pricing-test

/digital-marketing-pro:pricing-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/ フォルダー内にあり、skills/ の隣に配置されています。Python 3.10 以降で実行してください。python が見つからない場合は、python3 を使用します（macOS、多くの Linux システム）。

目的

実際の CRM データに基づく合成オーディエンスパネルで、価格設定のシナリオをテストします。セグメントごとの支払意思額を推定し、最適な価格、許容価格帯、収益最大化価格と販売数最大化価格の差を見つけます。このコマンドは、Van Westendorp および Gabor-Granger 方式の価格分析を AI シミュレーションパネルで実現します。正式な価格調査にかかる費用やリードタイムをかけずに、方向性を示す価格設定のインサイトを得られます。新製品の発売、既存価格の変更、価格帯の導入、競合他社との価格ポジショニングの評価を行う前に使用してください。すべての出力には信頼性に関する制約が含まれるため、重要な価格決定に際しては、結果を現実世界での検証が必要な、情報に基づいた推定値として扱えます。

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）。

• 製品またはサービスの説明：価格を設定する対象の内容です。機能、価値提案、想定するユースケース、顧客が提供内容をどのように捉えているかに関する関連情報を含めてください。説明が具体的であるほど、合成パネルによる価格感度の回答の精度が高まります
• テストする価格ポイント：オーディエンスパネルで評価する、3～8 個の具体的な価格ポイントです。価格ポイントは、意味のある範囲にわたるように設定してください。ユーザーが安すぎると考える低価格の基準点から、高すぎると考える高価格の基準点までを含めます。価格感度の曲線を特定するには、価格を均等な間隔で設定するのが最適です
• オーディエンスパネル：以前のセッションで使用した既存のパネル ID、または CRM データから作成する新しいセグメント定義です。価格感度はセグメントごとに大きく異なるため、セグメントは予算重視とプレミアム志向、小規模とエンタープライズ、新規とロイヤル顧客など、購入者のタイプが明確に異なるものを表す必要があります
• 現在の価格（参考用）：製品がすでに販売されている場合は、現在の価格です。各セグメントにおける価格変更の影響を測定するための基準点として使用します。新製品の場合は省略するか、ユーザーが有力候補として検討している価格を指定してください
• 競合他社の価格情報（任意）：類似製品やサービスについて把握している競合他社の価格です。入力すると、分析に競合とのポジショニング評価が含まれます。各テスト価格ポイントが競合他社と比べてどの位置にあるか、そのポジショニングが各セグメントの価値認識にどう影響するかを確認できます

プロセス

1. ブランドの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 slug を確認してから、~/.claude-marketing/brands/{slug}/profile.json を読み込みます。ブランドのポジショニング、ブランドの知覚上のプレミアム感または割安感、ターゲット市場の所得や支出の傾向、競合状況を反映します。また、~/.claude-marketing/brands/{slug}/guidelines/_manifest.json にガイドラインがあるか確認し、存在する場合は制限事項を読み込みます。~/.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、「最初にブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、デフォルト設定で進めます。
2. オーディエンスパネルを読み込む：既存のパネルは ID で指定します（利用可能なパネルを一覧表示するには python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action list-panels を実行します）。または、python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action create-panel --panel-name {name} --segments '[...]' を使って新しいパネルを作成します。新しいセグメント定義が提示された場合は、CRM データを根拠として使用します。CRM の購買履歴から、支出行動と価格感度を示す指標がセグメントに含まれていることを確認します。
3. セグメントごとに価格をテストする：各価格帯について、各セグメントを対象に python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action test-pricing --panel-id {id} --price-points '[...]' --product-description "..." を実行します。セグメントと価格の組み合わせごとに、購入可能性、知覚価値の評価、価格から品質への推測（安すぎると低品質の印象を与え、高すぎると購入対象から外れる）、感情的な反応（お得さに期待する、納得できる、ためらう、または拒否する）を推定します。
4. 最適な価格を算出する：セグメントごとの反応をもとに、購入可能性と利益率の合計スコアが最も高い最適価格、許容価格帯（品質の認識が低下する下限から、購入可能性が大きく落ち込む上限まで）、予測コンバージョンに価格を掛けた売上最大化価格（総売上が最大になるように最適化）、および利益率を問わず予測コンバージョンが最も高い販売数量最大化価格を算出します。
5. 競合価格と比較する：競合価格の情報が提示されている場合は、各テスト価格が競合との比較でどの位置にあるか（市場価格より低い、市場価格と同等、市場価格より高い）を示し、その位置づけが各セグメントのブランド認識や価格感度とどう関わるかを評価します。プレミアム価格が妥当なセグメントと、競合と同等または競合より低い価格設定でコンバージョンが大幅に増えるセグメントを特定します。
6. 価格戦略の推奨事項を作成する：分析結果を実行可能な価格設定の推奨事項にまとめます。すべてのセグメントに単一の価格が適する場合は最適価格を、支払意思額がセグメント間で異なる場合は段階的な価格体系を、新製品の発売時には導入価格戦略を提示し、競合に対するポジショニングの根拠も示します。確度に関する注意事項と、現実の市場で検証するための方法も含めます。

出力

以下を含む、体系的な価格分析です。

• セグメントごとの価格感度分析：各セグメントについて、テストしたすべての価格帯での購入可能性曲線、知覚価値の評価、価格と品質の推論のしきい値、およびセグメント固有の許容価格帯
• 最適価格：購入可能性、利益率、セグメント横断での受容度を組み合わせたスコアを最大化する単一の価格と、この価格が最適となる要因の説明
• 許容価格帯：品質の認識が低下してブランド毀損リスクが高まる下限と、購入可能性が実現可能なコンバージョン率を下回る上限で定義される、安全な価格帯
• 収益最大化価格：予測総収益（価格×予測コンバージョン数）を最大化する価格。通常、販売数最大化価格より高く、コンバージョン数は少ないものの、より高い利益が得られます。
• 販売数最大化価格：予測販売数または登録数を最大化する価格。通常はより低く、直近の利益率よりも市場浸透と顧客獲得を優先します。
• セグメントごとの支払意思額：各セグメントの最適価格、許容可能な最高価格、競合製品または代替品に乗り換える価格。これにより、単一価格ですべてのセグメントに対応できるか、段階的な価格設定が必要かが明らかになります。
• 競争上のポジショニング：推奨価格が競合他社と比べてどの位置にあるか、競合価格の影響を最も受けるセグメント、およびプレミアムなポジショニングが正当化できる領域と顧客離れを招く領域
• 価格戦略の推奨事項：単一価格、段階的な価格設定、導入価格、または競争上のポジショニング戦略など、セグメント分析と競争環境に基づいた根拠を示す、実行可能な推奨事項
• 信頼度と限界：信頼度を明示し、合成的な価格テストで予測できることとできないことを説明します。価格感度の傾向は信頼できますが、各価格での正確なコンバージョン率は予測できません。コンジョイント分析、実際のA/B価格テスト、またはアンケートに基づく支払意思額調査など、実環境での検証方法も推奨します。

使用するエージェント

• marketing-strategist — 価格戦略のフレームワーク設計、市場価格データに基づく競争上のポジショニング分析、収益と販売数の目標のバランスを考慮したセグメント横断の価格最適化、セグメント間に差がある場合の段階的な価格体系の推奨、および重要な価格決定に向けた実環境での検証計画
• crm-manager — 購入行動と支出傾向の把握に必要なCRMデータの抽出、過去の取引データに基づくセグメントごとの価格感度指標、および初回コンバージョンだけでなく長期収益も考慮した価格決定のための顧客生涯価値に関する情報