关于 what-if
what-if 是用于快速比较营销方案的技能，适合需要决定预算或渠道组合的团队。它以点估计和方差区间给出方向性结果，而非运行完整蒙特卡洛模拟；数值仅供规划参考，并非预测。
主要功能
- 01比较 2–4 个营销方案
- 02估算收入和 ROI
- 03展示相对基准方案的变化
- 04考虑爬坡时间与边际收益递减
- 05按评估标准排列方案
适用场景
- 01比较不同渠道预算组合
- 02为规划会议快速准备决策依据
- 03在深入模拟前缩小选项范围
- 04评估方案间的风险与取舍
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/what-if确认已加载。
详细介绍
/digital-marketing-pro:what-if
用途
快速场景对比工具。将 2-4 种营销场景进行对比——不同的预算分配、渠道组合或策略方法——并排查看预测结果。这是完整蒙特卡洛模拟（/digital-marketing-pro:simulate）的轻量快速替代方案。模拟工具会使用完整的概率分布运行数千次迭代，而 what-if 使用点估算和简单的方差范围，几分钟内即可给出方向性答案。当你需要快速判断“应该选 A 还是 B”，但不需要完整模拟的统计深度时，可用它快速决策——例如团队会议、Slack 讨论、快速规划电话会议，或在深入分析前缩小备选范围。
模拟输出——不是预测。 what-if 投影是
revenue-simulator.py根据你提供的假设和历史基准生成的方向性点估算，并非实测预测。请将每个场景的数字都视为规划辅助：在确定预算前，使用你自己的数据验证 ROI 假设。本技能中的所有示例金额均为合成数据（仅供说明——切勿重复使用这些数字）。
所需输入
用户必须提供（或将收到提示）：
- 要对比的场景：2-4 个命名场景，每个场景都需包含渠道级预算分配和各渠道的预期 ROI。例如：“场景 A：重投付费渠道——Google Ads 投入 $50K、Meta 投入 $30K、电子邮件投入 $10K”与“场景 B：内容驱动——Google Ads 投入 $20K、Meta 投入 $15K、内容投入 $40K、SEO 投入 $15K”。每个场景都需要描述性名称和渠道预算明细。如果用户只提供了概括性描述（“增加付费渠道投入，减少自然流量投入”），请询问具体的金额分配或百分比分配
- 当前基准：现有预算分配和近期表现，作为对比参考——即品牌当前的做法，以便清楚显示每个场景的差异。如果未提供，请从品牌上下文的历史数据中获取
- 评估标准（可选）：这项决策中最重要的因素——总收入、ROI 效率、风险水平、见效速度，或加权组合。若未指定，默认使用预期收入
- 时间范围（可选）：要预测多长时间——默认为 3 个月。较短的时间范围更有利于付费渠道，较长的时间范围则更有利于自然流量和内容投入，因为其效果会不断累积
流程
- 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。提取历史渠道表现、近期 ROI 数据和已知基准，用于校准情景预测。还要检查~/.claude-marketing/brands/{slug}/guidelines/_manifest.json中的指南，并查看~/.claude-marketing/sops/中的代理机构 SOP。如果没有品牌，请询问：“先设置一个品牌吗（/digital-marketing-pro:brand-setup）？”——或者使用行业默认值继续。 - 定义当前基线和备选情景：将当前状态设为情景 0（基线），并使用近期实际表现数据。然后，为每个用户情景定义渠道预算和 ROI 假设——优先使用品牌历史数据，没有数据时则使用行业基准。标记与历史表现差异显著的假设，以便用户确认。
- 运行快速模拟：以 what-if 模式执行
revenue-simulator.py——进行简化预测，使用点估计和方差区间计算各情景的预期收入（而非完整的 Monte Carlo 模拟），对接近饱和的渠道应用基本的边际收益递减，并考虑渠道爬坡时间（SEO 和内容需要数月才能见效，付费渠道则能立即见效）。执行更快，结果可用于判断方向。 - 比较预测结果：构建并排比较表，展示每个情景的预测收入、总 ROI、相对基线的差值（包括绝对金额和百分比）、渠道贡献，以及简单的风险指标（根据渠道集中度和假设敏感度分为低／中／高）。根据用户的评估标准对情景进行排序。
- 确定最佳情景和关键权衡：选出预期回报最佳的情景，以及风险调整后回报最佳的情景（如果两者不同）。说明首选方案之间的关键权衡——分别能获得什么、需要放弃什么，以及要达到预测结果必须满足哪些假设。
输出
简洁的情景比较，包含：
- 情景并排比较：展示每个情景的预测收入、总 ROI、成本和风险等级——使用清晰的比较表格，以基线作为参照列，并突出显示各备选方案的差值
- 相对当前基线的差值：逐个情景列出与品牌当前做法相比，预测收入、ROI 和成本的绝对变化及百分比变化，让人一目了然地看出各情景是否有所改善，以及改善幅度
- 推荐方案及理由：明确推荐的情景并解释原因——综合考虑预期回报、风险、可行性及与品牌目标的一致性。如果两个情景相差不大，请说明哪些因素会影响最终选择
- 首选情景之间的关键权衡：选择一个首选情景而非另一个的具体收益与牺牲——包括渠道依赖、爬坡时间差异、风险集中度，以及方案未达预期时的可逆性
使用的 Agent
- marketing-scientist — 使用点估计和方差区间进行情景建模，结合爬坡时间和边际收益递减调整进行渠道 ROI 预测，开展并排比较分析和差值计算，根据假设敏感度和渠道集中度评估风险，并综合预期回报、风险状况和战略契合度形成推荐方案
评论
支持 Markdown