mcpField
F
founder-consumer

founder-consumer

github.com/jakeschincariol营销与增长2.1k361 次安装3 周前更新
代码仓库

关于 founder-consumer

founder-consumer 是用于测试创业产品需求的 Claude Code 技能，通过模拟买家子 Agent 收集购买意向、异议和价格反馈。适合希望在接触真实客户前梳理细分人群与风险的创始人；结果是模拟数据，不能替代真实转化验证。

主要功能

  1. 01建立目标客户画像与细分群体
  2. 02为买家生成一致的产品文案
  3. 03运行模拟买家调查并汇总结果
  4. 04收集购买理由、异议及价格反馈
  5. 05将结果供定价与营销技能使用

适用场景

  1. 01在投入营销前初步检验产品概念
  2. 02比较不同客户细分群体的购买意向
  3. 03发现潜在买家提出的异议
  4. 04为定价和产品文案整理反馈

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/jakeschincariol/founder-skill --skill founder-consumer

安装后在 Claude Code 中输入/founder-consumer确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

customer.example.json
panel.py
pitch.example.md

详细介绍

founder-consumer

这是整个工具包中最疯狂的一部分。与其猜人们会不会买，不如直接问一百个人；每个人都是一个子 Agent，扮演从目标客户中选出的特定买家。你是主持人，绝不能替买家回答。

用户在 /founder-consumer 后输入的内容：$ARGUMENTS

工具

所有记录工作都通过此技能文件夹中的 panel.py 进行：

python3 "${CLAUDE_SKILL_DIR}/panel.py" <command>

下文中的 PANEL 就是指这个命令。如果路径没有展开，请使用 Claude Code 为此技能打印的基础目录。状态保存在 founder/panel/ 中。

第 1 步：目标客户

编写 founder/customer.json（格式参见此文件夹中的 customer.example.json）：

  • business 和 target：用一句具体的话说明客户是谁。
  • segments：2 到 4 个群体，每个群体包含 share 和 income 收入范围 [low, high]。
  • behaviours：4 到 8 种购买行为，每种行为包含 share 和一行 how 描述（日常固定购买、专找优惠、阅读每条评论、忠于竞争对手……）。
  • objections：这类买家真正会有的 4 到 8 个疑虑。
  • habits（可选）：让买家更具体的日常情境描述。

以真实情况为依据。使用用户对其客户的了解；如果运行过 /founder-competitors，也要参考 founder/competitors.md 中的抱怨。如果用户有真实客户数据（访谈、评论、问卷回答），应优先使用这些数据，并说明哪些部分是猜测。用几行向用户展示客户画像，让他们在你进行交易前进行修正：客户画像错了，整个面板的结果都会错。

第 2 步：推介内容

编写 founder/pitch.md：买家实际会看到的内容。产品、价格、购买渠道和方式，以及任何首次优惠。用 3 到 6 行简单陈述，不要使用最高级措辞，也不要写业务无法兑现的内容。每位买家看到的内容必须完全一致。

第 3 步：进行交易并运行

PANEL init --customer founder/customer.json --pitch founder/pitch.md --n 100
PANEL prompts

init 会分配人物卡（种子相同，卡片相同；种子会被记录）。 prompts 会为每位买家写一份简报，并按每 10 人一组列出。对于每一组，发送一条消息，并为该组中的每位买家调用一次 Agent 工具（在较早版本的 Claude Code 中，Agent 工具名为 Task）：

  • subagent_type：general-purpose
  • description：panel <id>
  • prompt：Read <brief path> and follow it exactly. It is your whole brief.

等整组完成后再开始下一组。Claude Code 默认一次大约运行 10 次工具调用，因此 100 位买家分为 10 组。最后一组完成后：

PANEL check      # lists missing or broken answers
PANEL prompts    # rewrites briefs for those only; run them once more
PANEL tally

如果买家在回复中输出了 JSON，而不是写入文件（确实可能发生），请使用 PANEL save <id>，并将其回复通过 stdin 传入；save 会拒绝任何无效答案。买家失败两次后就会被排除，并计入结果。绝不要自己替买家编写答案。

在运行 100 位买家的面板前，告知用户这需要调用子 Agent 100 次，并建议先用 --quick（20 位买家）初步了解情况。每个子 Agent 会在 founder/panel/answers/ 中各写入一个文件；在默认权限模式下，每个文件都需要单独批准，因此建议运行时使用 accept-edits 模式（Shift+Tab）。

第 4 步：向用户解读结果

PANEL tally 会写入 founder/panel/results.md 和 results.json。向用户提供：

  1. 核心结果：“40 人购买 · 60 人放弃”，以及购买率。
  2. 谁会买、谁不会买：差异最大的细分群体和行为类别。
  3. 他们放弃的原因：前三个原因，每个原因附上一条原话引用。
  4. 哪些因素会让他们改变主意：出现次数最多的回答。
  5. 用一句话说明花钱前应该做哪些调整，以及该使用哪项技能（定价、优惠、营销）。

诚实说明局限，只需说一次

这些是模拟买家。他们善于发现你未曾考虑过的异议、细分群体和措辞，但不擅长预测实际转化率：语言模型倾向于迎合，因此应将购买率视为上限。在签署任何协议前，先通过真实用户验证关键结论（候补名单、预售、带价格的落地页）。不要把面板中的引用当作客户评价。

每位买家收到的简报

panel.py 会将卡片填入固定模板（见脚本中的 BRIEF）：买家的信息（姓名、年龄、细分群体、收入、购买行为、一个习惯，以及浮现在脑海中的疑虑）、逐字呈现的推介内容、一条要求不要一味附和、不要编造事实的指示，以及需要填写的准确 JSON：是否购买、首月购买量、原因代码、用买家自己的口吻写出的原因、主要异议、什么因素会改变其想法，以及四种价格反馈（太便宜、很划算、开始贵了、太贵）。绝不要为某位买家单独编辑简报。

输出

founder/customer.json、founder/pitch.md、founder/panel/（卡片、简报、回答、结果）。接下来：/founder-pricing 会读取价格反馈，/founder-offer 和 /founder-marketing 会读取异议。

评论

支持 Markdown