营销情景模拟与风险检查

先解决什么问题

营销预算调整最容易被单一预测值误导：把某个渠道 ROI 写成 3.2x，再乘以预算得到一个确定数字，却掩盖了波动、饱和、渠道相互作用和季节性。真正要回答的是：如果把 30% 展示预算迁到 TikTok，未来 6 个月收入更可能落在什么区间，Q3 达到 200 万美元的概率是多少，最坏情形会差多少。

技能如何工作

该技能用蒙特卡洛模拟把不确定性显式建模：

• 输入结构化情景：每个情景包含渠道月预算、ROI 均值与标准差、饱和点、预测周期；可选收入目标、迭代次数、预算/渠道约束。
• 加载品牌上下文：读取 ~/.claude-marketing/brands/_active-brand.json 与品牌 profile，复用历史表现、渠道基准、季节性和 SOP 约束。
• 校准输入：缺少标准差时用历史活动或行业基准估计；校验预算合计、非负分配和饱和点逻辑。
• 运行模拟：默认每情景 10,000 次迭代，抽样渠道 ROI，处理饱和递减、渠道协同/时滞，并叠加季节性调整。
• 输出概率结果：给出均值、P50、P10/P90、目标达成概率、风险调整收益、情景对比表、敏感性 tornado 和渠道贡献。

适用边界

模拟质量取决于输入假设。若历史数据不足、ROI 方差或饱和点拍脑袋，结果只能作为决策参考，不是保证。周期越长，置信区间越宽；它不替代投放执行、归因系统或实时竞价反馈。对高风险决策，可提高迭代次数并重点检查 tornado 中高敏感变量。