Agent Skills
返回列表
市场侦察

市场侦察

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_6381fff8/market-recon。

技能介绍

当「我觉得这个能做」遇见真实市场

技术团队评估产品方向时,最常见的失败模式是:用印象代替证据。觉得某个竞品「很火」,其实下载量只有几百;以为某个赛道空白,其实已有人验证过需求不足。market-recon 要解决的问题很简单——把「我觉得可行」变成「数据说,这样条件下可行」。

它不替你拍板,而是帮你建立一个可核查的事实地基,然后在事实上分维度给结论。最坏情况下,它能告诉你:这个方向应该停,而且停的理由你能拿给别人看。

五步尽调,每一步都有反陷阱设计

整个流程围绕一个核心假设展开——你产品赖以成立的那个关键前提(比如「用户愿意为这个功能付费」)。后续每一步都在验证或证伪它。

Step 1 内部事实地基:没读完你的 CLAUDE.md、docs/、handoff.md 之前不联网搜索。先搞清楚你定位是什么、当前卡在哪里、技术死结在哪。这步跳过会导致后面的分析悬空,也会把你自己已知的信息当新发现庆祝。

Step 2 竞品实测:不靠记忆,不靠官网宣传参数。每家竞品必须落到下载量、MAU、收入或 ARR、定价、榜位、融资,每个数字带来源链接。优先用 Sensor Tower、data.ai、AppMagic 等数据站,辅以行业访谈和 appstore 评论。采集日期必须标注——用两年前的数据做决策是耍流氓。

Step 3 核实与反陷阱:开始抓常见死法。同名产品被当成一个(核对开发者主体和 App ID);把没起量的产品当成功对标(查真实下载和改名频率);把供应商当竞品(供应商存在可能正在证伪「该能力是壁垒」)。这一步最容易出错,也最致命。

Step 4 客观拷问(算账):定性不够,必须算。盈亏平衡:固定成本除以毛利率和 ARPPU,算出需要多少 MAU,再对照你真实获客能力。单位经济:单用户 API/云成本 vs ARPU,CAC vs LTV 的三分之一。核心假设拆解:把「用户会付费」拆成信噪比、迁移成本、支付意愿,逐个查有没有支撑。叠加监管合规成本(备案、资质、隐私法规按 0 估算几乎必错)和赛道结构(免费替代是否已很强、最强玩家是否已转 B 端或退出)。

Step 5 结论 · 门槛 · 退路:输出分维度可行性,不是一句「能做」或「不能做」。每条结论带证据和来源。然后给止损门槛——什么条件下停、什么条件下转、什么条件下继续投入。最后通常是指向一个零成本或极低成本的证伪实验,而不是「继续开发三个月再看」。

适用边界与注意点

这个技能不是万能替代品。纯写代码、纯文案、有专门 skill 的任务请用对应的工具。它的价值在跨学科决策场景:产品方向评审、要不要转赛道、能不能抄某个产品、idea 是否值得投入资源继续。

输入质量决定输出质量。内部分文档不全或核心假设含糊,分析只能靠猜——技能会明确告诉你哪里缺事实地基,但仍不要期待它能凭空补全。

最后是自检标准:「如果决策者拿着这份分析去拍板,每条结论我能指出证据来源吗?最应该先做的那个零成本验证,我告诉他了吗?」 如果诚实回答是「能」和「说了」,这份尽调才算做完。

使用场景

  • 团队要评审一个新产品方向,想先看清同赛道有哪些玩家、各自的下载量和营收如何再决定是否立项
  • 创业者拿到一个新 idea,不确定市场是否已被验证过,想对照真实竞品数据判断用户付费意愿是否成立
  • 内部在决定要不要转赛道,需要对新赛道做一次系统扫描,确认当前格局下还有没有切入空间
  • 工程团队项目推进受阻,想分清瓶颈到底是技术死结还是市场需求问题,避免继续写代码却没人用

适合人员

  • 初创团队负责人,需要在资源有限时横向对比多个赛道,用可核实数据替代直觉拍板
  • 产品经理,要在立项前做市场可行性评审,向内部提供带数据来源的决策判断
  • 投资分析师或内部战略角色,需要对某个方向给出分维度估值依据和风险清单
  • 技术负责人,遇到项目推进受阻时想分清是工程问题还是市场问题,避免方向错误下的无效开发