Communitygithub.com

Brand Discovery (Descoberta de Marca)

Conduz uma entrevista estruturada e adaptativa de identidade de marca, gerando um brandbook mestre em 90_SYNTHESIS.md.

O que é Brand Discovery (Descoberta de Marca)?

Esta habilidade conduz o usuário por uma entrevista modular e adaptativa para criar um brandbook completo e reutilizável. Ela é ideal para fundadores, gerentes de marca ou equipes de produto que precisam explicitar valores, posicionamento, personalidade e narrativa da marca de forma estruturada — seja para briefing de designers, redatores ou colaboradores externos. O processo acontece em múltiplas sessões, capturando cada resposta em arquivos de módulo e um checkpoint state.json, permitindo retomada exata de onde parou. Suporta modo multi-fundador (entrevistas individuais antes da reconciliação) e aplica técnicas como laddering, 5 Porquês e perguntas projetivas para aprofundar as descobertas. A sequência de módulos inclui Propósito (Golden Circle), Posicionamento (Obviously Awesome), Público e Nicho, Personalidade e Arquétipo (12 arquétipos de Mark & Pearson), Voz e Tom, Narrativa, Tensão Fundador vs Marca-Estúdio, e a Síntese final (90_SYNTHESIS.md) com o brandbook mestre. A ferramenta é compatível com session-based agents como Claude Code, Cursor, Codex e outros que suportam leitura/escrita de arquivos e estado persistente.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/brand-discovery

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Brand Discovery (Descoberta de Marca) faz?

Use esta habilidade para conduzir uma entrevista estruturada e adaptativa de identidade de marca. O objetivo é um 90_SYNTHESIS.md completo — um brandbook mestre que a organização pode usar para briefar designers, redatores e colaboradores externos.

A entrevista ocorre em múltiplas sessões. Capture as respostas no disco à medida que avança, para que nenhum conhecimento obtido seja perdido quando uma conversa terminar, e para que uma sessão posterior possa retomar de onde a anterior parou.

Quando Ativar

  • Uma marca está sendo criada, reposicionada ou precisa de uma referência de identidade escrita para briefar colaboradores.
  • Esperam-se múltiplas sessões — a conversa se estenderá por dias ou semanas.
  • Vários fundadores ou stakeholders precisam de entrevistas individuais antes de uma rodada de reconciliação.
  • O usuário deseja um método estruturado e repetível, em vez de uma conversa ad-hoc.
  • A documentação existente da marca está dispersa, implícita ou dependente do fundador e precisa ser explicitada.

Protocolo de Início de Sessão

Em toda ativação, execute estes passos antes de fazer qualquer pergunta da entrevista:

  1. Verifique o progresso anterior. Procure por arquivos de módulo existentes e um checkpoint state.json no diretório brand-identity do projeto. Se não houver nenhum, é um início fresco — confirme o nome da marca, participantes e onde salvar os arquivos brand-identity, então comece pelo primeiro módulo.
  2. Leia o arquivo de módulo atual se houver um em andamento e escaneie sua seção Raw em busca de respostas previamente capturadas.
  3. Relate ao usuário em duas ou três frases: em qual módulo estamos, seu status e o que falta. Então pergunte: "Continuar aqui ou trocar de módulo?"

Disciplina da Entrevista

Aplique estas regras ao longo de cada módulo:

  1. Uma pergunta de cada vez. Nunca apresente uma lista de perguntas.
  2. Após cada resposta: breve paráfrase → uma pergunta de aprofundamento OU feche o tópico se o tema estiver saturado. Nunca avance em silêncio.
  3. Escada (Laddering): para cada resposta de "o quê", siga com "Por que isso é importante para você?" até que um valor central apareça (normalmente de duas a quatro iterações).
  4. 5 Porquês: para crenças ou afirmações de posicionamento — insista até que o motivo raiz, não a declaração superficial, esteja na mesa.
  5. Detecte respostas superficiais: se genérica, cheia de jargão ou vaga, peça um exemplo concreto, uma história de cliente ou um número.
  6. Técnicas projetivas (use uma vez por módulo para quebrar um platô):
    • "Se a marca fosse uma pessoa, como ela entraria numa sala?"
    • Obituário da marca: "Se a organização fechasse em cinco anos, do que os clientes sentiriam falta? Do que você se arrependeria de não ter dito?"
    • Contraste competitivo: "Cite um concorrente que você admira mas jamais gostaria de se tornar. O que exatamente neles faz deles o modelo errado?"
  7. Sinal de saturação: quando duas sondagens consecutivas não produzirem informação nova, resuma e feche o módulo.
  8. Fim do módulo: escreva um arquivo de módulo estruturado com duas seções:
    • ## Raw — citações literais e exemplos.
    • ## Síntese — sua interpretação, três formulações candidatas, perguntas em aberto, contradições entre participantes. Em seguida, atualize o checkpoint state.json (veja Protocolo de Estado abaixo).

Sequência de Módulos

ArquivoRótuloFrameworks usados
10_purpose-why.mdPropósito / PorquêGolden Circle (Sinek), Lencioni
20_positioning.mdPosicionamento"Obviously Awesome" (Dunford), template Moore
30_audience-niche.mdPúblico & Nicho"Business of Expertise" (Baker), ICP
40_personality-archetype.mdPersonalidade & Arquétipo12 arquétipos (Mark & Pearson), 5 dimensões (J. Aaker)
50_voice-tone.mdVoz & TomDiretrizes de voz de marca
60_narrative-story.mdNarrativa / HistóriaTrueline (Neumeier), arco de história da marca
70_founder-tension.mdMarcas de Fundador vs Marca-Estúdio"Win Without Pitching" (Enns)
90_SYNTHESIS.mdBrandbook MestrePrisma de Kapferer, sistema de marca Aaker

Complete os módulos em ordem. Respeite um pedido do usuário para pular módulos e anote o salto em state.json.

Protocolo de Escrita de Estado

Após cada módulo atingir o status de saturado ou concluído, escreva dois arquivos:

Arquivo de módulo em modules/{arquivoDoModulo} — conteúdo completo Raw e Síntese.

state.json — um checkpoint leve para que uma sessão posterior possa retomar. Atualize completedModules, inProgressModule, nextModule, lastUpdated. Esquema:

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

Após escrever, confirme: "Módulo X salvo. Estado atualizado. Próximo: Y."

Módulo terminal (90_SYNTHESIS.md): ao escrever a síntese final, defina inProgressModule como "90_SYNTHESIS.md" e nextModule como null em state.json. Após escrever, defina completedModules para incluir "90_SYNTHESIS.md", então defina inProgressModule como null — mantê-lo preenchido faria com que uma retomada futura tratasse o brandbook concluído como ainda em andamento. Confirme: "Brandbook completo. Todos os módulos salvos."

Modo Multi-Fundador

Quando mais de um fundador participa, escreva as respostas de cada fundador em founders/{participante}.md em vez dos arquivos de módulo principais. Valide o nome do participante antes de escrever: aceite apenas caracteres alfanuméricos e hífens (ex.: fundador-a, ana); rejeite nomes contendo separadores de caminho (/, \, ..) ou caracteres especiais. Valide arquivoDoModulo contra a sequência enumerada de módulos (apenas 10 a 90). Valide outputPath para garantir que seja um caminho absoluto dentro do diretório do projeto — rejeite caminhos relativos e caminhos que escapam via segmentos ... Após todos os fundadores concluírem um módulo, execute uma rodada de reconciliação: resuma convergências e divergências no arquivo de módulo, sinalize "tensões produtivas" para o workshop de alinhamento do grupo.

Anti-Padrões

  • Começar sem ler o estado primeiro. Toda sessão deve abrir verificando a existência de arquivos de módulo e state.json. Pular isso perde toda a continuidade das sessões anteriores.
  • Fazer múltiplas perguntas de uma vez. Uma pergunta de cada vez não é opcional — listas produzem respostas de checklist, não insights reais.
  • Ir para a Síntese antes da saturação. Se as duas últimas sondagens não produziram informação nova, o módulo está concluído. Se produziram — não está.
  • Pular a reconciliação multi-fundador. Quando vários stakeholders estão envolvidos, as entrevistas individuais devem ser concluídas antes da reconciliação. Discutir a marca coletivamente primeiro introduz viés de ancoragem.
  • Tratar isso como uma sessão única. Esta habilidade é projetada para múltiplas sessões. Correr para o 90_SYNTHESIS.md em uma única conversa produz resultados rasos.

Habilidades Relacionadas

  • competitive-platform-analysis — após o brand-discovery estabelecer o briefing de posicionamento, use esta para escopar e categorizar o conjunto de concorrentes.
  • brand-voice (ECC) — se o módulo de voz e tom do brand-discovery precisar de um perfil de estilo de escrita separado e baseado em fontes.

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/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

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.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Habilidades Relacionadas