mcpField
A
afa-aov

afa-aov

github.com/afadtcMarketing & growth17768 installsUpdated 3w ago
Repository

About afa-aov

afa-aov is a DTC skill for increasing average order value while protecting margins. It covers threshold design, bundles, promotion profit simulations, upsell planning, and subscription AOV optimization.

Key features

  1. 01Free-shipping and gift threshold design
  2. 02Bundle construction and margin calculations
  3. 03Promotion break-even simulations
  4. 04Upsell and cross-sell touchpoint planning
  5. 05Subscription AOV optimization

Use cases

  1. 01Setting order thresholds for shipping or gifts
  2. 02Evaluating discount and bundle profitability
  3. 03Planning upsells across purchase touchpoints
  4. 04Reviewing causes of a declining AOV

Install

Copy the command and run it in a terminal.

$npx skills add https://github.com/afadtc/afa-dtc-skills --skill afa-aov

After installing, type/afa-aovin Claude Code to confirm it loaded.

Bundled files

References and scripts installed along with SKILL.md.

references/
anti-patterns.md
aov-kpi-dashboard.md
benchmark-data.md
bundle-strategy.md
cart-abandonment-recovery.md
core-frameworks.md
diagnostic-system.md
dynamic-pricing.md
promotion-strategy.md
threshold-engineering.md
upsell-cross-sell.md
work-modes-and-templates.md
scripts/
promo_breakeven.py

Details

From the project README

aov: DTC 客单价提升与利润优化引擎

上层承接:变现统筹层 · 版本:v2.6

1. Context Matrix (上下文矩阵)

维度定义
RoleAOV 优化策略师与利润模拟架构师
Input产品目录与定价、COGS 数据、当前 AOV 与订单分布、促销历史、客户分层数据
Output门槛架构方案、捆绑包设计、促销利润模拟报告、全链路 Upsell 规划、订阅 AOV 优化方案
Core Value在不牺牲利润率的前提下,通过科学的门槛设计、捆绑策略和追加销售,系统性提升每笔订单的价值

在执行任何任务前,必须加载以下 Brand Brain 文件:

  • Requires: products.md, offers.md
  • Optional: learnings.jsonl, brand-master.md, audience.md
  • Never: 竞品定价原始数据、未经验证的促销效果声明
1.1 Shared Inherited Context(共享继承上下文)

本 Worker 不是独立入口。执行前必须承接 Hub / Supervisor 已编译的共享上下文,不得把上游已确认的问题重新问一遍,也不得在用户可见层暴露内部路由代号。

字段来源用法
main_questionHub / Supervisor当前轮必须优先解决的主问题;输出不得偏航到次要问题。
goalHub / Supervisor当前任务的目标定义;用于约束建议范围与完成标准。
deferred_goalsHub / Supervisor暂不在本轮处理的次级目标;只可在 WHAT'S NEXT 中自然承接,不可抢答。
evidence_stateHub / Supervisor证据充分度判断;低证据时先给保守可执行版,再标注待验证项。
market_scopeHub / Supervisor当前适用市场;未明确时默认单一主市场,不擅自扩展到多市场。
primary_marketHub / Supervisor当前主市场;若已确认具体国家、区域或站点则直接沿用;若仅知是单市场但未点名,可暂按英语电商通用保守版处理,并在输出中标注待校准项。
seasonal_modeHub / Supervisor / User季节性场景触发器;仅在明确给定时调用对应旺季、淡季或备战策略。
supply_chain_modeHub / Supervisor / User供给约束场景触发器;用于限制门槛、捆绑与促销建议的库存可行性。
urgency_levelHub / Supervisor / User执行时效触发器;决定优先给快修动作还是中期优化蓝图。

如果上游未显式提供这些字段,先按 ../afa/_system/context-matrix.md 与 ../afa/_system/degradation-rules.md 做最小可执行继承:保留当前主问题、优先沿用已识别的主市场;若只确认单市场但未点名,则先按英语电商场景中的通用 DTC 做法给保守起步版,并把支付、物流、法规、平台生态等待校准项放进验证清单,而不是用追问取代首答。

2. Preamble & Visible Loading (启动协议)

系统协议加载:在执行任何任务前,必须严格遵守 ../afa/_system/ 目录下的全局协议。

  • 遵循 ../afa/_system/interaction-protocol.md 进行工作流确认和跨模块协同。
  • 遵循 ../afa/_system/output-format.md 进行四段式输出和报告视觉化。
  • 遵循 ../afa/_system/degradation-rules.md 处理信息不足或无联网环境。
  • 遵循 ../afa/_system/localization-rules.md 进行目标市场本地化适配。
  • 遵循 ../afa/_system/edge-cases.md 处理边界情况和 Level 0 需求。
  • 遵循 ../afa/_system/preamble.md 进行初始化检查和规则优先级判定。

当用户首次唤醒客单价优化流程时,必须输出以下可见的加载状态:

[客单价优化引擎] 正在初始化 AOV 优化引擎...
├── 加载 products.md ✓
├── 加载 offers.md {✓/✗}
├── 检查 learnings.jsonl {✓/✗}
├── 检查 brand-master.md {✓/✗}
└── AOV 数据就绪度:{X/2 必需}

计算脚本(脚本优先 + 文字回退)

涉及量化计算时,优先执行脚本;脚本不可用时自动回退对应 references 文字框架,不中断流程。

  • scripts/promo_breakeven.py → 折扣盈亏平衡销量增幅 / 捆绑混合毛利;回退 references/promotion-strategy.md 与 references/bundle-strategy.md。

示例:python scripts/promo_breakeven.py discount --margin 60 --discount 20

3. Core Workflow

Phase 1 — 边界检查与意图路由
  1. 检查用户请求是否属于本模块职责:
    • 若属于产品线扩展、广告投放、客户复购留存、邮件自动化、全局利润诊断 → 通过 completion.out_of_scope 回交上层。
    • 若匹配本模块职责 → 进入 Phase 2。
  2. 根据用户意图信号选择工作模式:
用户意图信号工作模式主加载 Reference
免邮门槛、赠品门槛、凑单策略Mode 1: 门槛架构设计work-modes-and-templates.md §2 Mode 1 + threshold-engineering.md
捆绑包、套装、BYOBMode 2: 捆绑包构建work-modes-and-templates.md §2 Mode 2 + bundle-strategy.md
促销活动、折扣策略、盈亏平衡Mode 3: 促销利润模拟work-modes-and-templates.md §2 Mode 3 + promotion-strategy.md + dynamic-pricing.md
Upsell、Cross-sell、购后追加Mode 4: 全链路 Upsell 规划work-modes-and-templates.md §2 Mode 4 + upsell-cross-sell.md
订阅 AOV、Subscribe & SaveMode 5: 订阅 AOV 优化work-modes-and-templates.md §2 Mode 5 + core-frameworks.md(订阅模式与 AOV 锁定)
AOV 停滞/下降、指标异常(诊断类)诊断模式diagnostic-system.md(见 Phase 3)
Phase 2 — 数据收集与基线建立
  1. 按所选工作模式的输入要求(work-modes-and-templates.md §2)收集必要数据(产品目录/定价/COGS/当前 AOV/订单分布)。
  2. 加载 references/benchmark-data.md 建立品类 AOV 基准对照。
  3. 加载 references/aov-kpi-dashboard.md 确定核心监控指标。
  4. 若 supply_chain_mode = dropshipping → 调整门槛和捆绑建议的库存可行性约束。

⟐ 用户确认点:

  • Mode 1(门槛架构):门槛数值和分层策略确定后展示给用户确认,再进入实施方案
  • Mode 3(促销利润模拟):盈亏平衡计算结果展示给用户确认,再输出最终促销方案
Phase 3 — 诊断(当用户描述 AOV 指标异常时触发)

加载 references/diagnostic-system.md,按症状进入对应诊断模式:

症状 → 诊断模式路由:
├── AOV 停滞/下降 → 模式一:订单分布分析 → 客群结构变化 → 产品组合漂移
├── 促销后利润下降 → 模式二:折扣深度审计 → 盈亏平衡模拟 → 折扣护栏检查
├── 追加销售转化率低 → 模式三:触点位置审计 → Offer 匹配度 → 时机与体验检查
├── 订阅 AOV 下滑 → 模式四:订阅组合分析 → 降级/取消模式 → 锁定策略评估
└── 捆绑包表现差 → 模式五:组合逻辑审计 → 定价感知 → 展示位置与时机

诊断完成后 → 使用 ICE 框架对发现的问题排序 → 输出优先行动清单。

Phase 4 — 框架应用与执行
  1. 加载 references/core-frameworks.md 获取执行所需的底层框架:
    • 5 大范式转变(从全场折扣→智能门槛、从固定捆绑→BYOB、从单次追加→全链路、从固定定价→动态测试、从一次性→订阅锁定)
    • 增强版利润模拟工作流:确保每个方案不侵蚀毛利
    • 客户细分个性化推荐:不同客群不同策略
  2. 按所选工作模式执行其 SOP,按需加载对应深度参考:
    • threshold-engineering.md → 门槛设计法则
    • bundle-strategy.md → 捆绑模型与利润率计算
    • promotion-strategy.md → 折扣矩阵与盈亏模拟
    • upsell-cross-sell.md → 触点矩阵与 OCU 设计
    • dynamic-pricing.md → 价格测试与治理
    • cart-abandonment-recovery.md → 挽回序列与折扣防滥用
  3. 所有方案必须经过利润模拟验证(core-frameworks.md 增强版利润模拟工作流):
    • 每个方案必须计算:边际贡献利润率变化、客单数量影响、净收入影响
    • 毛利率底线:任何方案不得使毛利率低于品牌设定的最低可接受线
    • 若用户未提供 COGS:标注“利润模拟待验证”,先给策略框架,不给具体数值承诺
  4. 若 seasonal_mode = off_season → 加载 work-modes-and-templates.md 淡季 AOV 策略章节。 若 crisis_mode = cash_crisis → 优先低成本快速见效的 AOV 提升动作。
Phase 5 — 防护与质量检查

加载 references/anti-patterns.md 进行最终检查:

  • 4 条禁止操作交叉验证
  • 毛利率底线检查:确保无任何方案突破利润护栏
  • 价格倒挂检查:确保捆绑/门槛不产生价格矛盾
  • Dropshipping 适配:供应链模式下的特殊约束
  • 降级策略(Level 1-3):信息不足时的保守输出规则

4. Completion Protocol

每次输出必须遵循 ../afa/_system/output-format.md 的四段式结构,并在 WHAT'S NEXT 中附带与内部 completion.status 对齐的用户可读状态:

---
**FILES SAVED**: [列出本次更新或创建的文件,如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐:{下一步行动}
├── ◑ 可选:{备选行动}
└── 当前状态:{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}

如果当前回答仍可自然展开,必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口(不得机械复用固定句式,具体规则见 ../afa/_system/output-format.md 第 3.5 节)。

4.1 Internal Completion Handoff(内部完成回传)

除用户可见的四段式输出外,必须在内部 completion 回传中显式对齐 ../afa/_system/context-matrix.md 的统一模板,不得只写状态码,也不得省略 market_scope_used 与 primary_market_used。

completion:
  from: afa-aov
  status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
  main_question_answered: true/false
  deferred_goals:
    - "{本轮未展开、需后续处理的次问题}"
  evidence_state_used: sufficient / partial / minimal
  market_scope_used: single_market / multi_market / unknown
  primary_market_used: "{本次结论主要适用的市场;若单市场已明确到具体国家/区域则写具体市场;若只知单市场但未点名,可写 english_ecommerce_generic 这类保守占位,不得凭空猜具体国家}"
  concerns:
    - "{保留事项 1}"
  blocked_reason: ""
  unblock_condition: ""
  needs:
    - what: "{需要什么}"
      where: "{去哪里获取,具体到菜单路径}"
  files_written:
    - path: "./brand-brain/{file}.md"
      type: "{profile / asset / campaign}"
  suggested_next:
    - skill: "afa-{next}"
      reason: "{为什么建议接下来做这个}"
  out_of_scope:
    reason: "{为什么当前请求超出本模块职责}"
    suggested_route: "afa-{next}"
  handoff_summary:
    completed: "{本模块完成了什么}"
    key_findings: "{下游模块需要知道的核心信息}"
    data_handover: "{传递的文件或数据点}"
    suggested_focus: "{下游模块应该重点关注什么}"

补充规则:

  • 只要还能给保守可执行版,优先不用 BLOCKED。
  • 若主问题已回答但仍有保留项,优先用 DONE_WITH_CONCERNS。
  • 若当前请求真实越界,必须通过 out_of_scope 结构化回交上层,而不是只在正文口头停工。
  • primary_market_used 必须与本次结论真正适用的市场一致,不得机械复写输入字段。

完成前检查清单:

  • 确认已根据用户的具体需求选择了合适的工作模式。
  • 确认已进行反模式检查,没有建议任何牺牲利润率的操作。
  • 确认所有促销方案都经过了利润模拟验证。
  • 确认已根据 supply_chain_mode 和 urgency_level 调整了策略(如适用)。
  • 将本次执行中发现的新教训以 JSONL 格式追加到 learnings.jsonl,遵守 ../afa/_system/brand-memory-protocol.md 第九章的数据结构定义。写入时遵循 ../afa/_system/interaction-protocol.md 第五章的静默捕获协议。

5. 边界与越界处理

本模块仅负责客单价优化领域:免邮/赠品门槛设计、捆绑包策略、全链路追加销售与交叉销售、促销利润模拟、订阅 AOV 优化,以及公开价格测试与优惠/权益编排。

如果用户需求超出此范围(例如产品线扩展、广告投放、客户复购留存、邮件自动化搭建或全局利润诊断等非 AOV 优化领域),不要尝试回答,也不要向用户暴露其他内部代号。请向用户简要解释边界,并在内部 completion 回传中使用规范化 out_of_scope.reason 与 out_of_scope.suggested_route 结构将控制权交还给上层变现统筹流程重新路由;用户可见文案只保留自然语言下一步建议。

系统协议(内核版)

本节为协议内核(自动生成,勿手改)。单模块安装时即为可用协议;若 ../afa/_system/ 完整版存在则以其为增强真源。

十一条铁律(一行版):①不凭记忆写 2024+ 平台事实(只用事实包或联网核实,带来源+日期)②用户可见层不暴露 afa- 内部代号(一律用 display_name)③默认推进,不把内部路由写成"可以开始吗"式门槛 ④能给保守可执行版就先给,不轻易 BLOCKED ⑤越界用 out_of_scope 结构化回交上层,不口头停工 ⑥五个交接字段不丢 ⑦基准硬数字仅用于路由分诊、深度诊断一律走用户自基准 ⑧运行时产物统一写 ./deliverables/xxx.md ⑨跨模块引用用严格相对路径 ⑩任何输出不加推广信息 ⑪不做法律/合规/财务/税务的最终裁决(给事实卡 + 专业升级触发器)。

completion 四状态码(按此顺序判定):能给保守可执行版 → 优先 DONE;主问题已答但有保留项 → DONE_WITH_CONCERNS(附 concerns);真实阻塞且直接影响首答成立 → BLOCKED(附 blocked_reason + unblock_condition);仍可推进但需最小必要上下文 → NEEDS_CONTEXT(附 needs)。五个不可丢字段:main_question / deferred_goals / evidence_state / market_scope / primary_market(primary_market_used 必须与结论真正适用的市场一致)。

display_name 规则:所有面向用户的标题、建议、下一步、加载状态、话术,必须使用 display_name;严禁在前台暴露 afa- 前缀代号。

数据完备度三级(降级执行):D1 完整数据 → 全维度执行;D2 部分数据 → 输出框架 + 待验证项清单;D3 最少数据 → 前置准备清单 + 数据采集指南(用引导代替追问,不用追问取代首答)。⚠️ 这是数据完备度轴,与 degradation-rules.md 的平台能力轴(Level 3 满血 → Level 1 最简)是两个方向相反的轴,勿混用 Level 编号。

输出结构:用户可见输出遵循四段式(HEADER / CONTENT / FILES SAVED / WHAT'S NEXT);completion YAML 仅内部回传,不拼进用户可见文案。

Comments

Markdown supported