target-segment-matching

name	target-segment-matching
description	面向基金产品管理领域的客群匹配任务Skill，围绕「目标客群匹配助手」场景提供信息抽取、结构化分析与结果输出。

目标客群匹配助手 Skill

数据来源

1. 输入类型

• 基金公告/定期报告/招募说明书/产品说明材料
• 净值与收益时间序列、持仓与资产配置披露
• 销售/服务记录、客户反馈与问答素材(如适用)
• 合规口径与品牌内容规范(如适用)

2. 主要数据要素

• 产品要素(策略、费率、申赎规则、开放期)
• 规模与份额变动、资金流向与申赎结构
• 客户画像与渠道反馈要点
• 竞品与同类产品对标信息
• 合规披露要求与内控口径

3. 质量要求

• 输入信息尽量完整，包含时间区间、基金代码与核心指标
• 若来自 OCR/截图，请尽量校对错字与断行
• 对于未披露的数据需明确标注“缺失/待补充”

---

核心能力

• 提取核心指标(收益、风险、风格、持仓特征)并进行结构化汇总
• 识别优势/短板与关键驱动因子，形成可追溯的分析链条
• 对异常波动或结构变化给出原因假设与影响评估
• 输出可执行的跟进建议与观察清单
• 明确产品定位、目标客群与差异化要点
• 提出产品迭代或渠道落地建议
• 输出触达/陪伴策略与关键沟通节奏
• 沉淀客户异议与情绪标签，形成安抚与引导话术

---

输出结构

1. 基础字段

• skill
• domain
• scene
• input_summary
• key_findings
• data_quality
• limitations

2. 场景扩展模块(按需输出)

• analysis
• metrics
• diagnosis
• risks
• recommendations
• product
• positioning
• target_audience
• differentiators
• customer_strategy
• segments
• touchpoints
• tone

---

使用示例

1. 安装依赖

pip install -r requirements.txt

2. 运行脚本

python scripts/main.py --input sample.txt --output-json result.json --output-md report.md

3. 输出示例

{
  "skill": "目标客群匹配助手",
  "domain": "产品管理",
  "scene": "客群匹配",
  "input_summary": {
    "fund_code": "000000",
    "fund_name": "示例基金",
    "period": "2024Q4",
    "data_coverage": "净值/持仓/披露/市场"
  },
  "key_findings": [
    "关键结论1",
    "关键结论2"
  ],
  "data_quality": {
    "has_text": true,
    "text_length": 1200
  },
  "limitations": [
    "仅基于输入信息形成初步判断"
  

---

注意事项与限制

• 仅对输入文本进行结构化与初步判断，不替代人工投研或合规结论
• 若缺少关键数据(持仓、基准、时间区间)，结果需明确提示不完整
• 输出建议应结合实际业务口径与监管要求复核

---

适用场景

• 业务条线: 产品管理
• 场景/能力: 客群匹配
• 典型用户: 研究员、产品经理、渠道与客服、合规审查或内容运营人员

---

License

• 代码部分遵循 MIT License
• 数据来源与披露口径需遵循对应数据供应商与监管要求