把客户反馈整理为结构化结果
原始指令要求模型归类、分析、回复或排序评论反馈，而不是把每条评论当作孤立案例。
中级Alireza Rezvani
产品机会验证
产品机会验证是一项可在 Alireza Rezvani 中使用的电商 AI Skill，适合 Codex、Claude Code、OpenClaw 运营人员。它可以帮助你你还在判断哪个商品、市场或方向值得投入，需要让用机会解决方案树和假设测试降低新品决策风险与上新采购前验证…
- 浏览量
- 0
- 安装
- 0
- 收藏
- 0
这个 Skill 是做什么的
你还在判断哪个商品、市场或方向值得投入，需要让用机会解决方案树和假设测试降低新品决策风险与上新采购前验证新品类是否值得进入在日常流程中配合起来，才有机会把资源投向证据更完整的方向。先围绕“用机会解决方案树和假设测试降低新品决策风险”完成一个小范围测试，再检查“上新采购前验证新品类是否值得进入”是否适合你的日常流程。
它有什么特色
先结构化分析，再给出建议
原始指令要求先分析、分类、排序或评分，再得出结论或下一步动作。
使用前的特殊要求
真实的退货物流信息
需要提供已批准的面单流程、承运商或投递信息，以及真实退款时效。原始文本可以整理说明，但不能自行查询这些信息。
Python 运行环境
原始指令包含 Python 命令或脚本；使用该部分流程需要兼容的本地 Python 环境。
无需安装，直接使用
复制到大模型对话框使用
- 展开并复制下方完整原始 Skill.md。
- 打开兼容大模型的新对话，并粘贴到对话框中。
- 补充完整的任务资料，先运行一个低风险示例；确认结果后再用于店铺运营。
原始 Skill.md
下方显示完整原文，可从右上角复制使用。
You are a product discovery facilitator. De-risk product bets: 1) Define one measurable outcome with baseline and target. 2) Build an Opportunity Solution Tree: Outcome → Opportunities (user evidence, not opinions) → Solutions → Experiments. Require ≥3 distinct opportunities before converging, ≥2 experiments per top opportunity. 3) Map assumptions across desirability, viability, feasibility, usability — score by risk/certainty; test high-risk/low-certainty first. Use assumption_mapper.py for scoring. 4) Validate problems via interviews and behavior analysis; validate solutions via prototypes, concept tests, fake-door experiments. 5) Plan 10-day sprint with daily evidence reviews. End with: proceed, pivot, or stop. Tie every branch to evidence.开始使用
以下是主要功能的用例提示词，可以直接复制使用。
01先限定一个真实任务
不要从整店上线开始。先选一个可以撤销的任务，用 产品机会验证 尝试研究需求、竞品、客户问题和商品机会。 当你需要达到这个检查标准时使用：已经写清输入范围、负责人，以及来源覆盖、估算误差、毛利可行性和决策置信度中的一个主要判断指标。
查看 Prompt 和变量收起 Prompt 和变量
先限定一个真实任务
不要从整店上线开始。先选一个可以撤销的任务，用 产品机会验证 尝试研究需求、竞品、客户问题和商品机会。 当你需要达到这个检查标准时使用：已经写清输入范围、负责人，以及来源覆盖、估算误差、毛利可行性和决策置信度中的一个主要判断指标。
请使用上方 Skill协助我完成这项任务：先限定一个真实任务。
任务资料：[TASK_DETAILS]
需要遵守的限制或政策：[CONSTRAINTS]
不要从整店上线开始。先选一个可以撤销的任务，用 产品机会验证 尝试研究需求、竞品、客户问题和商品机会。
请给出可执行的结果，并明确标注仍需要人工审核的内容。需要替换的变量
[TASK_DETAILS]- 本次任务所需的事实、背景或原始材料。
[CONSTRAINTS]- 请用已经确认的店铺实际信息替换这个占位符。
02整理输入和安全边界
只准备本次需要的明确的研究问题、市场与时间边界、商品经济模型和淘汰标准。删除无关个人信息，并写清哪些动作不能自动执行。 当你需要达到这个检查标准时使用：输入有明确来源，敏感字段已最小化，审批人知道试验会读取或修改什么。
查看 Prompt 和变量收起 Prompt 和变量
整理输入和安全边界
只准备本次需要的明确的研究问题、市场与时间边界、商品经济模型和淘汰标准。删除无关个人信息，并写清哪些动作不能自动执行。 当你需要达到这个检查标准时使用：输入有明确来源，敏感字段已最小化，审批人知道试验会读取或修改什么。
请使用上方 Skill协助我完成这项任务：整理输入和安全边界。
任务资料：[TASK_DETAILS]
需要遵守的限制或政策：[CONSTRAINTS]
只准备本次需要的明确的研究问题、市场与时间边界、商品经济模型和淘汰标准。删除无关个人信息，并写清哪些动作不能自动执行。
请给出可执行的结果，并明确标注仍需要人工审核的内容。需要替换的变量
[TASK_DETAILS]- 本次任务所需的事实、背景或原始材料。
[CONSTRAINTS]- 请用已经确认的店铺实际信息替换这个占位符。
03核对原始 Skill 后运行
先阅读来源、安装方式和权限说明，再把 产品机会验证 放入单独的测试项目；命令和 Skill 正文保持来源原文。 当你需要达到这个检查标准时使用：已经得到一份可人工检查的市场或选品决策简报，且没有越过批准范围。
查看 Prompt 和变量收起 Prompt 和变量
核对原始 Skill 后运行
先阅读来源、安装方式和权限说明，再把 产品机会验证 放入单独的测试项目；命令和 Skill 正文保持来源原文。 当你需要达到这个检查标准时使用：已经得到一份可人工检查的市场或选品决策简报，且没有越过批准范围。
请使用上方 Skill协助我完成这项任务：核对原始 Skill 后运行。
任务资料：[TASK_DETAILS]
需要遵守的限制或政策：[CONSTRAINTS]
先阅读来源、安装方式和权限说明，再把 产品机会验证 放入单独的测试项目；命令和 Skill 正文保持来源原文。
请给出可执行的结果，并明确标注仍需要人工审核的内容。需要替换的变量
[TASK_DETAILS]- 本次任务所需的事实、背景或原始材料。
[CONSTRAINTS]- 请用已经确认的店铺实际信息替换这个占位符。
04对照基线逐项复核
不要只看结果是否流畅。把输出与原始数据、现有 SOP 和历史基线对照，记录事实错误、漏项和人工修改时间。 当你需要达到这个检查标准时使用：来源覆盖、估算误差、毛利可行性和决策置信度有测试前基线，错误和例外也有单独记录。
查看 Prompt 和变量收起 Prompt 和变量
对照基线逐项复核
不要只看结果是否流畅。把输出与原始数据、现有 SOP 和历史基线对照，记录事实错误、漏项和人工修改时间。 当你需要达到这个检查标准时使用：来源覆盖、估算误差、毛利可行性和决策置信度有测试前基线，错误和例外也有单独记录。
请使用上方 Skill协助我完成这项任务：对照基线逐项复核。
任务资料：[TASK_DETAILS]
需要遵守的限制或政策：[CONSTRAINTS]
不要只看结果是否流畅。把输出与原始数据、现有 SOP 和历史基线对照，记录事实错误、漏项和人工修改时间。
请给出可执行的结果，并明确标注仍需要人工审核的内容。需要替换的变量
[TASK_DETAILS]- 本次任务所需的事实、背景或原始材料。
[CONSTRAINTS]- 请用已经确认的店铺实际信息替换这个占位符。
风险与使用注意事项
不要编造退货单、链接、地点或到账时间
这段文本可以起草退货说明，但不会读取承运商面单、附近投递点、包裹状态或退款处理时间。只能使用实际退货系统提供的信息。
把评论规律当作待验证的假设
原始指令可以归类并排序反馈，但重复出现的表述不等于已经证明商品缺陷或客户普遍偏好。修改商品、政策或活动前，应回看原始样本。
Alireza Rezvani
HealthTech CTO 与开源维护者，关注应用型 AI、Agent 编程，以及面向产品、研究、增长和运营团队的实用 Skills。
风险、权限与限制
在提供店铺数据前检查第三方平台的权限范围。不要将支付凭证、客户密码或不必要的个人数据粘贴到模型中。输出必须由负责该业务流程的人员检查。
内容核验日期：
暂无评论。