pricing-test

/digital-marketing-pro:pricing-test

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/ 文件夹并列。请使用 Python 3.10 或更高版本运行：使用 python，或者在找不到 python 时使用 python3（macOS 和许多 Linux 系统）。

用途

针对基于真实 CRM 数据构建的合成受众面板，测试定价场景。按细分群体估算支付意愿，找出最优价格点、可接受的价格区间，以及收入最大化价格与销量最大化价格之间的差距。此命令将 Van Westendorp 和 Gabor-Granger 风格的定价分析引入 AI 模拟面板，以较低的成本和更短的周期提供方向性的定价洞察，无需开展正式定价研究。可在推出新产品、调整现有定价、推出分级方案或评估竞争性定价定位之前使用。每份输出都包含置信度方面的限制，确保结果被视为有依据的估算；对于影响重大的定价决策，仍需通过现实验证。

所需输入

用户必须提供（或系统将提示用户提供）：

• 产品或服务说明：需要定价的产品或服务，包括功能、价值主张、目标用例，以及客户如何看待该产品或服务的相关背景。说明越具体，合成面板对价格敏感度的反馈就越有依据
• 待测试价格点：在受众面板中评估的 3-8 个具体价格点。价格点应覆盖有意义的范围——从用户认为过低的低端锚定价格，到用户认为过高的高端锚定价格。等间距设置最有利于识别敏感度曲线
• 受众面板：之前会话中的现有面板 ID，或根据 CRM 数据构建的新细分群体定义。细分群体应代表差异显著的买家类型，例如注重预算与追求高端、小型企业与大型企业、新客户与忠诚客户，因为不同群体的定价敏感度差异很大
• 当前价格（供参考）：如果产品已上市，则提供其现有价格点。此价格将作为参考锚点，用于衡量各细分群体受到的价格变动影响。对于新产品，可省略此项，或提供用户倾向采用的价格
• 竞争性定价背景（可选）：类似产品或服务的已知竞争对手价格。提供此信息后，分析将评估竞争定位——各测试价格点相对于竞争对手的位置，以及该定位如何影响各细分群体感知到的价值

流程

1. 加载品牌背景：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的品牌标识，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。应用品牌定位、品牌的感知溢价或折扣、目标市场的收入和消费特征，以及竞争格局。同时检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指南；如果存在，则加载其中的限制条件。检查 ~/.claude-marketing/sops/ 中的代理机构标准操作流程。如果尚无品牌，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. 加载受众面板：通过面板 ID 引用现有面板（使用 python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action list-panels 列出可用面板），或者使用 python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action create-panel --panel-name {name} --segments '[...]' 创建新面板；如果提供了新的细分群体定义，则使用 CRM 数据作为依据。确保细分群体包含基于 CRM 购买历史的消费行为和价格敏感度指标。
3. 测试各细分群体的定价：针对每个价格点，运行 python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action test-pricing --panel-id {id} --price-points '[...]' --product-description "..."，测试每个细分群体。对于每一种细分群体与价格的组合，估算购买可能性、感知价值评分、价格质量推断（价格过低意味着质量低，过高则意味着被排除在外）以及情绪反应（对价格感到惊喜、觉得合适、犹豫或拒绝）。
4. 计算最优定价：根据各细分群体的反馈，计算最优价格点（购买可能性与利润率的综合得分最高）、可接受的价格范围（质量感知开始下降的价格下限，以及购买可能性骤降的价格上限）、收入最大化价格（价格乘以预测转化率，以总收入最大化为目标）和销量最大化价格（不考虑利润率，预测转化率最高的价格）。
5. 对比竞争定价：如果提供了竞争定价背景，则将每个测试价格点映射到其竞争定位——低于市场价、与市场价持平或高于市场价，并评估这种定位如何与各细分群体的品牌认知和价格敏感度相互影响。找出溢价定价有理可据的细分群体，以及采用竞争平价或低价策略能显著提高转化率的细分群体。
6. 生成定价策略建议：将分析结果归纳为可执行的定价建议——如果一个价格适用于所有细分群体，则给出单一最优价格；如果各细分群体的支付意愿差异较大，则制定分层定价结构；如果是新产品发布，则提出导入期定价策略，并说明竞争定位的依据。注明置信度方面的注意事项，并推荐在现实环境中验证的方法。

输出

结构化定价分析，包含：

• 各细分群体的价格敏感度分析：针对每个细分群体，分析其在所有测试价格点上的购买可能性曲线、感知价值评分、价格—质量推断阈值，以及该细分群体可接受的价格范围
• 最优价格点：使购买可能性、利润率和跨细分群体接受度综合得分最高的单一价格点，并说明促成这一最优结果的因素
• 可接受的价格范围：下限（低于此价格时，质量感知会下降，品牌受损风险会增加）和上限（高于此价格时，购买可能性会低于可行的转化率），共同界定安全定价区间
• 收入最大化价格：使预测总收入（价格乘以预测转化量）最高的价格点——通常高于销量最大化价格，转化量较低，但利润更高
• 销量最大化价格：使预测销量或注册人数最高的价格点——通常较低，侧重市场渗透和客户获取，而非短期利润率
• 各细分群体的支付意愿：各细分群体的最佳价格点、可接受的最高价格，以及其转向竞争对手或替代品的价格——揭示统一定价是否适用于所有细分群体，或是否需要分层定价
• 竞争定位：建议价格点相对于竞争对手的位置、受竞争定价影响最大的细分群体，以及适合采取高端定位而不会导致客户流失的领域
• 定价策略建议：可执行的建议——统一定价、分层定价、引入优惠定价或竞争定位策略——并根据细分群体分析和竞争环境说明理由
• 置信度和局限性：明确的置信度评级，并说明合成定价测试能够和无法预测的内容——方向性的敏感度模式可靠，但无法准确预测各价格点的转化率。建议通过联合分析、实时价格 A/B 测试或基于调查的支付意愿研究进行实际验证

使用的 Agent

• marketing-strategist — 设计定价策略框架；依据市场定价数据分析竞争定位；在平衡收入和销量目标的同时优化跨细分群体定价；在不同细分群体定价需求有差异时，提出分层定价结构建议；并为高风险定价决策制定实际验证计划
• crm-manager — 提取 CRM 数据，以购买行为和消费模式为依据；根据历史交易数据识别各细分群体的价格敏感度指标；并提供客户终身价值背景信息，支持兼顾长期收入而非仅关注初始转化的定价决策