loop-detect

/digital-marketing-pro:loop-detect

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/ 并列。请使用 Python 3.10 或更高版本运行：使用 python；如果找不到 python，则使用 python3（macOS 和许多 Linux 系统）。

用途

检测、建模并优化业务中的增长循环。识别现有的复利循环——病毒式（用户邀请用户）、内容式（内容吸引用户，用户再创作内容）、数据式（更多用户改进产品，进而吸引更多用户）、付费式（收入用于投放广告，从而带来更多收入）、生态系统式（集成吸引用户，用户再构建集成）以及社区式（成员吸引成员，成员贡献价值）。通过放大系数和周期时间对各循环的成效建模，找出限制复利增长的瓶颈，并根据业务模式和当前优势提出新的循环。

所需输入

用户必须提供（或将收到提示提供）：

• 业务指标：关键增长和参与度数据——用户获取数据（注册、激活、来源）、内容产出量（博客文章、UGC、社交媒体提及）、收入数据（MRR、ARPU、LTV）、推荐数据（发送的邀请、推荐转化、病毒系数）、参与度指标（DAU/MAU、会话频率、功能采用情况）以及留存率（每周、每月、每年）。最好提供至少 3 个月的历史数据，以便检测趋势
• 业务模式：公司的主要业务模式——SaaS（订阅软件）、电商（产品销售）、市场平台（连接买家和卖家）、媒体（内容和广告）、B2B 服务（咨询、代理）、开发者工具（API/平台）、社区/社交（网络效应）或混合模式。这决定了哪些循环范型最相关，以及预期的放大系数
• 已知增长驱动因素：用户已知的增长驱动因素——“大多数客户来自自然搜索”“推荐计划带来了 30% 的注册用户”“我们的 API 市场正在增长”“内容营销是我们的主要渠道”。这有助于确定优先建模的循环，并校准检测算法
• 增长目标（可选）：用户希望实现的目标增长率或具体指标——“在 12 个月内将 MRR 翻倍”“达到 10K DAU”“将 CAC 降低 40%”。如果提供，循环提案和投资建议将围绕这些目标进行优化
• 限制条件（可选）：会影响循环可行性的预算限制、团队规模、技术限制或渠道限制——“工程团队有 5 人”“营销预算为每月 $20K”“由于行业法规，无法投放付费社交广告”

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。根据商业模式、行业基准、已知渠道和受众特征，校准循环检测阈值和基准放大系数。检查 ~/.claude-marketing/sops/ 中是否有代理机构的 SOP。如果没有品牌，请询问：“先设置一个品牌（/digital-marketing-pro:brand-setup）？”——或者使用默认值继续。
2. 检测现有增长循环：通过 python "${CLAUDE_PLUGIN_ROOT}/scripts/growth-loop-modeler.py" --action detect-loops --brand {slug} 分析提供的指标，识别正在发挥复利效应的循环。留意病毒式循环（推荐率 > 0，且邀请到转化的流程稳定）、内容循环（自然流量增长与内容产出相关）、数据循环（产品改进指标与用户增长相关）、付费循环（再投资模式带来正向 ROAS）、生态系统循环（集成或市场增长带动用户获取），以及社区循环（成员增长与社区贡献相关）。每个检测到的循环都会根据数据强度分配一个置信度评分。
3. 为每个检测到的循环建模：针对每个已识别的循环，计算关键参数——放大系数（每个周期相对于输入所产生的输出量，例如每位用户邀请 0.3 位用户并成功转化，即病毒系数为 0.3x）、周期时间（一个完整循环从输入到放大后输出所需的时间——病毒式循环以天计，内容循环以周计，生态系统循环以月计）、衰减率（如果没有维护或投入，循环效力减弱的速度），以及可持续性评估（循环能否无限复利增长、会否在自然上限处趋于平稳，或会否在没有持续投入时衰减）。
4. 找出瓶颈：针对每个循环，找出对放大系数制约最大的环节。在病毒式循环中，瓶颈可能是发送邀请的比率、邀请接受率，或被推荐用户的激活率。在内容循环中，瓶颈可能是内容产能、SEO 排名提升速度，或内容到注册的转化率。量化消除各个瓶颈的影响——如果某个环节提升 2 倍，放大系数会增加多少。
5. 提出新循环：根据商业模式、当前优势和检测到的循环缺口，提出业务可以启动的新增长循环。针对每项提案，定义循环机制（逐步流程）、根据行业基准估算的放大系数、启动所需投入（预算、工程、内容、合作伙伴关系）、预计完成第一个周期所需的时间，以及必须满足的先决条件。优先考虑能发挥现有优势并与活跃循环相辅相成的提案。
6. 按 12 个月预测比较循环：通过 python "${CLAUDE_PLUGIN_ROOT}/scripts/growth-loop-modeler.py" --action compare-loops --brand {slug} 对所有检测到的循环和提议的循环进行前向预测——根据当前（或估算的）放大系数和周期时间，模拟 12 个月的复利增长。展示各循环的累计产出、对整体增长的相对贡献，以及循环之间的相互作用（例如，内容循环通过扩大可供推荐的用户群来为病毒式循环提供助力）。
7. 生成投资建议：根据预计的 12 个月 ROI，对所有现有循环和提议的循环排序，同时考虑所需投入、启动工作量和复利潜力。建议如何投资以实现最大复利增长——要优化哪些现有循环（以及具体应解决哪个瓶颈）、要启动哪些新循环，以及应降低哪些循环的优先级。如果用户提供了增长目标和限制条件，也要纳入考量。

输出

• 检测到的增长循环及健康评估：识别出的每个活跃循环，包括其类型（病毒式、内容、数据、付费、生态系统、社区）、检测置信度、当前健康状态（蓬勃发展、稳定、衰退或停滞），以及用通俗语言描述该循环在此业务中的运作方式
• 增长循环模型及 12 个月预测：每个检测到的循环的完整模型，包括放大系数、周期时长、衰减率、可持续性评级，以及未来 12 个月的预测，展示累计产出和环比增长贡献，并附置信区间
• 各循环的瓶颈分析：每个循环中的限制环节及其量化影响——瓶颈处的当前指标、解决瓶颈后预计的改善幅度（2 倍情景），以及缓解限制的具体行动
• 新循环提案：按可行性和预计影响排序的拟议增长循环——每个循环均包含完整的循环机制、估算参数、所需投资、启动时间、前置条件，以及假设成功启动时的 12 个月预测
• 投资优先级排名：按 12 个月预计 ROI 对所有循环（现有和拟议）进行排名——展示所需投资、预期回报、置信度和战略依据。突出显示首选建议，并列出具体后续步骤
• 循环对比表：并排比较所有循环，包括类型、放大系数、周期时长、12 个月预测、所需投资、瓶颈和优先级评分，便于快速决策
• 实施路线图：为最高优先级建议制定分阶段行动计划——第 1-2 周（快速修复瓶颈）、第 1 个月（优化循环）、第 2-3 个月（启动新循环）、第 4-12 个月（扩展并实现复利增长），并列出里程碑和检查节点

使用的 Agent

• marketing-strategist — 评估增长循环的战略性，并确保其与业务模式相匹配；根据竞争分析和行业模式提出新的循环；结合业务目标和资源限制确定投资优先级；安排实施路线图；并分析循环间的相互作用，识别它们如何相互强化或争夺资源
• marketing-scientist — 定量建模增长循环，包括计算放大系数、估算周期时长和分析衰减率；通过蒙特卡洛模拟进行未来 12 个月的预测并生成置信区间；识别瓶颈并量化其影响；计算投资建议的 ROI；并使用多因素排名为循环对比评分