Menu
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。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
当需要评估获客渠道或优化获客漏斗时使用。用户获取指挥官，调度 acquisition-analysis（获客分析一体化），实现从渠道评估到漏斗优化的闭环。关键词：用户获取、获客渠道、漏斗优化、渠道评估、获客策略、acquisition-analysis、拉新、获客。
当需要识别和工程化Aha Moment时使用。Aha Moment自动工程化Pipeline，分析留存数据和行为数据，自动识别Aha Moment候选，测量到达率，识别最短路径，输出Onboarding优化建议。关键词：Aha Moment、激活时刻、用户激活、到达率、Onboarding优化、什么时候觉得好用、体验核心价值、爽点在哪。
当需要优化用户Onboarding流程时使用。Onboarding自动优化Pipeline，分析Onboarding数据和用户分群，自动生成个性化引导策略，设计A/B测试方案。关键词：Onboarding、新用户引导、引导优化、个性化引导、用户激活、新手引导、上手快、引导太长。
当需要识别Aha Moment或设计Onboarding流程时使用。用户激活指挥官，调度activation-aha/onboarding。关键词：用户激活、Aha Moment、Onboarding、新用户引导、新手引导、激活率。
当需要管理Sprint周期或追踪敏捷执行时使用。敏捷执行指挥官，调度 agile-sprint-planning、agile-daily-sync、agile-review 子Skill执行。agile-review 已合并 retrospective-auto 的自动回顾能力。关键词：敏捷执行、Sprint规划、每日站会、Sprint评审、敏捷管理、Sprint复盘、迭代复盘、敏捷开发、复盘报告、自动回顾。
当需要自动化Sprint评审和复盘报告时使用。Sprint评审与复盘报告一体化，Step 1完成Sprint评审（产出清单整理、Demo准备清单、反馈收集分类、数据收集、问题识别、改进建议生成），Step 2生成完整复盘报告（Sprint目标达成分析、交付质量评估、团队速率趋势、改进行动项、下一Sprint建议），Step 3完成上线复盘（效果复盘、工程质量复盘、过程复盘、改进行动项生成）。关键词：Sprint Review、Sprint Retro、迭代评审、迭代回顾、敏捷复盘、评审会、复盘报告、Sprint复盘、改进行动项、做得怎么样、上线复盘、发布复盘、效果评估、持续改进。
| 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"} |
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。
🤖→👤 AI建议人类审批
| 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 |
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"]
}
}
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：
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：
任务：评估Gain Creators与用户期望收益的匹配情况。
执行逻辑：
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：
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%"
}
}
存储路径：output/pm-strategy/business-value-fit/
输出文件：evaluation_report.json
| 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 |
{
"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"
}
]
}
}
高频痛点遗漏警告：
高严重度痛点遗漏警告：
收益期望缺口警告：
匹配度<3.0升级：
覆盖率<60%升级：
高风险假设识别：
评分一致性：
覆盖完整性：
建议可操作性：
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 |
本Skill需要BMC和用户研究数据，请通过以下方式之一提供：
| 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 |
| 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 |
Pipeline 2的输出将传递给Pipeline 3（定价策略），关键传递内容包括：
评估结果和警告将呈现给人类决策者，供以下决策参考：