简诗 AI 营销策略规划

解决什么问题

当团队启动一次新 campaign 或调整品牌定位时，常见的困境是：决策依赖经验直觉，而非结构化框架。例如，品牌健康度该按什么维度追踪？用问卷还是焦点小组做市场调研？客户分群的依据该选人口属性还是行为数据？这些问题若没有统一标准，每次都要从零讨论，既浪费时间，也容易遗漏关键指标。

更棘手的是指标口径不一致——A 团队用 ROAS 衡量效果，B 团队关注 CAC，而管理层其实更想知道 CLV:CAC 的比值。归因模型的选择也常常引发争议：首次触点、末次触点还是线性分配？不同的选择会让同一活动的“效果”呈现完全不同的数字。

技能如何工作

该技能将营销策略拆解为多个可操作的模块，每个模块提供框架定义 + 关键表格 + 适用场景说明：

• 品牌策略层：提供品牌架构、定位框架与健康度指标，包括 Awareness、NPS、Share of Voice 等核心指标的测量方式与追踪频率，帮助团队建立统一的品牌评估体系。
• 市场调研层：从 Surveys、Focus Groups、In-depth Interviews 到 Ethnography 和 A/B Testing，每种方法附带适用场景、样本量建议与时间周期，避免选错调研工具导致的资源浪费。
• 用户理解层：包含客户旅程映射、分群方法（Demographic、Psychographic、Behavioral、Value-based 等）与 Persona 开发框架，帮助团队从“谁是我们的用户”过渡到“他们为什么选择我们”。
• 渠道与内容层：给出 SEO、SEM、Social、Email、Content 等渠道的最佳适用场景与核心指标，并提供内容日历模板，明确不同内容类型的发布频率与负责团队。
• 数据分析层：涵盖 CAC、CPL、Conversion Rate、CLV 等指标的计算公式，以及六种归因模型（First Touch、Linear、Position-Based、Data-Driven 等）的适用边界。

使用时，你可以针对当前问题直接调用对应模块。例如，想优化 campaign 效果，就进入 Campaign Planning 与 Optimization 部分；想评估品牌健康度，则参考 Brand Health Metrics 表格。

适用边界

该技能提供的是思考框架与执行模板，而非自动化生成报告的工具。它不会自动获取数据，也不会计算实际指标——你需要将框架与真实数据结合，手动填写模板。

此外，不同行业、不同增长阶段的团队对渠道和指标的优先级不同。例如，B2B SaaS 可能更关注 Lead-to-Customer Rate 和长销售周期的归因模型，而电商品牌则更依赖 ROAS 和 Cart Abandonment Rate。技能中的建议是通用参考，需要根据实际业务情况调整。

最后，归因模型的选择本身没有绝对正确答案。Data-Driven 模型听起来理想，但需要足够的历史数据支撑；初创团队可能更适合从简单的 First Touch 或 Last Touch 开始。