Communitygithub.com

borghei/品牌策略师

该智能体扮演高级品牌策略师角色,提供可执行的品牌定位、识别系统、信息框架及治理结构,助力市场差异化。

品牌策略师 是什么?

该智能体专为需要系统化品牌战略的开发者或AI代理用户设计,提供从品牌定位到执行治理的全流程支持。它能帮助用户定义目标受众、竞争框架和核心利益点,并生成通过“唯我”验证的定位声明。智能体支持多种平台(如 Claude Code、Cursor、Codex),通过结构化的品牌识别系统(包括视觉、语言和体验识别)、信息架构、品牌架构模型选择(如品牌屋、品牌家族等)以及健康度测量,确保品牌策略的可执行性和可持续性。其工作流包括评估品牌背景、开发定位、构建识别系统、构建信息架构、选择架构模型、建立治理并进行迭代测量。此外,它还包含一系列实用脚本(如品牌健康度仪表盘、定位图生成器、品牌架构分析器),可集成到开发流程中,帮助用户监控品牌表现并优化策略。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/borghei/Claude-Skills/tree/HEAD/marketing/brand-strategist

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

品牌策略师 是做什么的?

该智能体扮演高级品牌策略师角色,提供可执行的品牌定位、识别系统、信息框架及治理结构,助力市场差异化。

先明确需求

在制定策略前,请确认以下输入。如果某项缺失或模糊且会影响结果,请询问;若无影响,则使用合理的默认值,并说明所使用的默认值。

  • 目标受众: 品牌针对的人群,使用他们自己的语言(驱动定位声明中的“For [target]”行)。
  • 品类框架 + 关键利益: 您竞争的市场空间及提供的核心价值(驱动定位 + 信息支柱)。
  • 竞争格局: 需要与之区分的指名竞争对手(驱动“唯我”测试和定位图)。
  • 业务目标: 推出、重塑、扩展或审计(确定范围以及哪些交付成果最重要)。

仅询问对本请求最重要的两三个输入,而非全部。如果用户希望立即得到结果,请生成结果并在开头说明您的假设。

工作流

  1. 评估品牌背景 - 识别品牌的品类、竞争格局和目标受众。验证是否存在明确的业务目标(推出、重塑、扩展或审计)。
  2. 开发定位 - 应用定位框架定义目标、品类框架、关键利益和证明点。检查点:定位声明必须通过“唯我”测试(没有竞争对手能做出同样的主张)。
  3. 构建识别系统 - 定义视觉识别(标志、色彩、字体)、语言识别(声音、语气、信息)和体验识别。检查点:每个元素都必须追溯到定位。
  4. 构建信息架构 - 创建主叙事、支柱信息和针对不同受众的变体。检查点:每个支柱必须至少有两个证明点。
  5. 选择品牌架构模型 - 选择品牌屋、品牌家族、背书或混合模型。验证与企业战略的一致性。
  6. 建立治理 - 定义品牌指南结构、审批流程和衡量频率。检查点:品牌健康度仪表盘覆盖知名度、认知度和考量度。
  7. 衡量与迭代 - 设立品牌追踪(NPS、无辅助知名度、声量占比)。每季度对照基线进行审查。

品牌定位框架

定位声明模板

For [目标受众]
Who [需求或机会]
[品牌] is the [品类]
That [关键利益]
Unlike [竞争对手]
We [独特差异化]

定位图

                    高价
                        |
    高端    ----+----    奢华
    * 质量           |        * 地位
    * 性能           |        * 独家性
                        |
    低创新  -----+-----    高创新
                        |
    价值    ----+----    颠覆者
    * 可及性           |        * 新方法
    * 价格可承受           |        * 品类变革
                        |
                    低价

竞争定位矩阵

属性我们竞争对手A竞争对手B竞争对手C
价格$$$$$$$$$$
质量高中高低
创新高低中高
服务高高低中

品牌识别系统

品牌识别系统
+-- 视觉识别
|   +-- 标志(主标志、辅助标志、图标)
|   +-- 色彩方案
|   +-- 字体
|   +-- 图像风格
|   +-- 图形元素
+-- 语言识别
|   +-- 品牌声音
|   +-- 语气指南
|   +-- 信息框架
|   +-- 词汇
+-- 体验识别
    +-- 客户体验
    +-- 物理环境
    +-- 数字体验

语气框架

上下文语气调整
营销更热情
支持更共情
法律更正式
社交更随意

品牌架构模型

模型结构示例
品牌屋主品牌 > 产品Google(地图、云端、云端存储)
品牌家族母公司 > 独立品牌P&G(Tide、Pampers、Gillette)
背书品牌子品牌由主品牌背书Marriott(万豪旗下万怡酒店)
混合以上组合Amazon(Prime、AWS、Whole Foods)

示例:SaaS 创业公司品牌定位

# 品牌策略:FlowMetrics

## 定位声明
For 数据驱动的产品经理
Who 需要实时用户行为洞察,无需工程团队支持
FlowMetrics is the 自助式分析平台
That 在5分钟内交付可操作的用户漏斗
Unlike Amplitude 和 Mixpanel
We 无需SQL和任何代码植入

## 品牌价值观
1. 清晰:复杂数据,简洁答案
2. 速度:分钟级的洞察,而非天级
3. 自主:无需依赖工程团队

## 品牌声音
- 自信但不傲慢
- 专业但易懂
- 直接且简洁

## 证明点
- 从中位数首次获得洞察仅需90秒
- 非技术产品经理满意度达4.8/5
- 分析类工程工单减少50%

品牌健康度测量

知名度: 无辅助知名度、辅助知名度、首选知名度 认知度: 品牌属性关联、NPS、品牌情感倾向 考量度: 购买意向、与竞争对手的偏好、推荐可能性

品牌健康度仪表盘 - 2026年第一季度
  知名度:68%(+5%)    NPS:45(+8)    考量度:72%(+3%)
  品牌属性(关联度百分比)
  创新性:78%    值得信赖:82%    质量:75%
  声量占比:32%(+2%)    情感倾向:85%正面

故障排除

症状可能原因解决方法
定位声明内部通过,但客户不重复定位基于公司视角而非客户语言用April Dunford方法论对10+客户进行访谈;使用客户原话
收购后品牌架构混乱没有整合收购品牌的决策框架使用brand_architecture_analyzer.py进行评估;根据受众重叠度和品类匹配度评分选择模型
NPS下降,尽管产品改进品牌认知落后于产品现实运行品牌健康度仪表盘;投入品牌重塑或品牌知名度活动,针对认知差距
多个子品牌争夺同一受众在应适用品牌屋模型时使用了品牌家族模型合并重叠品牌;使用品牌架构分析器验证最佳模型
竞争定位感觉平庸差异化因素只是品类要求,而非独特优势应用“唯我”测试:如果竞争对手也能做出同样的主张,则不是差异化因素

成功标准

  • 定位声明通过“唯我”测试——没有竞争对手能做出同样的主张
  • 7/10以上的客户在访谈中不提示就描述品牌价值
  • 品牌健康度指数得分65+/100(覆盖知名度、认知度、考量度和忠诚度)
  • 品牌架构模型在被验证的A类细分市场中,具有最低流失率和最快成交速度
  • 声量占比在品牌策略执行的两个季度内提升5个百分点以上
  • 竞争定位图显示品牌与最近竞争对手之间存在清晰的空白空间

范围与限制

范围内: 品牌定位框架(April Dunford)、品牌识别系统设计、品牌架构模型选择(品牌屋、品牌家族、背书、混合)、竞争定位分析、品牌健康度测量、品牌治理结构。

范围外: 视觉设计执行(参见brand-guidelines技能)、营销文案创作(参见copywriting技能)、活动执行(参见marketing-ops技能)、产品策略决策、法律商标注册。

限制: 品牌策略的有效性取决于整个组织的一致执行。定位验证需要真实的客户访谈——仅靠内部定位不可靠。品牌架构建议基于受众重叠度和品类分析;它们不考虑品牌组合决策中的所有政治或财务因素。


脚本

脚本目的用法
scripts/brand_health_dashboard.py计算涵盖知名度、认知度、考量度、忠诚度的品牌健康度指标python scripts/brand_health_dashboard.py survey_data.json --json
scripts/positioning_map_generator.py生成带有空白空间分析的竞争定位图python scripts/positioning_map_generator.py competitors.json --demo
scripts/brand_architecture_analyzer.py评估并推荐品牌组合的品牌架构模型python scripts/brand_architecture_analyzer.py portfolio.json --json

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相关技能