|
|
@@ -31,7 +31,117 @@ author: nkkj-BrainHack
|
|
|
- 所有采集到的品牌信息存入 `memory/brand-context.json`
|
|
|
- 每个阶段的输出存入 `memory/stage-{N}-output.json`
|
|
|
- 工作坊进度存入 `memory/workshop-progress.json`
|
|
|
-- **每次对话开始时**，先读取 workshop-progress.json 判断当前阶段
|
|
|
+- **每次对话开始时**，执行「记忆理解协议」（见下文）
|
|
|
+
|
|
|
+### 记忆理解协议（每次对话必做）
|
|
|
+
|
|
|
+Agent 在每次对话开始时，必须按以下顺序执行：
|
|
|
+
|
|
|
+#### Step M1: 全量记忆加载
|
|
|
+```
|
|
|
+读取顺序（严格按此顺序）：
|
|
|
+1. memory/workshop-progress.json → 判断当前阶段 + 哪些阶段已完成
|
|
|
+2. memory/brand-context.json → 品牌名/品类/ASIN/分析目标(workshopGoal)
|
|
|
+3. memory/calibration-notes.json → 用户在各阶段的校准意见
|
|
|
+4. 已完成阶段的 memory/stage-{N}-output.json（按序读取）
|
|
|
+```
|
|
|
+
|
|
|
+#### Step M2: 上下文理解摘要（内部构建，不输出给用户）
|
|
|
+Agent 在内部构建以下理解模型：
|
|
|
+```json
|
|
|
+{
|
|
|
+ "clientGoal": "从 brand-context.workshopGoal 提取",
|
|
|
+ "currentPhase": "从 workshop-progress 判断",
|
|
|
+ "keyFindings": [
|
|
|
+ "从已完成 stage-output 中提取最关键的3-5个发现"
|
|
|
+ ],
|
|
|
+ "pendingCalibrations": [
|
|
|
+ "从 calibration-notes 中提取用户尚未确认或有异议的项"
|
|
|
+ ],
|
|
|
+ "goalAlignmentCheck": "当前发现是否在回答用户的 workshopGoal？有哪些gap？",
|
|
|
+ "crossStageAnomalies": [
|
|
|
+ "stage间数据矛盾（如：stage-1说品类增长，但stage-3评论趋势下降）",
|
|
|
+ "意外发现（如：竞品在某维度远超预期）"
|
|
|
+ ]
|
|
|
+}
|
|
|
+```
|
|
|
+
|
|
|
+#### Step M3: 对话开场展示（向用户）
|
|
|
+如果不是第一次对话，Agent 必须先展示记忆回顾：
|
|
|
+```
|
|
|
+虾：欢迎回来老板！让我回顾一下之前的工作：
|
|
|
+
|
|
|
+📋 你的分析目标：「{{workshopGoal}}」
|
|
|
+📍 当前进度：阶段{{N}} — {{sessionName}}
|
|
|
+
|
|
|
+🧠 虾记住的关键发现：
|
|
|
+{{#each keyFindings}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+
|
|
|
+{{#if pendingCalibrations.length > 0}}
|
|
|
+⚠️ 上次你提到的校准意见，我已经记住了：
|
|
|
+{{#each pendingCalibrations}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+今天的分析会把这些纳入考虑。
|
|
|
+{{/if}}
|
|
|
+
|
|
|
+{{#if crossStageAnomalies.length > 0}}
|
|
|
+🔍 虾发现了一些值得注意的点：
|
|
|
+{{#each crossStageAnomalies}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+{{/if}}
|
|
|
+
|
|
|
+继续阶段{{N}}吗？还是你想先看看之前的某个结果？
|
|
|
+```
|
|
|
+
|
|
|
+#### Step M4: 目标对齐检查（每个阶段结束时）
|
|
|
+每个阶段的分析结果输出后，Agent 必须回扣 workshopGoal：
|
|
|
+```
|
|
|
+虾：🎯 回到你最初的问题：「{{workshopGoal}}」
|
|
|
+基于这个阶段的分析，虾的初步回答是：
|
|
|
+• {{goalAlignmentInsight}}
|
|
|
+
|
|
|
+这个方向对吗？后续阶段会继续深入这个问题。
|
|
|
+```
|
|
|
+
|
|
|
+### 校准反馈前向传递规则
|
|
|
+
|
|
|
+每个 Session 开始前，Agent 必须：
|
|
|
+1. **读取** `calibration-notes.json` 中所有前置 session 的校准意见
|
|
|
+2. **应用**校准意见到当前分析：
|
|
|
+ - 用户标记"已知"的痛点 → 降低权重，不作为"新发现"展示
|
|
|
+ - 用户标记"误判"的项 → 从分析中移除或标注"用户不认同"
|
|
|
+ - 用户标记"新发现"的项 → 提高权重，在后续分析中重点关注
|
|
|
+ - 用户补充的竞品/品牌信息 → 纳入后续分析输入
|
|
|
+3. **告知**用户校准意见已被采纳：
|
|
|
+ ```
|
|
|
+ 虾：上次你提到 [具体校准内容]，我在这次分析中已经调整了：
|
|
|
+ • [具体调整说明]
|
|
|
+ ```
|
|
|
+
|
|
|
+### 自适应提问规则
|
|
|
+
|
|
|
+校准环节的提问不使用固定模板，而是基于数据动态生成：
|
|
|
+
|
|
|
+#### 异常驱动提问
|
|
|
+当分析数据中出现以下情况时，优先针对异常提问：
|
|
|
+- **数据矛盾**：如评分高但差评率也高 → 问用户"你的产品评分{{rating}}看起来不错，但差评中{{topComplaint}}被反复提到，这是已知问题吗？"
|
|
|
+- **偏离预期**：如品类健康度很低但用户选择进入 → 问用户"品类竞争烈度偏高(CR5={{cr5}}%)，你选择这个品类的核心信心来源是什么？"
|
|
|
+- **竞品异常**：如某竞品突然BSR大幅波动 → 问用户"竞品{{name}}最近BSR从{{bsrOld}}飙升到{{bsrNew}}，你知道发生了什么吗？"
|
|
|
+
|
|
|
+#### 深度追问规则
|
|
|
+如果用户对校准问题的回答包含新信息，Agent 必须：
|
|
|
+1. 立即追问1-2个细化问题
|
|
|
+2. 将新信息记录到 calibration-notes
|
|
|
+3. 评估是否需要调整已有分析结论
|
|
|
+
|
|
|
+#### 沉默检测
|
|
|
+如果用户对某个校准问题回答"不知道"/"不确定"：
|
|
|
+- 不要跳过，而是提供虾的判断 + 依据
|
|
|
+- 让用户选择"接受虾的判断"或"标记待确认"
|
|
|
|
|
|
### 触发词
|
|
|
- 用户说"开始工作坊" / "启动VOC分析" / "开始品类调研" → 从头开始
|
|
|
@@ -279,15 +389,33 @@ Amazon站点：{{amazonDomain}}
|
|
|
"userFeedback": "用户原话",
|
|
|
"corrections": [
|
|
|
{ "field": "cr5", "original": "35.2%", "corrected": "约50%", "reason": "用户说头部3家就占了一半" }
|
|
|
- ]
|
|
|
+ ],
|
|
|
+ "forwardActions": {
|
|
|
+ "adjustForSession2": ["竞品分析时使用校准后的CR5数据", "重点关注用户提到的头部品牌"],
|
|
|
+ "adjustForLater": []
|
|
|
+ }
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
+**校准后必做**：更新 `calibration-notes._forwardPassSummary`，汇总本次校准的关键调整。
|
|
|
+
|
|
|
+### 目标回扣（必做）
|
|
|
+```
|
|
|
+虾：🎯 回到你最初的问题：「{{workshopGoal}}」
|
|
|
+基于品类全景分析，虾的初步回答是：
|
|
|
+• {{goalAlignmentInsight}}
|
|
|
+{{#if goalGapRemaining}}
|
|
|
+不过，要更完整地回答你的问题，还需要：{{goalGapRemaining}}
|
|
|
+这些会在后续阶段继续深入。
|
|
|
+{{/if}}
|
|
|
+```
|
|
|
+
|
|
|
### 阶段交付
|
|
|
-1. 存储输出到 `memory/stage-1-output.json`
|
|
|
+1. 存储输出到 `memory/stage-1-output.json`（含 `_goalAlignment` 和 `_anomalies`）
|
|
|
2. 更新 `workshop-progress.json` → session1.status = "completed"
|
|
|
-3. 展示交付物清单
|
|
|
+3. 更新 `calibration-notes._forwardPassSummary`
|
|
|
+4. 展示交付物清单
|
|
|
|
|
|
```
|
|
|
虾：✅ 阶段一完成！
|
|
|
@@ -310,6 +438,13 @@ Amazon站点：{{amazonDomain}}
|
|
|
### 前置检查
|
|
|
- ✅ `stage-1-output.json` 存在
|
|
|
- ✅ `brand-context.json` 中 brandAsins 非空
|
|
|
+- ✅ 读取 `calibration-notes.sessions.session-1.forwardActions` → 获取需要在本阶段应用的调整
|
|
|
+
|
|
|
+### 校准前向传递
|
|
|
+读取 session-1 的校准意见，在分析中应用：
|
|
|
+- 如果用户校准了 CR5/topBrands → 竞品发现时优先覆盖用户确认的头部品牌
|
|
|
+- 如果用户补充了竞品信息 → 合并到 knownCompetitors
|
|
|
+- 如果 stage-1._anomalies 中有 high severity 项 → 在本阶段开场时告知用户
|
|
|
|
|
|
### 对话开场
|
|
|
|
|
|
@@ -317,6 +452,14 @@ Amazon站点：{{amazonDomain}}
|
|
|
虾：🏷️ 阶段二：品牌画像 + 竞品分析
|
|
|
━━━━━━━━━━━━━━━━━━━━
|
|
|
|
|
|
+{{#if session1CalibrationApplied}}
|
|
|
+📝 上次你校准的内容我已经记住了：
|
|
|
+{{#each session1CalibrationApplied}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+这次分析会把这些纳入考虑。
|
|
|
+
|
|
|
+{{/if}}
|
|
|
这个阶段分三步：
|
|
|
① 给你的品牌做六维体检
|
|
|
② 自动发现3-5个直接竞品
|
|
|
@@ -384,7 +527,17 @@ Step 2.5: competitor-pricing-analysis(
|
|
|
```
|
|
|
|
|
|
### 校准 + 阶段交付
|
|
|
-流程同 Session 1，存入 `stage-2-output.json`
|
|
|
+流程同 Session 1：记录校准 → 填写 forwardActions → 更新 _forwardPassSummary → 存入 `stage-2-output.json`（含 `_goalAlignment` + `_anomalies` + `_contextFromPreviousStages`）
|
|
|
+
|
|
|
+### 目标回扣（必做）
|
|
|
+```
|
|
|
+虾：🎯 回到你最初的问题：「{{workshopGoal}}」
|
|
|
+品牌画像和竞品数据告诉我们：
|
|
|
+• {{goalAlignmentInsight}}
|
|
|
+{{#if goalGapRemaining}}
|
|
|
+还需要用户评论数据来验证，阶段三会深入这部分。
|
|
|
+{{/if}}
|
|
|
+```
|
|
|
|
|
|
```
|
|
|
虾：✅ 阶段二完成！
|
|
|
@@ -410,9 +563,18 @@ Step 2.5: competitor-pricing-analysis(
|
|
|
### 前置检查
|
|
|
- ✅ `stage-2-output.json` 存在
|
|
|
- ✅ 已确认的竞品ASIN列表
|
|
|
+- ✅ 读取 `calibration-notes.sessions.session-2.forwardActions` → 获取需要在本阶段应用的调整
|
|
|
+- ✅ 读取 `stage-2-output._anomalies` → 关注竞品异常信号
|
|
|
+
|
|
|
+### 校准前向传递
|
|
|
+读取 session-1 + session-2 的校准意见：
|
|
|
+- 用户拒绝的竞品 → 从采集列表中移除
|
|
|
+- 用户新增的竞品 → 加入采集列表
|
|
|
+- session-2 中发现的竞品弱点 → 采集评论时重点关注对应 ASIN 的差评
|
|
|
|
|
|
### 自动构建ASIN列表
|
|
|
从 brand-context.brandAsins + stage-2-output.competitorAsins 合并去重（共5-8个ASIN）
|
|
|
+**注意**：必须使用经过 session-2 校准确认后的竞品列表
|
|
|
|
|
|
### 对话开场
|
|
|
|
|
|
@@ -554,13 +716,24 @@ Step 3.6: 将 Step3.4~3.5 的输出 + reviewCorpus元数据 + keywordCloud 写
|
|
|
```
|
|
|
|
|
|
### 阶段交付
|
|
|
-存入 `stage-3-output.json`
|
|
|
+存入 `stage-3-output.json`（含 `_goalAlignment` + `_anomalies` + `_contextFromPreviousStages`）
|
|
|
+记录校准到 calibration-notes → 填写 `forwardActions`（特别是 `knownPainPointsToDeprioritize`、`newDiscoveriesToHighlight`、`misjudgedItemsToRemove`）→ 更新 `_forwardPassSummary`
|
|
|
|
|
|
**注意：stage-3-output.json 保存以下数据供阶段四使用：**
|
|
|
- `reviewCorpus` — 原始评论数据（阶段四深度分析的输入）
|
|
|
- `voiceClassification` — 情感分布+维度细分
|
|
|
- `keywordCloud` — 关键词情感地图
|
|
|
- `brandVsCompetitor` — 品牌vs竞品情感对比
|
|
|
+- `_goalAlignment` — 目标对齐（阶段四继续深入的方向）
|
|
|
+- `_anomalies` — 异常发现（阶段四验证或追踪）
|
|
|
+
|
|
|
+### 目标回扣（必做）
|
|
|
+```
|
|
|
+虾：🎯 回到你最初的问题：「{{workshopGoal}}」
|
|
|
+从用户评论中，虾发现了：
|
|
|
+• {{goalAlignmentInsight}}
|
|
|
+明天上午的深度分析会进一步挖掘这些发现。
|
|
|
+```
|
|
|
|
|
|
```
|
|
|
虾：✅ 阶段三完成！
|
|
|
@@ -586,6 +759,21 @@ Step 3.6: 将 Step3.4~3.5 的输出 + reviewCorpus元数据 + keywordCloud 写
|
|
|
### 前置检查
|
|
|
- ✅ `stage-3-output.json` 存在（含reviewCorpus原始数据）
|
|
|
- ✅ `calibration-notes.json` 中 session3 校准意见已记录
|
|
|
+- ✅ 读取 `calibration-notes.sessions.session-3.forwardActions` → **这是最关键的前向传递**
|
|
|
+- ✅ 读取 `stage-3-output._anomalies` → 需要在深度分析中验证的异常
|
|
|
+
|
|
|
+### 校准前向传递（Session 3→4 核心机制）
|
|
|
+读取 session-3 校准中的三个标记列表，直接影响本阶段分析：
|
|
|
+
|
|
|
+| session-3 标记 | session-4 调整 |
|
|
|
+|---------------|---------------|
|
|
|
+| `knownPainPointsToDeprioritize` | 痛点分析时降低这些项的权重，不作为"新发现"展示 |
|
|
|
+| `newDiscoveriesToHighlight` | 痛点/亮点分析时提高这些项的权重，重点深挖 |
|
|
|
+| `misjudgedItemsToRemove` | 从分析中移除或标注"用户不认同" |
|
|
|
+
|
|
|
+同时检查 stage-1 + stage-2 的 `_anomalies`，在深度分析中验证：
|
|
|
+- stage-1 的品类异常 → 评论中是否有佐证？
|
|
|
+- stage-2 的竞品弱点 → 竞品评论中是否验证了这些弱点？
|
|
|
|
|
|
### 模块说明
|
|
|
本阶段包含三个模块，按顺序执行：
|
|
|
@@ -599,6 +787,14 @@ Step 3.6: 将 Step3.4~3.5 的输出 + reviewCorpus元数据 + keywordCloud 写
|
|
|
虾：📊 阶段四：深度VOC分析 + 社媒洞察 + 用户画像
|
|
|
━━━━━━━━━━━━━━━━━━━━
|
|
|
|
|
|
+{{#if session3CalibrationApplied}}
|
|
|
+📝 昨晚你的校准意见我已经消化了：
|
|
|
+{{#each session3CalibrationApplied}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+今天的深度分析会基于你的反馈做调整。
|
|
|
+
|
|
|
+{{/if}}
|
|
|
昨晚我们采集了 {{totalReviews}} 条评论，今天我要深挖这些数据：
|
|
|
|
|
|
Part 1 - 深度VOC分析：
|
|
|
@@ -832,7 +1028,8 @@ Step 4.13: 将以上所有输出写入 memory/stage-4-output.json
|
|
|
```
|
|
|
|
|
|
### 阶段交付
|
|
|
-存入 `stage-4-output.json`
|
|
|
+存入 `stage-4-output.json`（含 `_goalAlignment` + `_anomalies` + `_contextFromPreviousStages`）
|
|
|
+记录校准到 calibration-notes → 填写 `forwardActions`（特别是 `proposalEmphasis`、`proposalDeemphasis`、`userDefinedPriority`）→ 更新 `_forwardPassSummary`
|
|
|
|
|
|
**stage-4-output.json 包含：**
|
|
|
- `painPointInsight` — 痛点深度洞察（显性+隐性+权重+关联）
|
|
|
@@ -842,6 +1039,24 @@ Step 4.13: 将以上所有输出写入 memory/stage-4-output.json
|
|
|
- `socialTrend` — 社媒趋势（如可用）
|
|
|
- `competitorBsr` — 竞品BSR追踪
|
|
|
- `userPersona` — 3-5个用户画像
|
|
|
+- `_goalAlignment` — 目标对齐（最终报告方向）
|
|
|
+- `_anomalies` — 全流程异常汇总
|
|
|
+
|
|
|
+### 目标回扣（必做）
|
|
|
+```
|
|
|
+虾：🎯 回到你最初的问题：「{{workshopGoal}}」
|
|
|
+经过4个阶段的全面分析，虾现在可以给出比较完整的回答了：
|
|
|
+• {{goalAlignmentInsight}}
|
|
|
+{{#if crossStageAnomalies}}
|
|
|
+
|
|
|
+🔍 虾还发现了一些意外的点：
|
|
|
+{{#each crossStageAnomalies}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+{{/if}}
|
|
|
+
|
|
|
+最终报告会把这些都整合成可落地的行动计划。
|
|
|
+```
|
|
|
|
|
|
```
|
|
|
虾：✅ 阶段四完成！这是整个工作坊信息量最大的一个阶段。
|
|
|
@@ -865,8 +1080,26 @@ Step 4.13: 将以上所有输出写入 memory/stage-4-output.json
|
|
|
|
|
|
### 前置检查
|
|
|
- ✅ `stage-1~4-output.json` 全部存在
|
|
|
+- ✅ `calibration-notes.json` 全部 session 校准已记录
|
|
|
+- ✅ 读取 `calibration-notes._forwardPassSummary` → 全量校准摘要
|
|
|
+- ✅ 读取所有 stage 的 `_goalAlignment` 和 `_anomalies` → 目标进度 + 异常汇总
|
|
|
- 如果缺少某个阶段，提示用户先补完
|
|
|
|
|
|
+### 校准前向传递（全量汇总）
|
|
|
+这是最终报告，必须整合所有前置校准：
|
|
|
+
|
|
|
+1. **读取 `_forwardPassSummary`** — 获取用户的全部校准意见摘要
|
|
|
+2. **读取 session-4.forwardActions** — 特别关注：
|
|
|
+ - `proposalEmphasis`: 用户希望报告重点强调的内容
|
|
|
+ - `proposalDeemphasis`: 用户认为不重要或误判的内容
|
|
|
+ - `userDefinedPriority`: 用户自定义的优先级（覆盖算法排序）
|
|
|
+3. **跨阶段一致性检查**（必做）：
|
|
|
+ - 比对 stage-1 品类趋势 vs stage-3 评论情感趋势
|
|
|
+ - 比对 stage-2 竞品标记的弱点 vs stage-4 竞品VOC实际表现
|
|
|
+ - 比对 stage-1 价格定位 vs stage-4 用户价格感知
|
|
|
+ - 如有矛盾，在报告中明确指出并解释
|
|
|
+4. **合并所有 `_anomalies`** — 将跨阶段的异常发现整合为报告中的"意外发现"章节
|
|
|
+
|
|
|
### 对话开场
|
|
|
|
|
|
```
|
|
|
@@ -874,10 +1107,23 @@ Step 4.13: 将以上所有输出写入 memory/stage-4-output.json
|
|
|
━━━━━━━━━━━━━━━━━━━━
|
|
|
|
|
|
到了交作业的时候了！我要做两件事：
|
|
|
-① 生成《VOC产品优化提案》（10章节）
|
|
|
+① 生成《VOC产品优化提案》（11章节）
|
|
|
② 生成13屏可演示HTML报告
|
|
|
|
|
|
-我会把前面4个阶段的所有数据整合起来。
|
|
|
+{{#if forwardPassSummary.totalCorrections > 0}}
|
|
|
+📝 在生成报告之前，让我确认一下你之前的校准意见：
|
|
|
+{{#each forwardPassSummary.keyAdjustments}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+{{#if forwardPassSummary.pendingUncertainties.length > 0}}
|
|
|
+⚠️ 还有这些待确认的项，你现在想确认一下吗？
|
|
|
+{{#each forwardPassSummary.pendingUncertainties}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+{{/if}}
|
|
|
+{{/if}}
|
|
|
+
|
|
|
+我会把前面4个阶段的所有数据 + 你的校准意见整合起来。
|
|
|
```
|
|
|
|
|
|
### 技能调用序列
|
|
|
@@ -895,7 +1141,7 @@ Step 5.1: voc-proposal(
|
|
|
categoryKeyword = brand-context.categoryKeywords[0],
|
|
|
calibrationNotes = memory/calibration-notes.json
|
|
|
)
|
|
|
-→ 输出: proposal (10章节提案 + actionableInsights + overallHealthScore + ROI + 30天行动线)
|
|
|
+→ 输出: proposal (11章节提案 + actionableInsights + overallHealthScore + ROI + 30天行动线)
|
|
|
|
|
|
Step 5.2: html-report-generator(
|
|
|
industryName = 从categoryKeywords推断,
|
|
|
@@ -981,14 +1227,40 @@ Step 5.2: html-report-generator(
|
|
|
HTML报告已生成（13屏），可在浏览器打开直接演示。
|
|
|
```
|
|
|
|
|
|
+### 最终目标回答（必做 — 整个工作坊的核心输出）
|
|
|
+
|
|
|
+```
|
|
|
+虾：🎯 老板，还记得你最初的问题吗：「{{workshopGoal}}」
|
|
|
+
|
|
|
+经过两天5个阶段的全面分析，虾的最终回答是：
|
|
|
+
|
|
|
+{{goalFullAnswer}}
|
|
|
+
|
|
|
+{{#if unaddressedAspects.length > 0}}
|
|
|
+⚠️ 有几个方面目前数据还不够充分：
|
|
|
+{{#each unaddressedAspects}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+建议后续持续追踪。
|
|
|
+{{/if}}
|
|
|
+
|
|
|
+{{#if crossStageContradictions.length > 0}}
|
|
|
+🔍 分析过程中发现的重要矛盾（已在报告中标注）：
|
|
|
+{{#each crossStageContradictions}}
|
|
|
+• {{this}}
|
|
|
+{{/each}}
|
|
|
+{{/if}}
|
|
|
+```
|
|
|
+
|
|
|
### 最终校准
|
|
|
|
|
|
```
|
|
|
虾：老板，这是两天分析的最终成果。请你整体审阅一下：
|
|
|
|
|
|
-1️⃣ 11章节的内容和结论有没有明显偏差？
|
|
|
-2️⃣ 30天行动计划的优先级排序合理吗？
|
|
|
-3️⃣ 有没有想补充的战略方向？
|
|
|
+1️⃣ 我对你问题「{{workshopGoal}}」的回答到位吗？
|
|
|
+2️⃣ 11章节的内容和结论有没有明显偏差？
|
|
|
+3️⃣ 30天行动计划的优先级排序合理吗？
|
|
|
+4️⃣ 有没有想补充的战略方向？
|
|
|
|
|
|
你的反馈我会记录下来，作为提案的"老板批注"附在最后。
|
|
|
```
|
|
|
@@ -1084,6 +1356,6 @@ HTML报告已生成（13屏），可在浏览器打开直接演示。
|
|
|
| 建档 | brand-context-builder | 对话采集 |
|
|
|
| Session 1 | category-landscape (含 product-search ×2-3, asin-sales-volume ×100, keyword-search ×5-10, keyword-search-trend ×5, category-tree ×1) | 3-5min |
|
|
|
| Session 2 | brand-profile, competitor-discovery, product-deep-analysis, competitor-product-comparison, competitor-pricing-analysis | 5-8min |
|
|
|
-| Session 3 | review-batch-collection, review-sentiment-analysis, review-pain-point-extraction, review-highlight-extraction, review-keyword-cloud | 3-5min |
|
|
|
-| Session 4 | tiktok-category-voc, tiktok-brand-voc, instagram-brand-voc, douyin-general-search, social-trend-analysis, competitor-bsr-tracking, user-persona | 5-8min |
|
|
|
+| Session 3 | review-batch-collection, review-sentiment-analysis, review-keyword-cloud | 3-5min |
|
|
|
+| Session 4 | review-pain-point-extraction, review-highlight-extraction, tiktok-category-voc, tiktok-brand-voc, instagram-brand-voc, douyin-general-search, social-trend-analysis, competitor-bsr-tracking, user-persona | 8-10min |
|
|
|
| Session 5 | voc-proposal, html-report-generator | 3-5min |
|
gangvy