audience-intelligence

name	audience-intelligence
description	受众智能框架 — 定义谁在看、新客vs老客逻辑、内容差异化表达，让每条内容精准触达目标受众
plugin	git-plugin-amc

Skill · Audience Intelligence

F&B Content Engine · core/audience-intelligence.md

──────────────────────────────────────────────────

Purpose

知道"在跟谁说话"，是优秀内容管理官与普通发帖机器人的根本区别。

本 Skill 定义：

1. 受众分层 — 品牌受众的四个关系阶段
2. 平台受众默认画像 — 各平台用户群体特征
3. 新客 vs 老客内容逻辑 — 不同关系阶段需要不同内容
4. 内容差异化表达 — 同一产品，面向不同受众的不同切入角度
5. 受众信号识别 — 从互动数据中读取受众行为特征

---

受众四层关系模型

每一条内容创作前，必须明确目标受众层级。

Layer 1 · 发现者 Discoverer（新客 · 从未接触品牌）

核心需求： 为什么我要关注/尝试这个品牌？

属性	说明
心理状态	陌生、持怀疑态度、需要理由
决策驱动	社会证明（别人都在买）/ 价格透明 / 视觉吸引 / 独特性
内容触发器	"我从来不知道有这个" / "这看起来值得一试"
推荐支柱	Product Spotlight / Educational
推荐 Hook	discovery / craving / deal
关键内容元素	价格可见 · 社会证明数字 · 零门槛 CTA（"第一次来就点这个"）

内容写法示例（同一产品，Discoverer 版本）：

"你可能不知道这附近有一家 —— $12.90 就能吃到手拉面，汤底熬了 6 小时。 周边 2000 多个评论，4.8 星。 新客点这个准没错。👇"

---

Layer 2 · 考虑者 Considerer（潜客 · 知道品牌但未行动）

核心需求： 这个品牌和其他家比怎么样？值得现在去吗？

属性	说明
心理状态	感兴趣但犹豫，在比较选项
决策驱动	差异化卖点 / 限时机会 / 具体产品细节 / 他人评价
内容触发器	"好，就这家了" / "这和我之前吃的不一样"
推荐支柱	Product Spotlight / Community（顾客故事）
推荐 Hook	contrarian / deal / community
关键内容元素	具体差异点 · 限时信息 · 真实顾客原话

内容写法示例（Considerer 版本）：

"很多人说港式和记手拉面 vs 我们的有什么区别。 答案只有一个：来一次你就知道了。 这周三前来，午市套餐九折。"

---

Layer 3 · 常客 Regular（回头客 · 有过消费经验）

核心需求： 有什么新的？我还值得再来吗？

属性	说明
心理状态	有好感、偶尔光顾、关注动态
决策驱动	新品/季节更新 / 熟悉感 + 新鲜感 / 被记住的感觉
内容触发器	"噢这个新出的？要去试试" / "这家又有新东西了"
推荐支柱	Brand Story / Product Spotlight（新品方向） / Community
推荐 Hook	discovery / bts
关键内容元素	"回来了""新出的""你们问了很久""我们终于做了"

内容写法示例（Regular 版本）：

"很多老顾客问了一年的问题： 冬天那个麻辣暖锅什么时候回来？ 答案：这周四。 汤底配方今年做了升级。"

---

Layer 4 · 拥护者 Advocate（忠实粉丝 · 主动传播品牌）

核心需求： 我想感觉自己是品牌的一部分。

属性	说明
心理状态	强烈认同、主动推荐、希望有参与感
决策驱动	独家信息 / 被认可 / 参与品牌决策
内容触发器	"就是我们帮他们做到的" / "我早就知道了"
推荐支柱	Community / Brand Story
推荐 Hook	community / bts
关键内容元素	"你们帮我们取的名字""感谢你们一直以来""这是内部才知道的"

内容写法示例（Advocate 版本）：

"上个月我们征集新甜品名字， 最后选了 @user_handle 的建议：「晚风芝麻球」。 这周五正式上菜单，谢谢你们。❤️"

---

平台受众默认画像

重要： 这是统计层面的默认值，非绝对规律。品牌实际受众以 audience-profile.md 数据为准。

平台	年龄主力	语言	消费决策特征	受众关系层	内容目标
TikTok	18–34	混合/本地	冲动型，3秒决定	Discoverer → Considerer	触达新受众，激发好奇
Instagram	22–40	英文为主	审美驱动，收藏再决策	Discoverer + Regular	视觉留存，建立品牌印象
小红书	18–35	中文	深度研究型，信任 KOL/真实评价	Considerer → Regular	转化犹豫者，口碑沉淀
Facebook	30–55	本地/中英	社群导向，家庭/团体决策	Regular + Advocate	维系社区，激活老客
YouTube	全年龄	多语言	有意搜索，高意向	Considerer → Regular	深度建立信任
X	25–45	英文	意见领袖型，话题讨论	Discoverer + Advocate	品牌声量，行业存在感

平台受众含义：

• TikTok 和 IG 内容 → 优先 Discoverer/Considerer 写法
• Facebook 和小红书 内容 → 优先 Regular/Advocate 写法
• 每周内容组合应覆盖所有四个层级，不能只顾新客或只顾老客

---

新客 vs 老客内容比例

默认黄金比例

Discoverer + Considerer（拉新）：50%
Regular + Advocate（留存/激活）：50%

动态调整规则

若品牌处于 Growth Phase（新品牌 / 新市场 / 重大推广期）：
  拉新 60% / 留存 40%

若品牌处于 Retention Phase（稳定运营 / 老顾客流失信号）：
  拉新 40% / 留存 60%

判断依据（来自 performance-learning 数据）：
- 粉丝增长率 >5%/月 → 维持默认比例
- 粉丝增长率 <2%/月 → 偏向 Growth Phase
- 互动主要来自评论（老粉特征） → 偏向 Retention Phase
- 互动主要来自保存（新粉特征） → 维持或偏向 Growth Phase

---

受众信号识别

从每条内容的互动数据推断受众行为：

互动信号	受众推断	内容含义
高保存率 (saves/reach >5%)	以 Discoverer 为主	用户在收藏"稍后去试"，拉新内容有效
高分享率 (shares/reach >3%)	Considerer → Advocate	内容有传播价值，用户愿意推荐给朋友
高评论率 (comments/reach >2%)	Regular + Advocate	活跃社区，老客参与度高
高触达低互动	Discoverer 曝光但未转化	Hook 不够强，或内容与受众不匹配
粉丝增长 spike	Discoverer 大量进入	内容成功触达新受众，追加同类内容

信号读取流程（配合 performance-learning）：

每次 48h 评分时，同时记录：
- primary_signal: [saves|shares|comments|reach]
- inferred_audience: [Discoverer|Considerer|Regular|Advocate]

写入 performance-log.md 对应记录
若连续 3 条内容 primary_signal = saves：
  → 推断 Discoverer 层级受众活跃
  → 在下周 08:00 topic discovery 中增加 Discoverer 定向内容

---

内容差异化表达矩阵

同一个信息点，面向不同受众层级的表达方式：

信息点	Discoverer	Considerer	Regular	Advocate
新品上线	"你可能还不知道我们出了..."	"很多人问的那个 — 来了"	"老朋友，你们等了很久的..."	"第一批内测名额，你们先来"
价格	"$12.90，包你吃饱"	"同区比较，这个性价比..."	"老顾客价格没变，但份量升级了"	"你们知道我们为什么还能保持这个价格吗"
口碑	"4.8 星 · 2000+ 评论"	"来看看真实顾客怎么说"	"上个月你们帮我们拿了月度最佳"	"这是你们帮我们做到的"
促销	"第一次来？这个套餐最适合"	"这周限定，错过要等下季"	"常客专属提醒：明天涨价前最后一天"	"给你们的专属码，转发给朋友用"
幕后故事	"我们怎么做这道菜"	"为什么我们只用这种食材"	"这是我们今年做的最大一次改良"	"你们提的建议，我们真的做了"

---

创作时的受众声明

在 repurpose-chain Step 0 的 Decision Output 中，必须声明目标受众：

[Audience Target]
  主要受众层级: [Discoverer | Considerer | Regular | Advocate]
  平台受众匹配:
    Instagram → Discoverer（平台默认拉新属性）
    Facebook  → Regular（平台默认社区属性）
    小红书    → Considerer（用户在做决策研究）
  拉新/留存比: 本周实际 [X%] / [X%] → 目标 50%/50%
  受众信号: 最近 3 条内容 primary_signal = [saves/shares/comments]

---

受众画像成熟路径

品牌刚安装插件时，受众画像是"假设"。随运营数据积累，逐步变为"实测"：

Week 1-4:    使用平台默认画像 + Bootstrap Q5 品牌描述的受众假设
Month 2-3:   performance-learning 积累足够数据，开始修正画像
Month 4+:    实测受众信号主导内容决策，画像趋于准确

修正信号：
- 若 TikTok 评论主要是中文 → 受众非预期英文年轻群体
- 若 Facebook 点赞主要来自 35+ → 确认社区老客画像
- 若小红书保存率异常高 → Discoverer 层大量进入

每月第一天：performance-learning 更新 audience-profile.md 的
"实测受众信号"字段，并与假设对比，标注偏差

---

与其他系统集成

→ Repurpose Chain（每次创作）

• Step 0 读取 audience-profile.md 获取当前受众假设
• 在 Decision Output 中声明目标受众层级
• 各平台内容使用对应层级的写法框架

→ Performance Learning（48h 评分后）

• 追加 primary_signal 和 inferred_audience 字段
• 识别受众信号趋势 → 调整拉新/留存比例

→ Content Pillars（周内容规划）

• Community 支柱 → 优先 Advocate/Regular 写法
• Educational 支柱 → 优先 Discoverer/Considerer 写法
• Promotional 支柱 → 按当前新客/老客比需要选择写法

→ Weekly Report（每周报告）

• 新增"受众健康度"版块：

  受众信号本周：
  - 主要信号: saves（Discoverer 活跃）
  - 拉新内容互动率: +32% vs 留存内容
  - 建议: 本周增加 1-2 条 Discoverer 定向内容