mcpField
I
intel-discipline-advisor

intel-discipline-advisor

github.com/deanpeters营销与增长7.7k1.1k 次安装2 周前更新
代码仓库

关于 intel-discipline-advisor

intel-discipline-advisor 是一项交互式技能,帮助产品经理决定如何调查市场或竞争问题。它会推荐精简的情报收集方式、频率、执行技能和对应产出,并说明选择依据及何时不必开展调查。

主要功能

  1. 01将问题分流至情报收集方式
  2. 02建议监测频率与执行技能
  3. 03说明建议对应的产出
  4. 04考虑已有信号和时间限制
  5. 05适时建议采用非调查途径

适用场景

  1. 01选择渠道以交叉验证竞争者信号
  2. 02规划市场或定价材料的研究
  3. 03按团队可投入时间设置持续监测

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/deanpeters/product-manager-skills --skill intel-discipline-advisor

安装后在 Claude Code 中输入/intel-discipline-advisor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。

template.md
examples/
conversation-flow-industrial.md
conversation-flow.md

详细介绍

Intel 研判顾问

目的

将竞争或市场问题分流到合适的情报响应:开展八种收集学科中的哪些、按什么频率、为哪个产出物提供信息,以及由哪个技能执行。 intelligence-collection-disciplines 汇总了所有渠道的全部信息;本顾问要回答的是忙碌的 PM 真正会问的问题——“根据我手头的情况,哪些两三个渠道最重要?我有限的时间该花在哪里?” 对每个问题都运行所有学科,是一种失败做法;围绕决策确定范围,才是专业所在。本顾问会在分流过程中讲解如何匹配,因此到第三次使用时,你就不再需要它了。这正是目标。

输入

**最适合提供:**你手头的决策或问题,用自己的话描述——“我觉得[竞争对手 A]正在开发某种产品”“我的 TAM 幻灯片被批得一无是处”“销售团队总是措手不及。” **也很有帮助:**你已经注意到的任何信号(招聘信息、定价变化、财报发言)、你的时间预算,以及你是否只能使用免费来源。

在调用时一并提供的任何内容——技能名称后的文本、粘贴的上下文,或附加的 ARGUMENTS: 行——都视为已给出的答案。使用这些信息,并跳过其中已涵盖的问题;不要重复询问。

**空手而来也没关系。**顾问会先询问你手头的情况,并列出若干选项供你选择。

调用示例:Intel discipline advisor: two of their senior engineers just followed our CTO on a preprint server, and their careers page doubled — what do I run?

关键概念

  • **引导流程:**默认使用 workshop-facilitation 作为交互流程(进入模式、每轮一个问题、进度标签、编号建议)。本文件定义领域逻辑。
  • 分流核心是 intelligence-collection-disciplines 中的产出物映射表:每种 PM 产出物都有已知的学科组合和刷新频率。顾问的任务是将用户的情况匹配到一行——并展示匹配过程,因为这种映射本身就是学习内容。
  • **已发现的信号能让你抢占先机。**如果用户注意到招聘信息激增,HUMINT 就已经标记过一次——建议从置信度递进阶梯上的“已标记 1 个学科”开始,并指出哪些独立渠道可以佐证(见 autonomous-investigation)。
  • **频率必须与证据变化速度和人力容量相匹配。**定价页面每月都会变化;统计数据每年发布一次。无法持续执行的监测,比不监测更糟——它会让人产生“有人在关注”的虚假信心。
  • **坦诚建议不调查。**有些问题不需要调查:如果问题是“客户为什么流失”,答案应该是赢单/失单访谈和客户探索,而不是专利扫描。顾问会明确说明这一点。

应用

这个交互式技能会提出 3 个自适应问题,然后给出结合上下文的编号建议。

问题 1:你手头有什么?

“目前是什么情况?请选择最接近的一项,或者描述你自己的情况:

  1. 怀疑竞争对手有所行动——你认为有人正在开发产品、进入市场或重新定位
  2. 需要制作或更新的产出物——TAM/SAM/SOM、竞争作战卡、定位、ICP/用户画像、定价分析
  3. 利润率或市场结构方面的难题——利润率下滑、品类变化、进入市场的决策
  4. 建立持续监测机制——你想要持续覆盖,而非一次性答复”
问题 2:自适应追问
  • 如果选择 1(怀疑有变动):“是什么让你察觉到的——招聘信息、定价变动、高管发帖、专利,还是客户评价?(你看到的情况已经被一个情报领域标记;我们会挑选可能证实它的独立渠道。)”
  • 如果选择 2(具体材料):“是哪份材料?是否有之前的版本可供比较?”
  • 如果选择 3(结构问题):“问题涉及整个行业的结构,还是某家公司在其中的地位?”
  • 如果选择 4(持续监测):“说实话,你或你的团队能投入多少固定时间——每周 30 分钟、每月半天,还是每季度一天?”
问题 3:限制条件

“还有两个简单的问题:只能使用免费来源,还是可以使用付费工具?以及是否有特定的地理区域?(区域会决定适用哪些登记机构和统计局。)”

接下来:提出建议

综合信息并提供 3-5 条编号建议,每条都需说明:情报领域组合 → 频率 → 执行技能 → 输入材料,并用一句话说明何时适合选择该建议。务必说明为何选择这些情报领域(映射表逻辑),并在适当时说明退出选项。按照引导流程处理单项选择、组合选择(“1 和 3”)以及自定义方向。

路由速查(摘自材料映射表):

情况情报领域组合执行技能
怀疑有变动交叉验证已发现的信号:TECHINT + HUMINT + SIGINT + FININT,融合分析intelligence-collection-disciplines 融合模板,然后使用 competitive-intel-watch
竞争战卡SIGINT + OSINT + HUMINTbattle-card-builder,并通过持续监测保持内容更新
TAM/SAM/SOMGEOINT/DEMOINT + FININT 捕获率tam-sam-som-calculator 模式 3
定位 / ICPOSINT + GEOINT/DEMOINT(+ VoC)voice-of-customer-miner → positioning-statement
行业结构FININT + OSINTporters-five-forces
某家公司的地位OSINT + FININT + HUMINTswot-analysis 或 company-intel
定价问题SIGINT + FININTpricing-packaging-tracker
宏观因素影响GEOINT/DEMOINT + 监管类 FININTpestel-delta-monitor
持续监测每周 SIGINT、每月 OSINT + HUMINT、每季度 FININT + TECHINT——根据所述可投入时间调整competitive-intel-watch
全面分析按顺序涵盖以上所有领域competitive-analysis-process

结束时,提供根据本次交流填写的一页式分流卡(template.md),列明路线、选择理由和复查日期,作为交接材料。

示例

示例流程(虚构):

Q1 → 用户:“1 — 我认为 [Competitor A] 正在布局数据平台。” Q2 → 用户:“他们的招聘页面上的职位翻了一倍,主要是数据工程师。” Q3 → 用户:“免费来源,仅限美国。”

“你提到的招聘情况意味着 HUMINT 已经标记过一次——单一渠道只是轶事, 因此需要通过独立渠道进行佐证。建议:

  1. 本周开展 TECHINT 扫查(patents.google.com + 他们的 GitHub 组织 + arXiv 署名信息,免费)—— 如果与招聘激增对应的专业领域出现论文或专利集群,这是目前最有力的情报融合组合。 优先选这个:单位时间内的佐证价值最高。
  2. 花 30 分钟检查 SIGINT(用 crt.sh 查看新增子域名,用 Wayback 比较他们的产品页面)—— 如果进展比招聘情况所显示的更快,就能捕捉到发布前的准备工作。
  3. 他们下次财报电话会时做一次 FININT 调查——留意资本支出方面的回避说法和业务分部措辞 的变化;可通过他们的 IR 页面免费收听。速度较慢,但能把假设转化为可汇报的情报。
  4. 改为设置监控——如果本季度抽不出时间,就把 [Competitor A] 接入 competitive-intel-watch,按月监控,让定期检查捕捉变化。

回复 1、2、3、4、类似“1 和 2”的组合,或告诉我更多信息。(两个一致的情报门类 = 工作假设;三个 = 向领导层汇报。)”

**退出路径示例:**用户选择“成果:ICP 刷新”,但 Q2 揭示了真正的问题:“为什么我们最近三笔企业交易都停滞了?”坦诚的建议应首先推荐胜负分析访谈(HUMINT 的实情核查层)和 discovery-interview-prep ——“如果你自己的流失客户能更好地回答某个问题,那么任何公开网络扫描都无法给出答案。”

请参阅 examples/conversation-flow.md,了解完整的端到端会话: 内嵌输入表明三道问题中有两道已获回答;用户给出的产能回答得到认可;用户选择了组合方案;以及通过“告诉我更多”获得了教学式解答。 examples/conversation-flow-industrial.md 展示了针对实体世界信号的路由调整——使用许可证和海关数据,而不是站点差异。

常见误区

  • **把全部八种都开出来。**推荐所有情报门类,等于拒绝分诊。根据决策匹配两三个渠道,胜过表面上的全面覆盖——映射表的作用就是让你能够跳过不必要的渠道。
  • **忽视已发现的信号。**用户提供的线索,是情报叠加梯级上的免费先机。推荐会重新检测同类信号的渠道,不会增加佐证;只有独立性才能形成叠加。
  • **不切实际地设定频率。**为注意力跨度以季度计的团队设计每周监控。先询问产能,再相信回答。
  • **只做路由,不做讲解。**给出建议却不解释“原因”,会削弱学习效果。每条建议都应体现其映射表逻辑——用户离开时应更擅长分诊,而不只是完成了分诊。
  • **没有退出路径。**强行把每个问题都纳入调查。有些问题通过探索、胜负分析和支持工单,比任何公开网络扫描都能得到更好的答案;确实如此时就应直说。

参考

评论

支持 Markdown