Communitygithub.com

brand-discovery

Realiza una entrevista estructurada y adaptativa de identidad de marca para crear un brandbook completo en 90_SYNTHESIS.md.

¿Qué es brand-discovery?

Esta habilidad guía una entrevista de identidad de marca estructurada y adaptativa, diseñada para sesiones múltiples. Su objetivo principal es generar un brandbook completo (`90_SYNTHESIS.md`) que sirva como referencia maestra para diseñadores, redactores y colaboradores externos. La habilidad sigue un protocolo de inicio de sesión que verifica el progreso previo mediante archivos de módulo y un checkpoint `state.json`, permitiendo retomar sesiones interrumpidas. Durante la entrevista, aplica disciplinas como una pregunta por vez, paráfrasis y sondeo profundo, técnicas de escalera y 5 porqués, detección de respuestas superficiales y técnicas proyectivas. La secuencia de módulos abarca desde Propósito/ Por qué, Posicionamiento, Audiencia y Nicho, Personalidad y Arquetipo, Voz y Tono, Narrativa/ Historia, hasta la Síntesis final. Soporta modo multi-fundador con archivos separados, reconciliación posterior y validación de entradas para evitar vulnerabilidades de path traversal. Es ideal para organizaciones que necesitan formalizar una identidad de marca dispersa, implícita o dependiente de fundadores, y que requieren un método repetible y colaborativo.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/brand-discovery

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Brand Discovery

Usa esta habilidad para realizar una entrevista estructurada y adaptativa de identidad de marca. El objetivo es un 90_SYNTHESIS.md completo — un brandbook maestro que la organización pueda usar para instruir a diseñadores, redactores y colaboradores externos.

La entrevista se desarrolla en múltiples sesiones. Captura las respuestas en disco a medida que avanzas para que ningún conocimiento obtenido se pierda cuando termina una conversación, y para que una sesión posterior pueda retomar desde donde se quedó la anterior.

Cuándo activarla

  • Se está creando una marca, reposicionándola, o necesita una referencia de identidad escrita para instruir a colaboradores.
  • Se esperan múltiples sesiones — la conversación abarcará días o semanas.
  • Varios fundadores o partes interesadas necesitan entrevistas individuales antes de una pasada de reconciliación.
  • El usuario quiere un método estructurado y repetible en lugar de una charla ad-hoc.
  • La documentación de marca existente está dispersa, implícita o depende del fundador y necesita hacerse explícita.

Protocolo de inicio de sesión

En cada activación, realiza estos pasos antes de hacer cualquier pregunta de la entrevista:

  1. Verifica el progreso anterior. Busca un conjunto existente de archivos de módulo y un checkpoint state.json en el directorio brand-identity del proyecto. Si no existe, es un inicio nuevo — confirma el nombre de la marca, los participantes y dónde guardar los archivos brand-identity, luego comienza en el primer módulo.
  2. Lee el archivo del módulo actual si hay uno en curso, y escanea su sección Raw en busca de respuestas previamente capturadas.
  3. Informa al usuario en dos o tres frases: en qué módulo estamos, su estado y qué queda. Luego pregunta: "¿Continuamos aquí o cambiamos de módulo?"

Disciplina de la entrevista

Aplica estas reglas en cada módulo:

  1. Una pregunta a la vez. Nunca presentes una lista de preguntas.
  2. Después de cada respuesta: paráfrasis breve → un sondeo de profundización O cierra el hilo si el tema está saturado. Nunca continúes en silencio.
  3. Escalera: para cada respuesta "qué", sigue con "¿Por qué es importante para ti?" hasta que surja un valor central (normalmente dos a cuatro iteraciones).
  4. 5 porqués: para creencias o afirmaciones de posicionamiento — presiona hasta que la razón raíz, no la declaración superficial, esté sobre la mesa.
  5. Detecta respuestas superficiales: si son genéricas, llenas de jerga o vagas, pide un ejemplo concreto, una historia de cliente o un número.
  6. Técnicas proyectivas (usa una vez por módulo para romper una meseta):
    • "Si la marca fuera una persona, ¿cómo entraría en una habitación?"
    • Obituario de marca: "Si la organización cerrara en cinco años, ¿qué echarían de menos los clientes? ¿Qué lamentarías no haber dicho?"
    • Contraste competitivo: "Nombra un par que admires pero al que nunca querrías parecerte. ¿Qué los convierte específicamente en el modelo equivocado?"
  7. Señal de saturación: cuando dos sondeos consecutivos no producen información nueva, resume y cierra el módulo.
  8. Fin de módulo: escribe un archivo de módulo estructurado con dos secciones:
    • ## Raw — citas textuales y ejemplos.
    • ## Síntesis — tu interpretación, tres formulaciones candidatas, preguntas abiertas, contradicciones entre participantes. Luego actualiza el checkpoint state.json (ver protocolo de Estado abajo).

Secuencia de módulos

ArchivoEtiquetaMarcos utilizados
10_purpose-why.mdPropósito / Por quéSinek Golden Circle, Lencioni
20_positioning.mdPosicionamientoDunford "Obviously Awesome", plantilla Moore
30_audience-niche.mdAudiencia y NichoBaker "Business of Expertise", ICP
40_personality-archetype.mdPersonalidad y ArquetipoMark & Pearson 12 arquetipos, J. Aaker 5 dims
50_voice-tone.mdVoz y TonoGuías de voz de marca
60_narrative-story.mdNarrativa / HistoriaNeumeier trueline, arco de historia de marca
70_founder-tension.mdMarcas de Fundador vs Marca EstudioEnns "Win Without Pitching"
90_SYNTHESIS.mdBrandbook MaestroPrisma de Kapferer, sistema de marca Aaker

Completa los módulos en orden. Respeta la solicitud del usuario de saltar módulos y anota el salto en state.json.

Protocolo de escritura de estado

Después de que cada módulo alcance el estado de saturación o finalizado, escribe dos archivos:

Archivo de módulo en modules/{moduleFile} — contenido completo de Raw y Síntesis.

state.json — un checkpoint ligero para que una sesión posterior pueda retomar. Actualiza completedModules, inProgressModule, nextModule, lastUpdated. Esquema:

{
  "session": "{brand_name}-brand-{YYYY-MM}",
  "outputPath": "{path_to_brand_identity_directory}",
  "completedModules": [],
  "inProgressModule": "10_purpose-why.md",
  "nextModule": "20_positioning.md",
  "participants": ["founder-A"],
  "lastUpdated": "{ISO-8601}"
}

Después de escribir, confirma: "Módulo X guardado. Estado actualizado. Siguiente: Y."

Módulo terminal (90_SYNTHESIS.md): al escribir la síntesis final, establece inProgressModule a "90_SYNTHESIS.md" y nextModule a null en state.json. Después de escribir, establece completedModules para incluir "90_SYNTHESIS.md", luego establece inProgressModule a null — dejarlo poblado haría que una reanudación futura tratara el brandbook completado como aún en curso. Confirma: "Brandbook completo. Todos los módulos guardados."

Modo multi-fundador

Cuando participa más de un fundador, escribe las respuestas de cada fundador en founders/{participant}.md en lugar de en los archivos de módulo principales. Valida el nombre del participant antes de escribir: acepta solo caracteres alfanuméricos y guiones (ej. founder-a, anna); rechaza nombres que contengan separadores de ruta (/, \, ..) o caracteres especiales. Valida moduleFile contra la secuencia de módulos enumerada (solo 10 a 90). Valida outputPath para garantizar que sea una ruta absoluta dentro del directorio del proyecto — rechaza rutas relativas y rutas que escapen mediante segmentos ... Después de que todos los fundadores completen un módulo, ejecuta una pasada de reconciliación: resume convergencias y divergencias en el archivo de módulo, señala "tensiones productivas" para el taller de alineación grupal.

Anti-patrones

  • Comenzar sin leer el estado primero. Cada sesión debe abrir verificando la existencia de archivos de módulo y state.json. Saltarse esto pierde toda continuidad de sesiones anteriores.
  • Hacer múltiples preguntas a la vez. Una pregunta a la vez no es opcional — las listas producen respuestas de lista de verificación, no una visión real.
  • Pasar a Síntesis antes de la saturación. Si las últimas dos preguntas no produjeron información nueva, el módulo está terminado. Si lo hicieron — no lo está.
  • Saltarse la reconciliación multi-fundador. Cuando hay múltiples partes interesadas, las entrevistas individuales deben completarse antes de la reconciliación. Discutir la marca colectivamente primero introduce sesgo de anclaje.
  • Tratar esto como una sesión única. Esta habilidad está diseñada para múltiples sesiones. Apresurarse a 90_SYNTHESIS.md en una conversación produce un resultado superficial.

Habilidades relacionadas

  • competitive-platform-analysis — después de que brand-discovery establezca el brief de posicionamiento, úsala para delimitar y categorizar el conjunto de competidores.
  • brand-voice (ECC) — si el módulo de voz y tono de brand-discovery necesita un perfil de estilo de escritura separado, basado en fuentes.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Skills relacionados