、筛选严重或业务结构差异大时，基准概率更适合提醒不确定性，而不是制造精确数字。保留完整名单、缺失案例和纳入理由，才方便别人复算。
案例的进一步核查
再做样本排除审计。每个未纳入候选都记录起点规则，以及排除时是否已知后来结果。看到失败才新增规则，应作为敏感性版本，而不能悄悄改原样本。展示较宽名单下结果如何变化，读者才能质疑最重要的判断：比较群体怎样形成。纳入名单还应保留退出公司，不能因为今天找不到熟悉名称便删除。规则应尽量能让另一研究者独立复现。
常见问题
行业平均增速就是基准概率吗？
不是。平均增长速度与“三年翻倍的公司比例”回答不同问题。先明确要研究的结果，再选择对应统计量。
新业务没有合适样本怎么办？
可尝试依据共同机制选择更宽的群体，但要说明限制。“缺少可靠可比样本”也是有效发现，应降低对精确概率的信心。