business-value-fit

name	business-value-fit
description	当需要评估价值主张与用户需求的匹配度时使用。价值主张匹配度自动评估，AI自动执行，评估商业画布中的价值主张与用户痛点/收益的匹配程度。关键词：价值主张匹配、痛点覆盖、收益验证、匹配度评分、用户需要吗、价值对不对。
metadata	{"module":"产品商业与战略","sub-module":"商业模式设计","type":"pipeline","version":"2.1","domain_tags":["SaaS","通用"],"trigger_examples":["我们的价值主张对不对","用户真的需要这个功能吗"],"interaction_mode":"ai_suggest_human_approve"}

价值主张匹配度自动评估

核心原则

1. 痛点覆盖优先——高频高严重度痛点必须被价值主张覆盖，遗漏即警告
2. 531评分标尺——匹配度评估使用5/3/1/0四级评分，标准统一不可模糊
3. 加权计算透明——痛点权重=频率×严重度，收益权重=重要性×满意度缺口
4. 缺口即行动——未覆盖的痛点和收益必须附带改进建议，不可只标注不行动

执行周期：在Pipeline 1（商业模式画布）完成后自动触发

核心目标：系统性地评估价值主张与用户真实痛点和期望收益的匹配程度，识别覆盖盲区和改进机会。

交互模式

🤖→👤 AI建议人类审批

输入

输入项	类型	必填	来源	说明
BMC价值主张	JSON	是	output/pm-strategy/business-model-canvas/bmc.json	价值主张列表，含Pain Relievers和Gain Creators
用户研究数据	JSON	是	user-research-user-modeling / user-research-voice-analysis	用户画像、痛点、期望收益、机会简报

必需输入

BMC中的价值主张（来自Pipeline 1）：

{
  "value_propositions": [
    {
      "proposition_id": "vp-1",
      "headline": "价值主张标题",
      "description": "价值主张详细描述",
      "target_segment": "segment-1",
      "pain_relievers": ["解决的痛点1", "解决的痛点2"],
      "gain_creators": ["创造的收益1", "创造的收益2"]
    }
  ]
}

探索阶段用户研究数据：

{
  "persona_summary": {
    "demographics": "人口统计特征",
    "behaviors": "用户行为特征",
    "goals": "用户目标"
  },
  "problem_statement": {
    "pains": [
      {
        "pain_id": "pain-1",
        "description": "痛点描述",
        "frequency": "出现频率",
        "severity": "严重程度",
        "urgency": "紧迫程度"
      }
    ],
    "gains": [
      {
        "gain_id": "gain-1",
        "description": "期望收益描述",
        "importance": "重要性",
        "current_satisfaction": "当前满意度"
      }
    ]
  },
  "opportunity_definition": {
    "opportunity_description": "企业培训数字化渗透率仅28%，AI个性化学习需求年增长45%",
    "evidence": ["艾瑞咨询2024企业培训市场报告", "国务院职业教育改革实施方案"]
  }
}

执行步骤

Step 1：痛点对齐度评估

任务：系统性评估每个Pain Reliever与用户痛点的覆盖情况。

评分标准（5/3/1评分）：

评分	含义	判定条件
5	完美覆盖	价值主张完全解决痛点核心，用户可显著感知
3	部分覆盖	价值主张解决痛点但非核心维度，或解决程度有限
1	边缘覆盖	价值主张与痛点关联弱，仅间接影响
0	未覆盖	价值主张未涉及该痛点

执行逻辑：

1. 遍历每个Pain Reliever
2. 与问题陈述中的每个痛点进行匹配
3. 依据评分标准确定匹配分数
4. 计算加权平均分（权重：频率×严重程度）

输出格式：

{
  "pain_alignment": {
    "covered_pains": [
      {
        "pain_id": "pain-1",
        "pain_description": "培训效果难以量化和追踪",
        "matched_by": ["vp-1"],
        "coverage_score": 5,
        "coverage_quality": "full/partial/edge/none",
        "notes": "AI学习报告功能完全覆盖该痛点"
      }
    ],
    "uncovered_pains": [
      {
        "pain_id": "pain-5",
        "pain_description": "学员学习路径缺乏个性化",
        "frequency": "high",
        "severity": "high",
        "impact": "高频高严重度痛点'课程内容与岗位需求脱节'未被覆盖",
        "recommendation": "建议增加岗位技能图谱匹配功能"
      }
    ],
    "pain_coverage_summary": {
      "total_pains": 10,
      "fully_covered": 4,
      "partially_covered": 3,
      "uncovered": 3,
      "weighted_average_score": 3.2,
      "high_frequency_coverage_rate": "80%"
    }
  }
}

验收标准：

• 所有Pain Relievers已与痛点匹配
• 每个痛点有明确覆盖状态
• 遗漏痛点包含改进建议

Step 2：收益创造验证

任务：评估Gain Creators与用户期望收益的匹配情况。

执行逻辑：

1. 遍历每个Gain Creator
2. 与问题陈述中的期望收益进行匹配
3. 评估收益创造的真实性和可实现性
4. 识别用户期望但未被承诺的收益

输出格式：

{
  "gain_validation": {
    "covered_gains": [
      {
        "gain_id": "gain-1",
        "gain_description": "培训投入产出可量化",
        "created_by": ["vp-1"],
        "coverage_status": "covered/partial/not_covered",
        "realizability": "高/中/低",
        "notes": "AI学习报告+ROI看板可实现，技术成熟度高"
      }
    ],
    "uncovered_gains": [
      {
        "gain_id": "gain-3",
        "gain_description": "学员自主学习意愿提升",
        "importance": "high",
        "gap_analysis": "用户期望社交化学习体验但当前价值主张未涉及",
        "recommendation": "建议在V2.0规划中纳入学习社区功能"
      }
    ],
    "gain_summary": {
      "total_gains": 8,
      "covered": 5,
      "partial": 2,
      "uncovered": 1,
      "alignment_rate": "75%"
    }
  }
}

验收标准：

• 所有Gain Creators已验证
• 未覆盖收益已识别并评估重要性
• 可实现性评估合理

Step 3：匹配度总评

任务：综合痛点覆盖和收益创造，计算整体匹配度评分。

加权平均计算：

Overall Fit Score = (Pain Alignment Score × 0.6) + (Gain Validation Score × 0.4)

评分解释：

分数范围	含义	行动建议
4.0-5.0	优秀匹配	价值主张设计合理，可进入下一阶段
3.0-3.9	良好匹配	有改进空间，建议优化后进入下一阶段
2.0-2.9	一般匹配	存在明显缺口，需要调整价值主张
1.0-1.9	较差匹配	价值主张与用户需求存在重大错位
0-0.9	严重错位	需要重新设计价值主张

输出格式：

{
  "overall_fit_score": 3.4,
  "score_interpretation": "良好匹配",
  "score_breakdown": {
    "pain_alignment_score": 3.5,
    "pain_weight": 0.6,
    "pain_contribution": 2.1,
    "gain_validation_score": 3.25,
    "gain_weight": 0.4,
    "gain_contribution": 1.3
  },
  "coverage_rate": {
    "pain_coverage": "80%",
    "gain_coverage": "75%",
    "high_priority_coverage": "85%"
  }
}

输出

存储路径：output/pm-strategy/business-value-fit/

输出文件：evaluation_report.json

输出校验规则

字段路径	类型	必填	说明
evaluation_report.evaluation_metadata.evaluated_at	string	是	评估时间戳
evaluation_report.evaluation_metadata.value_propositions_evaluated	number	是	已评估价值主张数量
evaluation_report.evaluation_metadata.pains_analyzed	number	是	已分析痛点数量
evaluation_report.evaluation_metadata.gains_analyzed	number	是	已分析收益数量
evaluation_report.evaluation_metadata.confidence	string	是	high/medium/low
evaluation_report.pain_alignment.covered_pains	array	是	已覆盖痛点列表
evaluation_report.pain_alignment.uncovered_pains	array	是	未覆盖痛点列表，每项含recommendation
evaluation_report.pain_alignment.pain_coverage_summary	object	是	覆盖率统计
evaluation_report.gain_validation.covered_gains	array	是	已覆盖收益列表
evaluation_report.gain_validation.uncovered_gains	array	是	未覆盖收益列表，每项含recommendation
evaluation_report.overall_fit_score	number	是	综合匹配度评分0-5
evaluation_report.coverage_rate	object	是	覆盖率指标
evaluation_report.improvement_suggestions	array	是	改进建议列表
evaluation_report.warnings	array	是	警告列表

完整评估报告

{
  "evaluation_report": {
    "evaluation_metadata": {
      "evaluated_at": "2024-06-15T14:20:00Z",
      "value_propositions_evaluated": 3,
      "pains_analyzed": 10,
      "gains_analyzed": 8,
      "confidence": "high/medium/low"
    },
    "pain_alignment": {...},
    "gain_validation": {...},
    "overall_fit_score": {...},
    "coverage_rate": {...},
    "improvement_suggestions": [
      {
        "suggestion_id": "sug-1",
        "priority": "high/medium/low",
        "category": "add_pain_coverage/enhance_gain/clarify_message/reposition",
        "description": "增加AI学习路径效果可视化功能，覆盖学员进度追踪痛点",
        "expected_impact": "痛点覆盖率提升15%，匹配度评分提升0.5分",
        "implementation_effort": "中等，需2个Sprint开发周期"
      }
    ],
    "warnings": [
      {
        "warning_type": "high_frequency_uncovered",
        "description": "高频痛点'培训效果难以量化'未被价值主张覆盖",
        "affected_pains": ["pain-3", "pain-7"],
        "severity": "high"
      }
    ]
  }
}

决策规则

警告触发规则

1. 高频痛点遗漏警告：

   • 触发条件：频率≥20%的痛点未被覆盖
   • 行动：生成警告，明确标注受影响痛点
   • 严重程度：高

2. 高严重度痛点遗漏警告：

   • 触发条件：严重程度=high的痛点覆盖率<70%
   • 行动：生成警告，建议优先改进

3. 收益期望缺口警告：

   • 触发条件：重要性=high的收益未被承诺
   • 行动：生成警告，评估是否需要调整

升级规则

1. 匹配度<3.0升级：

   • 触发条件：Overall Fit Score < 3.0
   • 行动：标记为需要人类关注，不阻止但建议调整
   • 输出升级标记供人类决策者参考

2. 覆盖率<60%升级：

   • 触发条件：高频痛点覆盖率 < 60%
   • 行动：强制升级人类审批

3. 高风险假设识别：

   • 触发条件：匹配度依赖高风险假设
   • 行动：标注假设风险，建议验证计划

质量检查

自检清单

• 所有Pain Relievers已评估
• 所有Gain Creators已验证
• 遗漏清单完整无遗漏
• 评分逻辑一致
• 权重设置合理
• 警告规则正确触发

质量标准

1. 评分一致性：

   • 相同痛点-价值主张组合的评分应保持一致
   • 评分理由充分且可解释

2. 覆盖完整性：

   • 痛点覆盖不能为0（除非明确选择不覆盖某些痛点）
   • 高频高严重度痛点必须有覆盖

3. 建议可操作性：

   • 改进建议具体可执行
   • 优先级排序合理

---

降级策略

当上游文件不存在时，本Skill仍可独立执行：

缺失的上游输入	降级方案	输出影响
bmc.json	用户提供价值主张和用户痛点 → 直接评估匹配度	缺乏BMC结构化数据，价值主张可能不完整
用户研究数据（voice-analysis / persona）	用户提供价值主张和用户痛点 → 直接评估匹配度	缺乏用户研究数据，痛点频率和严重度缺乏实证
bmc.json + 用户研究数据	用户提供价值主张和用户痛点描述 → 直接评估匹配度	整体置信度降低，评分缺乏数据锚定
所有上游文件均缺失	提示用户先执行前序阶段，或基于用户提供价值主张和用户痛点直接评估匹配度	整体置信度显著降低，评估仅为假设推断

数据获取说明

本Skill需要BMC和用户研究数据，请通过以下方式之一提供：

1. 直接描述价值主张和用户痛点
2. 上传bmc.json / persona.json / voice-analysis.json文件
3. 提供数据文件路径

• AI不负责外部数据采集，仅负责分析

---

上游变更响应

上游变更影响表

上游变更	影响范围	响应策略
bmc.json价值主张变更	痛点对齐度和收益创造验证需重新评估	重新执行Step 1-3，更新匹配度评分
bmc.json客户细分调整	价值主张与细分群体对应关系	重新匹配价值主张与目标用户
persona/voice-analysis用户痛点更新	痛点覆盖率和遗漏分析	重新执行Step 1，更新未覆盖痛点清单
problem-statement问题陈述变更	痛点和收益的优先级权重	重新计算加权评分，更新匹配度总评

下游通知机制表

变更类型	影响范围	通知方式
匹配度评分变更	business-pricing、positioning-strategy	输出文件版本号+变更摘要
痛点覆盖率变更	business-model-canvas	输出文件版本号+变更摘要
改进建议新增	business-model-canvas	输出文件版本号+变更摘要
警告触发/解除	business-pricing	输出文件版本号+变更摘要

---

Integration

与Pipeline 1集成

Pipeline 2的输出将传递给Pipeline 3（定价策略），关键传递内容包括：

• 价值主张Fit评分
• 覆盖率和遗漏分析
• 改进建议（可能影响定价方案）

与人类决策集成

评估结果和警告将呈现给人类决策者，供以下决策参考：

• 是否需要调整价值主张
• 是否接受当前匹配度进入下一阶段
• 优先级改进方向