message-test

/digital-marketing-pro:message-test

スクリプトの場所。 ホストで ${CLAUDE_PLUGIN_ROOT} が設定されていない場合、スクリプトはこのプラグインの scripts/ フォルダー内の skills/ と同じ階層にあります。Python 3.10 以降で実行してください。python を使用し、python が見つからない場合（macOS、多くの Linux システム）は python3 を使用します。

目的

実際の環境に展開する前に、合成オーディエンスパネルを使ってメッセージのバリエーションをテストします。全体およびセグメントごとに最も高い成果が見込まれるバリエーションを予測し、潜在的な反論を特定して、実際の A/B テストにかけるバリエーションを絞り込みます。このコマンドは、実際の CRM 行動データに基づく AI シミュレーションのオーディエンスセグメントでメッセージのバリエーションを事前審査することで、広告費やテストサイクルの無駄をなくします。成果の低いバリエーションに予算を費やしながら 6 種類を実際にテストする代わりに、まず合成パネルでテストし、実際に投資する価値のある上位 2～3 種類の候補を特定できます。各バリエーションは、共感度、明確さ、信頼性、緊急性、差別化という 5 つの評価基準で採点されます。セグメントごとの内訳から、セグメントによって異なるメッセージが好まれる場合のパーソナライズの機会を見つけられます。

必要な入力

ユーザーは次の情報を提供する必要があります（または入力を求められます）。

• メッセージのバリエーション：テストする 2～6 種類のバリエーション。それぞれに見出し、本文、行動喚起を含めます。バリエーションには、広告クリエイティブ全体、プレビュー文付きのメール件名、ランディングページのヒーローセクション、ソーシャルメディアの投稿など、あらゆる形式のメッセージを使用できます。各バリエーションに（バリエーション A、B、C など）と明確にラベルを付けてください。バリエーション間で、合成テストでは確実に識別できないような単語のわずかな置き換えではなく、価値提案、感情への訴求、証拠、切り口など、意味のある異なるアプローチをテストしてください
• ターゲットオーディエンスパネル：以前の /digital-marketing-pro:focus-group または /digital-marketing-pro:message-test セッションで作成した既存のパネル ID、または CRM データから構築する新しいセグメント定義。新しいパネルには、人口統計、行動、心理特性、価値に基づく属性などのセグメント条件が必要です。セグメントを 3～5 個含むパネルは、セグメント間のインサイトと出力の扱いやすさのバランスに優れています
• 評価基準：各バリエーションを採点する項目。デフォルトの評価基準は、共感度（感情的なつながりと関連性）、明確さ（メッセージと求められる行動の理解しやすさ）、信頼性（主張や証拠の信憑性）、緊急性（後回しにせず今すぐ行動する動機）、差別化（競合のメッセージとの明確な違い）です。カスタム基準を追加したり、分析に重点を置くためにデフォルトの基準を絞り込んだりできます

プロセス

1. ブランドコンテキストを読み込む：~/.claude-marketing/brands/_active-brand.jsonを読み、アクティブなスラッグを確認してから、~/.claude-marketing/brands/{slug}/profile.jsonを読み込みます。ブランドのトーン、ポジショニング、競合状況、メッセージングのガイドラインを適用します。また、~/.claude-marketing/brands/{slug}/guidelines/_manifest.jsonにガイドラインがあるか確認し、存在する場合は制約を読み込みます。~/.claude-marketing/sops/にエージェンシーのSOPがあるかも確認します。ブランドが存在しない場合は、「先にブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、既定の設定で続行します。
2. オーディエンスパネルを読み込む：IDを指定して既存のパネルを参照するか（利用可能なパネルをpython "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action list-panelsで一覧表示）、新しいセグメント定義が提供された場合はCRMデータを基に、python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action create-panel --panel-name {name} --segments '[...]'で新しいパネルを作成します。意味のあるセグメント間比較ができるよう、パネルに十分な多様性のあるセグメントが含まれていることを確認します。
3. 各バリアントを各セグメントでテストする：バリアントのセットに対してpython "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action test-message --panel-id {id} --variants '[...]'を実行します。各セグメントの行動プロファイルの観点から、各評価基準（共感度、明確さ、信頼性、緊急性、差別化）について各バリアントを評価します。組み合わせごとに、予測される反応の感情、主な反応、具体的な懸念点を生成します。
4. スコアを集計する：セグメントの規模で重み付けし、全セグメントのスコアを平均して総合的なバリアント順位を算出します。総合的な勝者とセグメントごとの勝者を特定します。総合的な勝者がセグメントごとの勝者と異なるケースに印を付けます。これらはパーソナライズの機会です。
5. セグメントごとの好みを特定する：どのセグメントがどのバリアントを好むか、その理由とともに整理します。すべてのセグメントで同じバリアントが勝つケース（普遍的な訴求力）と、セグメントによって異なるバリアントが強く好まれるケース（パーソナライズが必要）を明らかにします。好みの強さを算出し、強い好みとわずかな差を区別します。
6. バリアントごとに懸念点のパターンを抽出する：各バリアントについて、セグメント全体で挙がった懸念点をすべてまとめます。繰り返し挙がる懸念点（セグメントをまたぐため修正が必要な問題）、特定のセグメントに固有の懸念点（ターゲティングで対応可能）、最も評価の低いバリアントだけに見られる懸念点（そのバリアントを除外する理由）を特定します。
7. 実際のA/Bテストに推奨する上位バリアントを選ぶ：総合順位、セグメントごとの好みのパターン、懸念点の深刻度に基づき、実際のA/Bテストに投資する価値のある上位2～3個のバリアントを推奨します。懸念点の分析に基づき、推奨する各バリアントを強化するための具体的な小規模な改善案も示します。

出力

以下を含む、構造化されたメッセージテストレポートです。

• バリアントのランキング：すべてのセグメントと評価基準にわたる総合ランキングを含む、各バリアントの総合スコア。明確な勝者とバリアント間の相対的な差を示します
• セグメント別の内訳：各セグメントにおける各バリアントの詳細なスコア。セグメントごとに好まれるバリアントが異なる場合があり、この内訳から、どのバリアントがどのセグメントでどの程度優れているかがわかります
• バリアントごとの評価基準スコア：各バリアントについて、共感性、明瞭さ、信頼性、緊急性、差別化の各基準のスコアを示し、具体的な強みと弱みを特定します。たとえば、あるバリアントの緊急性スコアは高いものの信頼性スコアが低い場合、具体的な改善の方向性が見えてきます
• 特定された反論のパターン：セグメント間で繰り返し見られる反論（展開前に必ず修正）、特定のセグメントに固有の反論（ターゲティングやパーソナライズで対応）、バリアント固有の反論（弱いバリアントを除外する理由）
• パーソナライズの機会：セグメントごとに異なるバリアントが強く好まれるケースと、単一バリアントのアプローチを上回る可能性がある、セグメント固有のメッセージ戦略の提案
• 実際の A/B テストに推奨するバリアント：ライブテストに推奨する上位 2～3 個のバリアントとその根拠、合成フィードバックに基づく改善案、および推奨するテスト条件（対象者、サンプルサイズ、期間）
• 信頼度と制限事項：明示的な信頼度評価と、合成テストで予測できることとできないことの説明。傾向としての選好シグナルは信頼できますが、正確なコンバージョン率の予測はできません。実環境でのテストで検証すべき事項も提案します

使用するエージェント

• marketing-strategist — バリアント評価フレームワークの設計、セグメント横断のインサイト解釈とパターンの特定、セグメントサイズで重み付けした総合ランキングの手法、パーソナライズの機会の評価、および上位バリアントを実環境で検証するための A/B テスト設計の提案
• content-creator — 反論のパターンと基準ごとのスコアに基づくメッセージ改善案、特定された弱点に対処する推奨バリアントの具体的なコピーの修正案、および高い可能性があるものの修正可能な課題を抱えるバリアントの代替表現案