Communitygithub.com

blal1/AccessiCalc

系统性地从客户处收集简短的推荐语,如 NPS 反馈、里程碑、购买后及邮件等。触发于收集推荐语、设置社交证明收集、获取客户评价等请求。输出 CFD-TST-* 推荐语条目和 GTM-TST-* 投放资产。

AccessiCalc 是什么?

Testimonial Collector(推荐语收集器)是 v1.0 案例构建工作流中的一个技能,旨在解决“我们有满意的客户,但没有引用语”的问题。它通过定义多个触发点(如 NPS(净推荐值)推荐者、激活里程碑、购买后、续费、支持解决、客户推荐)来系统性地捕捉客户满意时刻,并自动转换为营销可用的推荐语。该技能支持快速模式(单个触发点)、标准模式(三个触发点加处理工作流和同意管理)和深度模式(五个以上触发点加自动收集、情感分类和细分定位)三种执行模式。它产生结构化的推荐语记录(CFD-TST-*)、投放格式化资产(GTM-TST-*)、同意记录和投放效果指标。它主要适用于 Claude Code 等 AI 代理平台,通过触发词(如“收集推荐语”、“社交证明收集”、“NPS 反馈”)激活,并在 SKILL.md 中提供了详细的模板、反模式指南和质量门控。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/blal1/AccessiCalc/tree/HEAD/.claude/skills/skills/prd-v10-testimonial-collector

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

推荐语收集器

工作流位置:v1.0 案例构建器 → v1.0 推荐语收集器 → GTM(市场推广)渠道(投放)

执行模式

默认为 标准模式。选择逻辑请参见 .claude/rules/08-skill-execution-modes.md。

模式本技能产出
快速模式一个触发点(例如 NPS 推荐者)+ 收集邮件 + 处理 5–10 条推荐语
标准模式3 个触发点(NPS、里程碑、购买后)+ 处理工作流 + 同意管理 + 按投放位置格式化
深度模式5 个以上触发点 + 自动收集 + 情感细分 + 按细分受众投放定位 + 效果测量循环

功能说明

系统性收集简短推荐语——1–3 句话的引用,包含姓名、职位和 Logo——并将其处理为可直接投放的资产。推荐语是案例研究的低付出补充:它们不包含完整的故事,但能在落地页、定价页、广告创意外展和对外沟通中成倍增加社交证明。

本技能解决了“我们有满意的客户,但没有引用语”的问题——大多数团队在支持工单、NPS 反馈和续费电话中拥有大量正面反馈,但从未将其捕捉为营销就绪的资产。解决方案是一个系统,而非英雄主义的努力。

工作原理

  1. 识别收集触发点 —— 每个触发点都是一个事件,表明客户处于愿意分享正面反馈的时机:
    • NPS 推荐者响应(评分 9–10)—— 阻力最小;他们已写了反馈
    • 激活里程碑(第 30 天 / 第 90 天活跃)—— 到现在他们已看到价值
    • 购买后 / 升级后 —— 决策印象犹新
    • 续费 —— 持续价值的强烈信号
    • 支持问题解决(正面) —— 强烈的“你拯救了我的一天”时刻
    • 客户推荐 —— 他们已在进行宣传
  2. 构建每个触发点的收集机制:
    • NPS 推荐者 → 自动发送邮件,请求许可使用反馈并附加一个后续问题
    • 里程碑 → 应用内提示或邮件,一句简单的请求
    • 购买后 → 购买后 7 天发送邮件
    • 续费 → CSM(客户成功经理)在续费电话中引导询问
    • 支持 → 在正面解决后在支持工单中跟进
  3. 处理收到的推荐语 —— 每条经过:
    • 同意确认(范围:姓名?职位?Logo?任意用途?)
    • 轻微编辑以提高清晰度(保留他们的语气;不要重写)
    • 按细分受众标记(核心市场内 / 相邻 / 非核心)
    • 按成果主题标记(速度 / 成本 / 激活 / 质量 / 等)
  4. 投放至营销表面 —— 每条推荐语:
    • 定价页(Logo + 引用)
    • 落地页英雄区(1 条重要引用)
    • 功能页(细分相关引用)
    • 广告创意外展(推荐语风格广告)
    • 邮件签名 / 销售演示文稿
    • 投资人演示文稿
  5. 度量投放效果 [标准模式+] —— 有些推荐语转化好;有些不好。跟踪每次投放的转化率,以识别哪些引用物有所值。

示例

B2B SaaS,3 个收集触发点已激活。

触发点 1:NPS 推荐者(评分 9–10)。 每季度进行一次 NPS 调查。推荐者会收到后续邮件:

感谢您打了 10 分!您的回复——“将我们的报告时间缩短了一半”——将成为我们定价页的有力推荐语。我们可以将它与您的姓名和职位一起使用吗?回复“是”,我们会将准备发布的版本发回给您审批。

在 NPS 响应提交且评分 ≥ 9 时自动触发。

触发点 2:第 30 天激活里程碑。 在首次登录后的第 30 天,应用内提示:

您已经活跃一个月了!用一句话说说,什么最有效? → [文本框] → [提交 + 权限复选框]

触发点 3:购买后(第 7 天)。 首次付费后第 7 天发送邮件:

一个小忙——是什么让您决定升级?在征得您同意的前提下,您的回答可能会出现在我们的定价页上。

处理:收到的推荐语进入一个分流文档。每条推荐语:

  • 确认同意(范围:姓名 / 职位 / Logo / 任意用途)
  • 轻微编辑(仅提高清晰度——保留他们的语气)
  • 细分受众标记(核心市场内:是/否)
  • 主题标记(速度 / 成本 / 激活 / 质量)
  • 投放决策(定价页 / 落地页 / 功能页 / 广告 / 多平台)

投放:定价页 Logo 墙新增 6 条来自核心细分市场的推荐语。对落地页英雄区的引用语进行 A/B 测试。

您将获得的内容

  • **CFD-TST-\

条目* —— 每条推荐语一条;包含同意信息、来源、细分受众和主题的持久记录

  • **GTM-TST-

条目* —— 每个投放位置的格式化(投放的引用语及周围上下文)

  • 同意记录 —— 按客户记录的范围和版本历史
  • 投放效果日志 —— 每条引用语的转化率(哪些推荐语物有所值)

使用时机

触发场景模式
首次建立推荐语收集系统(尚无系统)标准模式
每季度 NPS 调查 + 收集快速模式
定价页重新设计需更多社交证明标准模式
落地页 A/B 测试需引用语变体快速模式
投前 / A 轮前需要 Logo + 引用密度深度模式
新细分市场扩张(需特定细分推荐语)深度模式

消耗的输入

  • **CFD-
  • 客户反馈**(所有来源,特别是 v0.9 反馈循环)—— 原始收到的推荐语材料
  • NPS / CSAT 数据(来自 v0.9 反馈循环设置)—— 推荐者响应是最高产的来源
  • **ADO-REF-
  • 候选客户** —— 已在培养中的推荐客户有资格提供推荐语
  • **PER-
  • 用户画像** + **ADO-BEACHHEAD-

*** —— 细分受众标记

  • **BR-POS-

*** —— 语气约束;推荐语不应与定位相矛盾

产生的输出

  • **CFD-TST-
  • 条目** 位于 SoT/SoT.customer_feedback.md
  • **GTM-TST-
  • 条目**(类型=推荐语-投放)每个投放位置一条
  • 同意记录 —— 仅追加的日志,包含范围和版本
  • 投放效果指标 —— 每条引用语的 A/B 数据,用于反馈选择

输出模板

CFD-TST-XXX: 推荐语 — [客户名称]
类型: 推荐语
接收日期: YYYY-MM-DD
来源触发点: [NPS-推荐者 | 第30天里程碑 | 购买后 | 续费 | 支持 | 推荐]
客户: [姓名, 职位, 公司, Logo]

原文文本:
  "[实际引用语,仅轻微编辑以提高清晰度]"

原始文本(用于审计):
  "[原始响应]"

标签:
  细分受众匹配: [核心市场内 | 相邻 | 非核心]
  主题: [速度 | 成本 | 激活 | 质量 | 可靠性 | 特定用例]
  长度: [字数 / 字符数]

同意:
  范围: [姓名?职位?Logo?任意用途?]
  批准人: [客户名称]
  批准日期: YYYY-MM-DD
  批准版本: vX

投放资格:
  - 定价页 Logo 墙: [是/否]
  - 落地页英雄区: [是/否]
  - 功能页(哪个): [是/否]
  - 广告创意外展: [是/否]
  - 销售演示文稿: [是/否]
  - 投资人演示文稿: [是/否]

关联 ID: PER-XXX(细分受众)、ADO-REF-YYY(若已培养)、CFD-ZZZ(适用时的访谈来源)
GTM-TST-XXX: 推荐语投放 — [引用语摘要]
类型: 推荐语-投放
来源: CFD-TST-AAA
投放位置: [URL 或页面区域,例如 "/pricing — 英雄区"]
格式: [引用语 + 姓名 + 职位 + Logo | 仅引用语 + Logo | 卡片内引用语]

周围上下文:
  [此推荐语相邻的内容——标题、行动号召按钮、产品功能]

A/B 测试(如果正在运行):
  变体 A: [此推荐语]
  变体 B: [替代方案]
  指标: [点击率、注册率等]
  开始日期: YYYY-MM-DD

效果(如已测量):
  [每条引用语的转化数据]

关联 ID: CFD-TST-AAA(来源)、GTM-YYY(页面渠道)、KPI-ZZZ(投放指标)

反模式

模式信号修复方案
一次性的英雄主义收集“我们在一个冲刺里收集了 20 条推荐语,然后停了”触发点持续运行;收集是一个系统,不是一个项目
无同意记录未经明确批准发布内容每条推荐语保留同意记录,明确范围
营销改写“我很喜欢 [产品]” 被改成“它相当有用”仅轻微编辑以提高清晰度;保留他们的语气
无细分受众标记所有推荐语被放在任何地方与细分受众相关的投放转化率更高;需标记并定向
内容陈旧定价页上的推荐语来自两年前每季度刷新;替换效果不佳的推荐语
无投放效果测量所有推荐语被同等对待有些引用语转化率是其他 3 倍;测量并剔除
匿名推荐语“某大型金融科技公司 VP” 没有姓名/Lego务实者会忽略匿名推荐语;有姓名+Logo,否则跳过
跨越鸿沟时投放非核心细分推荐语面向企业务实者的页面上出现愿景型创业公司的引用语跨越鸿沟期间仅投放核心细分受众内的推荐语

质量门控

在投放推荐语之前:

  • 同意记录在案(范围明确)
  • 客户姓名 + 职位 + Logo(或提供使用更少信息的理由)
  • 细分受众标记已应用
  • 主题标记已应用
  • 仅轻微编辑(保留他们的语气)
  • 投放位置与细分受众匹配(核心市场内推荐语用于务实者受众的页面)
  • BR-POS-
  • 约束得到遵守(不与定位矛盾)
  • 刷新节奏已承诺(至少每季度一次)

下游连接

消费者使用的输入示例
发布渠道 (ORB)推荐语是自有渠道内容 + 借用渠道广告创意外展定价页推荐语 = 自有;推荐语风格广告 = 付费-借用
竞品替换页“选我们如果…”章节展示细分相关推荐语来自某竞品的迁移推荐语锚定了替换页
案例构建器强有力的推荐语暗示案例研究候选客户持续提供推荐语且有强成果的客户 → 案例研究
冷触及 (分级)在序列的第 2/3 次接触中引用推荐语第二级邮件包含细分内推荐语
反馈循环设置推荐语来源与反馈渠道关联NPS 推荐者同时为反馈和推荐语流程提供输入
投资人 / 销售演示文稿Logo 墙 + 按主题精选的推荐语“细分 X 的客户说…”

详细参考

  • BrianRWagner 的 testimonial-collector 技能(ai-marketing-claude-code-skills)
  • Sean D'Souza, The Brain Audit(使用推荐语克服购买障碍)
  • Joanna Wiebe, Copy Hackers —— 推荐语驱动的落地页
  • (无捆绑的 references/ —— 推荐语本身就是制品)

相关技能