focus-group

/digital-marketing-pro:focus-group

脚本位置。 如果你的宿主未设置 ${CLAUDE_PLUGIN_ROOT}，脚本位于此插件的 scripts/ 文件夹中，与 skills/ 同级。请使用 Python 3.10 或更高版本运行：python；如果找不到 python，则使用 python3（macOS 和许多 Linux 系统）。

用途

使用基于真实 CRM 数据构建的合成受众群体，开展模拟焦点小组。向代表实际客户细分群体的 AI 模拟角色展示测试材料（消息、定价、创意概念、定位陈述），并获取带有情感分析的结构化反应预测。此命令通过生成基于实际客户群行为画像的方向性反馈，弥合凭直觉做决定与昂贵的现实调研之间的差距。合成焦点小组开展快速、可重复且免费，非常适合在投入预算开展真实定性调研或上线营销活动之前缩小选项范围。每份输出都会明确说明置信度方面的局限，确保结果被视为有依据的假设，而非经过验证的数据。

所需输入

用户必须提供（或系统会提示用户提供）：

• 要测试的材料：向小组展示的消息版本、定价方案、创意概念或定位陈述。可以是用于反应分析的单项材料，也可以是用于比较评估的多项材料。形式可以是纯文本、结构化文案或概念简介。如果测试多项材料，请为每项清晰标注（版本 A、版本 B 等）
• 受众小组：之前的 /digital-marketing-pro:focus-group 或 /digital-marketing-pro:message-test 会话中使用过的现有小组 ID，或根据 CRM 数据构建小组所需的新细分群体定义。新小组需要提供细分标准，例如人口统计、行为、心理统计或价值相关属性。请指定 2-6 个细分群体，以便进行有意义的跨群体比较
• 向小组提出的问题：要向模拟角色提出的具体问题，例如开放式反应问题（“你的第一印象是什么？”）、量表评估问题（“请从 1-10 评价清晰度”）、发现异议的问题（“什么会让你放弃购买？”）或比较偏好问题（“你更喜欢哪个选项，为什么？”）。如果未提供，将使用涵盖第一印象、清晰度、可信度、相关性和购买意愿的默认问题集
• 要纳入小组的细分群体数量：小组中要包含的不同受众细分群体数量（2-6 个）。细分群体越多，跨群体分析越丰富，但输出篇幅也会越长。如果使用现有小组，则沿用其定义中的数量

流程

1. 加载品牌背景：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的 slug，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。应用品牌语气、定位、竞争背景和目标受众定义。还要检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指南——如果存在，则加载其中的限制。检查 ~/.claude-marketing/sops/ 中是否有代理机构标准操作流程。如果没有品牌，则询问：“先设置一个品牌吗（/digital-marketing-pro:brand-setup）？”——也可以使用默认设置继续。
2. 从 CRM 数据加载或创建合成调研小组：如果提供了现有调研小组 ID，则通过 --panel-id 引用（使用 python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action list-panels 列出调研小组）。如果给出了新的细分群体定义，则使用 python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action create-panel --panel-name {name} --segments '[...]' 创建调研小组，并以 CRM 数据为依据——从 CRM 中提取行为模式、购买历史分布、互动情况和人口统计属性，为每个细分群体构建真实可信的用户画像原型。然后通过 python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action focus-group --panel-id {id} --stimulus "..." --questions '[...]' 让调研小组参与测试，收集各细分群体的结构化反馈。
3. 向每个细分群体的用户画像原型展示刺激材料：向调研小组中的每个细分群体展示刺激材料和用户的问题。展示时结合 CRM 数据分析得出的每个用户画像原型的行为特征、偏好、痛点和沟通风格。
4. 生成各细分群体的预测反馈：根据行为特征，为每个细分群体生成结构化反馈，包括情感倾向（正面、中立或负面，并标注强度）、提出的主要顾虑、热情程度（1-10）、具体异议、改进建议，以及能够体现各细分群体可能如何表达反应的引述式语句。
5. 分析反馈模式：找出多个细分群体都认同的共识主题（强烈信号）、各细分群体意见不一的分歧点（个性化机会或风险领域），以及对现有假设提出挑战的意外反应。计算总体情感倾向分布，并标记反应强烈负面的细分群体。
6. 根据合成反馈生成建议：综合各细分群体的分析，形成可执行的建议——哪些内容应保留、哪些应更改、哪些细分群体最容易接受、哪些需要采用不同的方法，以及哪些后续测试最有价值。
7. 标明置信度限制：明确说明，合成反馈是基于 CRM 行为特征得出的假设，并非真实的消费者数据。根据 CRM 数据质量、细分群体样本量和刺激材料复杂程度，标注置信度（低、中、高）。建议具体的现实验证步骤——开展实际的焦点小组、调查或 A/B 测试，以确认最关键的发现。

输出

结构化焦点小组报告，包含：

• 焦点小组对话记录：按环节划分的回应，包含人物画像背景、情绪指标，以及代表各环节对刺激材料预测反应的仿真引语
• 共识主题：多个环节认同的观点——揭示哪些内容对受众有效或无效的最强信号
• 环节间的分歧点：各环节反应不同之处——个性化机会，或需要针对特定环节采取方法的风险领域
• 总体情绪评估：汇总所有环节的情绪分布，并附强度评分和趋势指标
• 提出的具体异议：按环节整理异议，并标注频率和严重程度——需要解决的接受障碍
• 改进建议：来自合成面板的具体建议，说明如何增强刺激材料，包括措辞调整、重点转移、缺失信息或替代性表述
• 预测置信度：明确标注置信度（低、中、高），并说明影响置信度的因素——CRM 数据深度、环节代表性和刺激材料复杂度
• 附带注意事项的建议：根据合成反馈提出策略建议，明确标注为方向性假设，并具体说明现实测试中可能出现差异的注意事项
• 后续步骤：具体的现实验证建议——优先测试哪些发现、推荐的研究方法（问卷调查、A/B 测试、真实焦点小组）、样本量和优先顺序

使用的 Agent

• marketing-strategist — 为各环节设计刺激材料的框定方式和呈现形式，解读跨环节洞察并识别模式，根据合成反馈综合制定策略建议，校准置信度评估，并规划现实验证与优先后续步骤
• crm-manager — 提取 CRM 数据，为人物画像提供行为特征和购买历史依据；根据数据质量和代表性选择环节并组建面板；持续管理面板，以便在多场焦点小组会议中重复使用