受众画像与内容偏好引擎

要解决的具体问题

很多团队的受众画像只有年龄、性别、地域三栏，画像写完后被搁置，原因很简单：它没有回答「用户为什么买」「会在什么环节犹豫」「喜欢看什么内容」。结果就是文案、投放和邮件序列都按猜测执行。这个技能把画像构建变成一条有固定步骤的流程，强制覆盖心理特征、行为模式、JTBD、购买异议和内容偏好这些容易缺失的维度。

它如何工作

1. 先加载品牌上下文。 技能会读取 ~/.claude-marketing/brands/_active-brand.json 确定当前品牌，再加载该品牌的 profile.json，应用品牌语调和目标市场的合规规则。它还会检查：

• guidelines/_manifest.json 中的限制条件与相关分类文件
• templates/ 下的自定义模板
• sops/ 中的代理操作规范

如果还没有任何品牌配置，它会询问是否先运行 /digital-marketing-pro:brand-setup，或者使用默认配置继续。

2. 数据不足时通过结构化提问补齐。 所需的输入包括产品/服务、客户类型（B2B / B2C / 两者）、现有调研数据、画像数量（建议 2–4 个）以及你自己的假设。

3. 十步构建流程。 每一步都有明确产出，依次为：人口统计画像 → 心理特征（价值观、动机、恐惧、身份标识）→ 行为模式（线上活跃位置、内容格式偏好、购买与决策方式）→ JTBD 框架（功能、情感、社会三层任务）→ 异议与打消话术 → 买家旅程（触发事件、调研过程、评估标准、决策影响者）→ 内容偏好（平台、格式、语气、主题）→ 命名与叙述摘要。

最终产出是一份结构化文档：含单段叙述、人口统计快照、JTBD 框架、一天的生活场景、旅程图、异议应对指南、渠道偏好，以及面向该画像的文案 do's and don'ts。

适用边界与注意点

• 不能凭空产生洞察。 如果手头没有调研、CRM 或访谈数据，技能只能靠结构化提问补全，产出质量直接取决于你输入的假设和已有数据。
• 画像是假设，不是事实。 文档生成后需要用实际转化数据验证和迭代，最好每季度或在大版本营销活动前重新跑一遍。
• 品牌上下文是前置条件。 没有任何配置时技能会先追问是否创建品牌，这一步不可跳过，否则后续内容偏好和合规规则无从谈起。
• 适合受众分析场景，不适合做客服回复或社群管理。 它面向的是营销策略层，不直接产出与用户的实时交互内容。