theory-analysis-product-positioning

製品ポジショニング理論の分析

概要

製品ポジショニング理論（Product Positioning Theory）を用いて複数の情報源から得た証拠を分析し、読みやすいレポートと、機械連携可能な構造化結果を出力します。 利用可能な情報源には、インタビューの要約、カスタマーサポートのチケット、ソーシャルメディアの投稿、調査メモ、観察記録などが含まれます。レビュー分析に限りません。 この skill には理論に関する章が含まれており、分析前に理論の概念と構成要素の判定基準を確認できます。 この skill は単独で使用することも、theory_annotations と stp_mapping を review-mining-stp に渡して使用することもできます。

入力契約

最低限、以下を指定してください。

• analysis_goal: string
• evidence_items: array
  • item_id: string
  • content: string
  • content_type: string

任意ですが、以下の指定を推奨します。

• source_type: string
• source_ref: string
• context_tags: string[]

データ充足性ゲート

必須フィールドが不足している場合、または利用可能な証拠内容がない場合は、MissingDataOutput を返し、無理に推論しないでください。

{
  "missing_fields": [],
  "why_needed": {},
  "questions_to_user": [],
  "next_step_rule": "Provide analysis_goal and at least one evidence item with item_id, content, and content_type, then rerun coding."
}

ワークフロー

1. まず references/00-theory-foundation.md を読み、理論の概念、主要な構成要素、研究への応用における文脈を確認します。
2. references/01-input-and-gate.md を読み、入力を検証し、データ不足を判定します。
3. references/02-dimension-coding-rules.md を読み、次の4つの構成要素に基づいて証拠にタグを付けます。
   • attributes
   • functions
   • benefits
   • usage_context_service_experience
4. references/03-output-contract-json-markdown.md を読み、JSON と Markdown を出力します。
5. 出力形式の例が必要な場合は、references/04-worked-example-turbocharger.md を参照します。

STP 連携

• theory_annotations.family は product_positioning に固定します。
• theory_annotations.subtheory には、以下のみ使用できます。
  • attributes
  • functions
  • benefits
  • usage_context_service_experience

さらに分析するには、review-mining-stp の dimension_catalog と stat_roles を併用できます。 review-mining-stp は任意の後続処理であり、この skill の必須手順ではありません。

品質ルール

• 引用は原文を保持し、直接引用のように見える形に書き換えてはいけません。
• 各構成要素の要約には、少なくとも1つの証拠を含めるか、insufficient と明示してください。
• taxonomy にない subtheory を出力してはいけません。

推奨プロンプト

• Use $theory-analysis-product-positioning to code mixed evidence items and output JSON + Markdown in Traditional Chinese.
• 請用 $theory-analysis-product-positioning 分析多來源證據，並提供可選串接 review-mining-stp 的 theory_annotations。