marketplace-pre-member-personalisation

双边平台工程：会员注册前个性化最佳实践

这是一份全面的设计与诊断指南，适用于双边信任型平台的会员注册前用户旅程。涵盖匿名信号推断、针对不同平台角色的验证（宠物主人和宠物保姆在付费前各自需要看到什么）、消除信息不对称、渐进式个人资料完善、社会认同、转化心理学、引导流程中的意图采集、身份关联以及会员注册前的衡量。包含 10 个类别中的 53 条规则，按级联影响排序，每条规则均以已发表的消费者信任与决策研究为依据。

适用场景

在以下情况下参考此技能：

• 设计或评审匿名落地页和首次渲染体验
• 决定在访客注册或付费前向其展示哪些内容
• 设计引导流程，并决定提问内容及顺序
• 规划付费墙时机——触发时机、文案、触发条件和价格锚定
• 诊断访客到付费会员转化过程中出现流失的转化漏斗
• 决定如何在匿名 → 已注册 → 会员的转变过程中保留访客状态
• 衡量会员注册前的实验，并决定是否上线某项干预措施
• 回答“宠物主人或宠物保姆在付费前究竟需要相信什么？”

此技能是 marketplace-personalisation 和 marketplace-search-recsys-planning 的前置技能。所有涉及付费会员前阶段的内容都从这里开始；达到付费会员边界后，再交由这两个技能处理。

研究基础

此技能中的每条规则均以已发表的消费者信任、风险下决策、平台经济学和实验研究为依据：

研究来源	提供的依据
Cialdini — Influence	社会认同（具体案例优于汇总数据）、相似性原则、承诺
Kahneman 与 Tversky — Prospect Theory	损失厌恶、价格锚定、风险表述
Roth — Who Gets What and Why	匹配市场动态、双边接受率、冷启动惩罚
Fogg — Behavior Model	动机 × 能力 × 触发因素、付费墙时机
Bandura — Self-Efficacy Theory	首次寄养路径设计、以具体步骤进行说服
Slovic — Affect Heuristic	对风险的过度重视、安全信号的显著性
Nielsen Norman Group	表单设计、信任、评论可信度
Trope 与 Liberman — Construal Level Theory	心理距离、本地可信证据
Ein-Gar、Shiv、Tormala — Blemishing Effect	正负评价并存时的可信度
Small 与 Loewenstein — Identifiable Victim Effect	具名个人证据与统计数据的对比
Green 与 Brock — Narrative Transportation	首次体验故事
Kohavi — Trustworthy Online Experiments	主要结果、代理指标、细分
Radlinski 与 Craswell — Optimized Interleaving	快速排名实验
Airbnb / DoorDash engineering	双边平台排名与搜索

规则类别

以下类别按其对会员注册前转化旅程的级联影响排序：

#	类别	前缀	影响
1	匿名信号推断	signal-	关键
2	宠物主人验证与信任	owner-	关键
3	宠物保姆验证与机会	sitter-	高
4	消除信息不对称	gap-	高
5	渐进式个人资料完善	profile-	中高
6	社会认同与相似群体	proof-	中高
7	个性化转化触发因素	convert-	中高
8	引导流程中的意图采集	onboard-	中
9	身份关联	stitch-	中
10	会员注册前衡量与实验	measure-	中

快速参考

1. 匿名信号推断（CRITICAL）

• signal-extract-role-from-url-and-referrer — 在首次渲染前，根据 URL 路径推断用户身份
• signal-infer-geography-with-confidence — 使用 GeoIP 并注明置信度，避免虚假的确定性
• signal-capture-entry-point-metadata — 按会话保存 UTM、来源页和落地页路径
• signal-use-anonymous-session-tokens — 从首次请求开始获取会话级身份
• signal-classify-inbound-intent — 区分交易意图、调查意图和好奇心
• signal-separate-raw-from-derived — 同时保留原始信号和带版本号的派生特征

2. 宠物主人验证与信任（CRITICAL）

• owner-show-specific-local-reviews — 展示可识别受益者的社会认同，而非汇总统计数据
• owner-display-honest-local-availability — 诚实反映本地供给，比夸大数量更有效（预期违背研究）
• owner-surface-safety-guarantees-prominently — 在首屏上方突出展示保险和保障（Slovic 情感启发式）
• owner-rank-sitters-by-pet-match-experience — 根据宠物类型评估可行性，而非按全局人气排序
• owner-demystify-effort-explicitly — 明确说明所需时间，胜过理想化文案（Fogg）
• owner-anchor-cost-against-local-alternative — 以当地宠物寄养机构的价格作为锚点（Kahneman）

3. 宠物照护者验证与机会（HIGH）

• sitter-show-inventory-in-target-destinations — 展示目标地区的供给，而非全局数量
• sitter-be-honest-about-first-stay-competition — 按群组展示接受率
• sitter-provide-concrete-first-stay-path — 提供五步路径（Bandura 自我效能）
• sitter-show-typical-daily-commitment — 明确说明每天所需的时长和遛宠次数，不要只说“视情况而定”
• sitter-rank-stays-by-travel-goal — 根据旅行目标排序
• sitter-disclose-hidden-costs-transparently — 透明披露食物、水电和交通费用（Edelman 信任研究）

4. 消除信息不对称（HIGH）

• gap-warn-about-cold-start-penalty — 首笔交易最难；应如实说明
• gap-surface-lead-time-reality — 展示各目的地的预订提前期中位数
• gap-display-acceptance-rate-for-profile-shape — 付款前展示对应资料类型的群组接受率
• gap-route-unworkable-segments-to-alternatives — 引导无法满足条件的用户选择其他方案，而非售卖虚假的希望
• gap-surface-seasonal-supply-constraints — 展示季节性曲线，并突出标注用户到访月份
• gap-link-to-realistic-first-experience-story — 以真实坦诚的故事展现首次体验，即使其中包含不便之处

5. 渐进式构建画像（中高）

• profile-build-incrementally-on-each-interaction — 点击后更新画像，下一页重新排序
• profile-decay-features-with-inactivity — 指数衰减，半衰期为 5 分钟
• profile-persist-across-tabs-and-reloads — 服务端按会话密钥存储
• profile-surface-confidence-alongside-predictions — 在数值旁显示置信度分数
• profile-reset-on-explicit-role-change — 切换角色时清除角色专属特征

6. 社会认同与相似用户群体（中高）

• proof-use-specific-peer-stories-not-aggregates — 具体人物胜过“4.9 星”
• proof-match-peer-stories-to-inferred-cohort — 相似性原则
• proof-source-stories-from-real-history-not-handpicked — 数据管线，而非营销
• proof-localise-social-proof-to-visitor-area — 缩短心理距离
• proof-surface-mixed-reviews-not-only-five-star — 瑕疵效应

7. 个性化转化触发机制（中高）

• convert-trigger-paywall-on-specific-listings — 具体对象胜过通用弹窗
• convert-use-loss-aversion-framing-on-soft-locks — “别失去你已创建的内容”（Kahneman）
• convert-anchor-price-against-local-alternative — 与角色相符的本地锚定价格
• convert-never-interrupt-active-search — 仅在自然停顿点触发（Fogg）
• convert-re-engage-non-converting-registrants-personalised — 个性化触发胜过通用触发

8. 引导流程中的意图采集（中）

• onboard-ask-role-before-anything-else — 角色决定分支路径
• onboard-ask-highest-information-gain-first — 按信息增益排序
• onboard-prefill-from-inferred-signal — 确认胜过手动输入
• onboard-make-optional-questions-genuinely-skippable — 不使用暗黑模式设置必填标记
• onboard-allow-answer-revision-without-restart — 修改答案时无需重新开始，也不会丢失进度

9. 身份关联（中）

• stitch-preserve-profile-across-registration — 注册时不重置
• stitch-use-deterministic-matching-for-returning-visitors — 邮箱哈希优于指纹识别
• stitch-avoid-cross-contamination-on-account-switch — 保持家庭账户数据整洁
• stitch-handle-multi-device-via-privacy-safe-signal — 跨设备关联仅使用确定性信号
• stitch-degrade-gracefully-on-low-confidence — 宁可使用新画像，也不要错误合并

10. 会员前衡量与实验（MEDIUM）

• measure-define-anonymous-to-member-as-primary-outcome — 一个主要指标，其余均为诊断指标
• measure-attribute-conversion-to-signal-change — 基于资料差异的归因
• measure-segment-by-channel-and-visitor-profile — 防止辛普森悖论
• measure-run-interleaving-for-fast-experiments — 排名所需样本量减少 10–100 倍

持续更新的上下文

此技能将产品视为持续演进的对象。以下三份持续更新的资料可在不同会话、版本发布和团队变更之间传递上下文：

• gotchas.md — 仅追加记录会员前转化事件的诊断经验
• 访客疑虑矩阵 — 并排列出双方需要验证事项的表格，随着新疑虑出现而扩展
• 会员前实验日志 — 记录每项转化实验的假设、队列、干预措施和结果

每次发布变更后都要更新这三份资料。

使用方法

• 阅读 references/_sections.md，了解类别结构和级联理由
• 在提出干预措施前，阅读 gotchas.md，了解积累的经验
• 当具体任务与规则标题相符时，阅读相应的规则文件
• 使用 assets/templates/_template.md，随着技能发展编写新规则

相关技能

• marketplace-search-recsys-planning — 会员后的检索规划（搜索、OpenSearch、排名）。在付费会员激活后移交。
• marketplace-personalisation — 会员后的个性化（AWS Personalize、展示追踪、反馈循环、双边匹配）。在付费会员激活后移交。

参考文件

文件	描述
references/_sections.md	类别定义和级联理由
gotchas.md	积累的会员前诊断经验
assets/templates/_template.md	编写新规则的模板
metadata.json	版本、学科、研究参考资料