24 小时转学分录取引擎——把非正式成绩单变成区域性大学能直接用的专业匹配学分认定方案。

1. 招生团队被明确要求用更少的人手处理更多申请和转学评估，评估积压现在已经是战略瓶颈，而不只是后台的小麻烦。
2. 因为许多成绩单和转学分流程仍跑在几十年前的老系统或人工审核上，一个叠加型产品不需要让高校推倒重建核心 SIS 就能赢。
3. 把成绩单处理、学分认定和 GPA 重新核算自动接进同一条流程，让当日出具有条件学分认定在技术上现在站得住脚。
4. 更快、更透明的转学决策如今直接影响招生成效，这把成绩单评估从教务处的成本中心变成招生的营收杠杆。

催化因素。 当高校在人手不足、系统老旧的情况下要处理更多转学评估时，一个可解释的 24 小时有条件学分认定，能把转学速度从文书痛点变成招生一线的优势。

产品从意向学生上传非正式成绩单、或顾问扫描录入的那一刻开始运转。它解析课程内容，调取该校的历史等值规则和专业规则，在人工评估员碰到文件之前就生成可解释的学分预估、重新核算的 GPA，以及大概率可行的专业路径。招生顾问拿到一个带置信度标记、必要例外情况和建议下一步动作的审核队列；教务处可以批准或改判决定，并把结果反哺回政策图谱。学生收到一个带校方品牌的有条件录取页面，上面写清楚现在能转的学分、还需要复核的部分，以及最快多久能修完学位。久而久之，公司会成为这所学校及其生源网络里，捕获转学意向、维护政策、提升转化率的操作系统。

差异化。 大多数现有厂商要么只做文档解析，要么只在学生已经入学、进了学位审核系统之后才帮上忙。这家初创公司要占的是预录取决策层——学校在这里需要院校专属的学分认定逻辑、可解释性，以及快到能影响转化率的学生端答案。每一次批准或改判，都会让绑定真实转化结果的生源校等值图谱变得更准，形成通用 OCR 工具和 SIS 模块都学不来的复合数据护城河。

待完成任务

flowchart LR
  Buyer[VP Enrollment] --> Pain[Slow manual transfer credit decisions]
  Pain --> Product[Transfer offer engine]
  Product --> Outcome[Faster transfer yield and lower review backlog]

高管要点

• 切口不是成绩单 OCR 本身，而是一个招生团队敢信、教务处能改判的更快转学答案。
• 买家痛点真实但很窄：区域性公立院校需要速度和透明度，又不想把学术政策交给黑箱。
• 最好的首发细分市场是社区大学生源众多、还背着 Banner/Colleague 时代学分互认沉疴的公立区域性大学。
• 竞争已经密布在成绩单自动化、学分互认发布、学位规划和 SIS 原生工具这几层，差异化必须落在可解释性加预录取专业匹配上。
• 州级转学门户是补充品而非替代品，因为校区专属的例外情况和学位匹配逻辑依然要落在本地解决。

市场定义

初始品类是面向美国四年制院校的预录取转学分评估和学位匹配指导软件。这个痛点体量足够大：2024 年秋季转学入学同比增长 4.4%，约 50 万学生仍从两年制院校转入四年制院校，学生转学时平均要损失超过 40% 的已修学分 [2][4][5]。

用户与买方

主要使用者是转学招生评估员、学分互认经理和教务处工作人员。预算通常由招生管理副校长掌握，有时和教务处或 CIO 共同决策，因为现有项目已经把成绩单采集、等值逻辑、学生端转学门户和 SIS 集成打包进同一次采购 [10][11][12]。

购买触发点

• 季节性申请激增或转学积压，让人工审核的慢暴露在招生领导层面前。 [2][9][13]
• 一次现代化项目或招标书，把成绩单采集、等值逻辑和学生端转学透明度打包进同一个采购周期。 [10][11][12]
• 校方领导想要更清晰的转学路径和更有竞争力的转学宣传，而不只是更快的文书处理。 [4][6][54][59]

支付意愿

付费意愿可信，因为公立院校已经在为成绩单采集和转学自动化启动企业级采购，供应商的证明点也聚焦在省下的编制、更快的首次响应和更高的顾问产能上，而不是空泛的 AI 新奇感。 [10][12][13][17]

品类动态

增长信号 2024 年秋季转学入学同比增长 4.4%

验证信号

• Salem State 公开发布了一份招标书，覆盖成绩单处理、转学评估、学分互认和意向转学生学位审核信息。
• Santa Ana College 公开演示了 AI 辅助成绩单接入，能匹配教师批准的等值对照表并写入 Colleague。
• 犹他大学调整了治理流程，加快低年级转学评估速度，防止院系审核成为瓶颈。
• EdVisorly 的客户宣传把成绩单自动化定位为省下评估员招聘、提升处理产能，而不只是文书上的方便。

监管与技术约束

• 学生数据必须留在 FERPA"学校官员"框架下的院校掌控之内。
• 公共部门交易可能要求 ACR/VPAT 文档以及 WCAG 或 Section 508 审查。
• 成绩单工作流需要兼容 PESC 标准的交换方式和 SIS 兼容集成，而不是独立的黑箱输出。
• 许多校区在信任生产环境使用之前，会要求产品与 Banner、Colleague 或 PeopleSoft 共存。

竞争分布在 AI 成绩单评估工具、学分互认发布商、学位管理套件和 SIS 原生模块之间。大多数要么只加速信息提取，要么只在事后发布等值结果；空白地带是一个预录取决策层——把非正式成绩单数据变成当日的、院校专属的、懂专业的有条件答案 [13][17][20][24][28][30]。

为什么现有厂商不会默认胜出

• SIS 与学位审核套件. Ellucian 一类的现有厂商已经掌握系统记录和部分转学规划工作流，但它们并不会自动赢下这个细分市场，因为院校仍需要一层更快的叠加层来给出预录取有条件答案。
• 学分互认与成绩单基础设施. Parchment 一类的基础设施帮着搬运成绩单、发布等值结果，但它自己交不出快到能影响转化率的、针对具体申请人的学分与专业答案。
• AI 成绩单评估点工具. EdVisorly 和 DegreeSight 一类的工具证明了对更快转学答案的需求，但这也意味着新进入者必须拿出更锋利的政策图谱和可解释性切口，而不是泛泛的自动化。
• 州和系统转学门户. 公共转学门户能缓解信息不对称、抬高透明度预期，但仍处理不了校区专属的例外情况和快速的院校决策。
• 校内教务处和教师人工流程. 人工校内流程灵活、也更让人放心，但抓取到的实例说明，一旦量上来，它们就会造成积压、SLA 不一致和治理阻力。

转学分录取引擎（Transfer Credit Offer Engine）向使用 Banner/Colleague 系统的区域性大学出售一个 24 小时有条件学分与专业答案，帮它们在不增加评估员编制的情况下处理更多转学申请人。这款产品不打算取代 SIS 或教务处；它叠加在现有系统之上，接入非正式成绩单、院校专属的等值规则和评估员改判，产出一份人工 可以直接批准的顾问就绪版有条件录取方案。这个滩头市场很有吸引力，因为买家角色明确、痛点具有季节性且紧迫， 高校也已经在发招标书，把成绩单采集、转学评估和学生端规划打包在一起。研究测算的初始 TAM 约为 $110.0M，聚焦的 SAM 约为 $34.1M，覆盖约 310 所以 Banner/Colleague 为主的公立区域性校区，三年内可 触达的 SOM 约为 $2.8M，覆盖 25 所校区。这套打法只有在首批订单直接卖给招生副校长——围绕入学高峰或人手 冻结、打包成单个入学周期试点、按转学量加规则复杂度而非按席位定价——才能跑通。公司能赢的前提是证明自己 比 EdVisorly、DegreeSight、Stellic 和 Ellucian 有更锋利的切口：一个带专业匹配和教务处级改判管控的可 解释预录取决策层，而不是通用成绩单 OCR 或录取后的学位审核。最大的悬而未决的问题是，24 小时有条件录取 能否实质性提升咨询转申请率或申请转报到率，从而支撑六位数的年度合同；研究显示买家痛点真实存在，但独立的 ROI 证据仍然单薄。这意味着合适的融资姿态是先做一轮种子前融资，验证回测准确度、真实转化提升幅度和叠加式 部署速度，再去建一个更宽的转学运营平台。

问题

• 区域性大学仍靠电子表格、SIS 备注和各院系例外邮件来预审非正式成绩单，转学意向学生要等上几天到几周才能拿到一个能用的答案。
• 这个延迟同时伤害招生转化率和员工产能——招生团队没法承诺速度，教务处又必须对边缘案例和终审保留政策管控权。

解决方案

• 导入非正式成绩单，套用院校专属的等值和 GPA 规则，24 小时内为顾问生成可解释的有条件学分认定方案加专业匹配摘要。
• 把低置信度的案例送进教务处改判队列，把每一次批准和例外都记入审计留痕，并复用这些决定来提升未来对生源校的覆盖度。

为什么我们会赢

• 这个切口比大多数现有厂商站得更靠前：在最终录取之前，就给出一个当日、院校专属、懂专业的答案，而不只是成绩单采集或录取后的学位审核。
• 人工批准、决策依据日志和版本化规则，比黑箱 AI 或静态的州级学分互认门户更贴合教务处的治理要求。
• 每一次改判和最终结果都会让生源校政策图谱更准，理应随时间提升上线速度、置信度打分和防御能力。

里程碑

flowchart LR
  Wedge[24-hour conditional transfer offer wedge] --> MVP[Overlay MVP for top feeder schools]
  MVP --> Proof[24-hour SLA, low overrides, conversion proof]
  Proof --> Expansion[Articulation maintenance and multi-campus rollout]

创始团队

实验路线图

风险评估

必须成立的条件

• 首批 10 所目标校区中，至少 5 所把旺季转学积压当作招生问题，而不只是教务处的小麻烦。
• 顾问端叠加层可以在首单不强制要求 SIS 写回的情况下，基于排名靠前生源校的规则上线。
• 500 份以上文件的历史回测，能把高置信度推荐的教务处改判率维持在 15% 及以下。
• 收到 24 小时有条件学分认定的学生，其申请或报到转化率至少比可比历史群体高 10%。
• 首批 5 个付费试点中，至少 2 个在试点完成 6 个月内转为年度合同，ARR 超过 $90k。

待尽调问题

• 第一单由哪条预算线出钱？谁先签字：招生副校长、教务处、CIO 还是系统办公室？
• 目标校区有多少历史等值数据能直接用于排名靠前的生源校，而不需要几个月的清理？
• 教务处能接受什么样的解释格式和置信度阈值，才会信任面向学生的有条件录取？
• 初创公司能不能以叠加层的身份拿下首单，还是真实买家一开始就会要求 Banner/Colleague 写回和无障碍/安全审查？
• 如果 EdVisorly、DegreeSight、Stellic 或 Ellucian 都承诺更快的转学答案，校区为什么要选这家？

模型合理性

• 收入引擎. 基线收入来自付费校区数从第一年末的 3 个，增长到第三年第四季度末的 25 个，期间混合校区价值保持在研究测算的 $110K 年度合同金额锚点附近。
• 必须跑通的环节. 试点必须转化为年度合同，且至少要出现一次集群式推广，客户增长才能跑赢公立大学漫长的销售周期。
• 模型崩溃的条件. 如果采购推迟一个入学周期，或校区提前要求做更深的 SIS 工作，下行情形会把现金底部压到约 $0.1M，届时种子轮故事还未获得验证。
• 下一轮融资的证据. 下一轮融资故事是：到第二年第四季度拿下 5-8 个付费校区，2-3 个年度转化，合规套件打包完成，且有一个可复制的集群部署正在推进。

情景

敏感性

flowchart LR
  TargetAccounts[Target campuses] --> PaidPilots[Paid intake-cycle pilots]
  PaidPilots --> AnnualContracts[Annual campus contracts]
  AnnualContracts --> Expansion[More feeders plus premium modules]
  Expansion --> Revenue[Revenue]
  Revenue --> GrossProfit[Gross profit]
  GrossProfit --> Cash[Cash runway]

警示项: 从第二年第四季度的 8 个校区跳到第三年第四季度的 25 个，假设至少有一次系统或州级集群推广；如果只靠一个校区一个校区地推进，很可能达不到基线情形。 · 早期混合每校区收入被付费试点和引导上线费拉高，所以在年度合同占主导之前，退出期 ARR 是比年度收入更干净的运营指标。 · 毛利率只有在校区持续接受叠加式上线、而不是比商业计划书假设更早地强制要求深度 SIS 写回时，才能达到 70% 中段。 · 现金按 EBITDA 建模；采购签约延迟、预付款或实施应收款，都可能让真实现金曲线偏移几个月。

• 学术信任缺口. 如果系统无法解释政策逻辑，或跟不上专业例外情况，教师和教务处团队可能会拒绝自动化学分预估。 缓解措施: 先从有条件认定加人工批准起步，按生效日期给每条规则打版本号，在把更多流程自动化之前先从评估员改判中学习。
• 集成阻力. 高校的 Banner 或 Colleague 系统往往配置混乱，这会拖慢部署速度，让产品看起来像又一个 SIS 项目。 缓解措施: 先用非正式成绩单接入、历史决定导入和评估员工作区叠加层落地，等旺季 ROI 得到验证后再加深层集成。
• 采购周期慢. 高教买家可能会拖延采购，直到招生目标或人手紧缺让转学速度变得紧迫。 缓解措施: 围绕近期入学截止日期销售，配合转学转化率试点、明确的 SLA 提升，以及围绕不增编就能拿下的新增学费收入来讲投资回报。