這不是介面問題，是供給問題。
Trends 的賣點全都要資料，而這些資料我們現在都沒有；硬做半成品只會把「缺」放大。
真正的「牛肉」是這個回報飛輪；Trends 只是它的門面兼誘餌。
圖 1 · 回報飛輪 — 全 ＋ 邊構成增強環 R；轉起來後越滾越快
承重的是「影片↔路線」和「路線存續」；缺它們才是真雞肋＋churn。好消息：這些資料剛好都能靠回報流程自己長出來。
| 缺的資料 | 撐起的賣點 | 缺了會怎樣 | 怎麼靠回報長出來 |
|---|---|---|---|
| 影片↔路線對應 承重 | Trends 把影片歸到「同一條」 | 缺＝根本做不出 Trends，只是散落影片 | 上傳／回報時問「這是哪條？（館·grade·顏色·牆）」建對應表 |
| 路線存續 / 新舊 承重 | 「這條還在 / 這是新線」 | 缺＝秀出已被換掉的死線 → 雞肋＋churn | 上傳帶「設線日期」＋一顆「這條被換了」按鈕，直接餵 wall_reset_events |
| 攀者體型（身高／臂展）差異化 | 「跟我體型近的 beta」 | 缺＝完全做不了 | profile 選填身高／臂展（填一次就好） |
| move 標記（dyno／heel）加分 | H5「為何上榜」那句魔法 | 缺＝只能寫通用「很多人在爬」→ 掉魅力，不至雞肋 | 上傳時輕量選（可選），或之後交給 AI 補 |
四選項比下來，「薄而誠實 Trends ＋ 回報核心」Impact 最高、風險用「薄」壓得住，是唯一該先做的。
先繼承 IG 封面當地板（零成本、已有人工把關），有了 cluster 之後再自動選最佳。
IG 上傳者早就自己挑過封面＝免費的人工品質把關，直接繼承，零成本。
一條路線＝N 支影片＝N 個封面可選；依賴「影片↔路線」得先存在。取巧中間解：選那包裡 IG 互動最高那支的封面。
先驗資料現實（P0）→ 蓋回報引擎（P1 核心）→ 薄 Trends 只吃長出的資料（P2）→ 成熟才點亮差異化（P3）。
先確認 DB 現實——影片↔路線做得到嗎？wall_reset_events 有在寫嗎？這決定一切。
enriched 上傳（選路線／設線日／選填體型）＋回報換線。整個飛輪的供給引擎。
只吃 Phase 1 長出的資料，設計成「讓人想回報」的獎勵面。
體型配對、新舊 badge、move 標記（交給 AI）。
需要 Elsa 先確認兩個 DB 現實，並對「做回報飛輪、不做花俏 Trends 或純上傳」達成共識，對齊後才進 Phase 1。
wall_reset_events 有資料嗎？這份打掉重做、大幅視覺化；每個視覺化決策掛一條可被證偽的假設。
| 原本的文字 → 視覺化決策 | 驗證的假設（可證偽） |
|---|---|
| 飛輪三段敘述 → 因果迴路圖（＋邊＋R） | 假設 Elsa 看圖就懂「為何會滾起來」，因為因果環比一段文字直觀 |
| 缺資料段＋雙贏段 → 合併成一張對照表（mark-danger 標承重列） | 假設讀者一眼分辨承重 vs 加分、並看到「怎麼補」，因為關係型資料進表格＋顏色標好壞 |
| 四選項比較 → Effort×Impact 矩陣（sweet 標先做） | 假設讀者一眼知道先做飛輪，因為取捨進矩陣、最優解被標記 |
| Phase 0–3 敘述 → 時間軸（P1 標核心） | 假設讀者看懂順序與「核心在 P1」，因為順序進時間軸而非文字 |
| 決策點三條 → 三個語意 callout | 假設 Elsa 掃到就知道要拍什麼板，因為決策點用顏色分「先確認／要共識／對齊後」 |