Positioning statement
Skill LuckyOneTwoThree/pm-skill/pm-02-strategy/skills/positioning-statement
当需要定义产品定位陈述时使用。定位陈述自动生成,输入价值主张+竞品分析+用户洞察,输出3-5个差异化定位陈述候选,含质量门检查。关键词:定位陈述、产品定位、差异化定位、价值主张表达。From its SKILL.md
npx -y skills add LuckyOneTwoThree/pm-skill --skill positioning-statementAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
2 things to look at
- no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
- 6 stars6 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
SKILL.md
8.3 KB, ~2.7k tokens by cl100k_base, as published. Nobody here has run it
Pipeline 5: 定位陈述自动生成
核心原则
- 公式化生成——使用[目标用户]+[产品名]+[核心价值]+[差异化点]定位公式
- 3-5候选比较——生成3-5个差异化定位陈述,差异化来源/用户粒度/竞品参照各不同
- 五项质量门——specific/differentiated/exclusive/verifiable/concise五项检查全通过才可输出
- 不通过重试——质量检查不通过自动重试最多3次,仍不通过升级人类
交互模式
🤖→👤 AI建议人类审批
输入
| 输入项 | 类型 | 必填 | 来源 | 说明 |
|---|---|---|---|---|
| 价值主张匹配结果 | JSON | 是 | output/pm-strategy/business-value-fit/evaluation_report.json | 价值主张匹配度评分 |
| 竞品分析数据 | JSON | 是 | output/pm-discovery/market-competitor-intel/competitor-intel.json | 竞品定位、差异化要素 |
| 用户洞察 | JSON | 是 | user-research-user-modeling | 用户画像、核心需求 |
执行步骤
Step 1: 定位要素提取
从输入数据中提取定位要素:
- 目标用户:从用户画像中提取核心用户群体
- 核心价值:从价值主张匹配中提取高匹配度价值
- 差异化点:从竞品分析中提取差异化要素
- 品类定义:定义产品所属品类
Step 2: 定位陈述生成
使用定位公式生成3-5个定位陈述:
定位公式:
对于 [目标用户],[产品名] 是一个 [品类定义],
它 [核心价值],不同于 [竞品参照],[差异化点]
生成策略:
- 差异化来源变化:功能差异/体验差异/场景差异
- 用户粒度变化:宽泛用户群/精准用户群
- 竞品参照变化:直接竞品/间接竞品/传统方案
Step 3: 质量门检查
对每个定位陈述进行5项质量检查:
| 检查项 | 标准 | 通过条件 |
|---|---|---|
| Specific (具体性) | 目标用户和价值明确 | 用户群体可识别,价值可感知 |
| Differentiated (差异化) | 与竞品有明确差异 | 差异点可验证 |
| Exclusive (排他性) | 不是所有竞品都能说 | 至少1个竞品无法声称 |
| Verifiable (可验证) | 可以被事实验证 | 有可量化的支撑证据 |
| Concise (简洁性) | 一句话说清 | ≤30字核心表述 |
Step 4: 推荐与排序
基于质量门检查结果,推荐和排序定位陈述:
- 全部通过的排在前面
- 部分通过的标注改进建议
- 未通过的标注淘汰原因
输出
存储路径:output/pm-strategy/positioning-statement/
输出文件:positioning-statements.json
输出校验规则
| 字段路径 | 类型 | 必填 | 说明 |
|---|---|---|---|
| positioning_statements | array | 是 | 3-5个定位陈述候选 |
| positioning_statements[].statement | string | 是 | 定位陈述全文 |
| positioning_statements[].target_user | string | 是 | 目标用户 |
| positioning_statements[].category | string | 是 | 品类定义 |
| positioning_statements[].core_value | string | 是 | 核心价值 |
| positioning_statements[].differentiation | string | 是 | 差异化点 |
| positioning_statements[].competitor_reference | string | 是 | 竞品参照 |
| positioning_statements[].quality_check.specific | boolean | 是 | 具体性检查 |
| positioning_statements[].quality_check.differentiated | boolean | 是 | 差异化检查 |
| positioning_statements[].quality_check.exclusive | boolean | 是 | 排他性检查 |
| positioning_statements[].quality_check.verifiable | boolean | 是 | 可验证性检查 |
| positioning_statements[].quality_check.concise | boolean | 是 | 简洁性检查 |
| positioning_statements[].quality_check.all_passed | boolean | 是 | 全部通过标记 |
| positioning_statements[].rank | number | 是 | 推荐排序 |
| recommended_index | number | 是 | 推荐索引 |
{
"positioning_statements": [
{
"statement": "对于中小型培训机构,EduAI是一个AI教学SaaS平台,它通过自适应学习引擎提升学员完课率,不同于传统课程平台,EduAI能根据学员知识图谱动态调整教学路径",
"target_user": "中小型培训机构",
"category": "AI教学SaaS平台",
"core_value": "通过自适应学习引擎提升学员完课率",
"differentiation": "根据学员知识图谱动态调整教学路径",
"competitor_reference": "传统课程平台",
"quality_check": {
"specific": true,
"differentiated": true,
"exclusive": true,
"verifiable": true,
"concise": true,
"all_passed": true
},
"rank": 1
},
{
"statement": "对于企业培训管理者,EduAI是一个智能培训管理平台,它让培训效果可量化,不同于静态课程平台,EduAI提供AI驱动的学习ROI看板",
"target_user": "企业培训管理者",
"category": "智能培训管理平台",
"core_value": "让培训效果可量化",
"differentiation": "AI驱动的学习ROI看板",
"competitor_reference": "静态课程平台",
"quality_check": {
"specific": true,
"differentiated": true,
"exclusive": false,
"verifiable": true,
"concise": true,
"all_passed": false,
"improvement_suggestion": "排他性不足:竞品B也可声称提供ROI看板"
},
"rank": 2
}
],
"recommended_index": 0
}
决策规则
- 质量门规则:5项质量检查全通过才可输出
- 重试规则:不通过自动重试最多3次
- 升级规则:3次重试仍不通过升级人类
- 最终选择:人类从候选中选择最终定位陈述
质量检查
- 3-5个定位陈述已生成
- 每个陈述使用定位公式
- 5项质量检查已完成
- 推荐排序合理
- 差异化来源多样化
降级策略
当上游文件不存在时,本Skill仍可独立执行:
| 缺失的上游输入 | 降级方案 | 输出影响 |
|---|---|---|
| evaluation_report.json(价值主张匹配) | 用户提供产品价值描述 → 生成定位陈述 | 缺乏价值匹配数据,核心价值可能不够精准 |
| competitor-intel.json(竞品分析) | 用户提供产品价值描述 → 生成定位陈述 | 缺乏竞品数据,差异化点和竞品参照缺乏依据 |
| evaluation_report.json + competitor-intel.json | 用户提供产品价值描述 → 生成定位陈述 | 整体置信度降低,定位陈述缺乏数据锚定 |
| 所有上游文件均缺失 | 提示用户先执行前序阶段,或基于用户提供的产品价值描述生成定位陈述 | 整体置信度显著降低,定位陈述仅为假设推断 |
| 用户洞察数据 | 若用户洞察数据缺失,提示用户提供或跳过该输入相关步骤 | 目标用户定义可能不够精准 |
数据获取说明:
- 本Skill需要价值主张匹配和竞品分析数据,请通过以下方式之一提供:
- 直接描述产品价值、目标用户和竞品差异
- 上传evaluation_report.json / competitor-intel.json文件
- 提供数据文件路径
- AI不负责外部数据采集,仅负责分析
上游变更响应
上游变更影响表
| 上游变更 | 影响范围 | 响应策略 |
|---|---|---|
| evaluation_report价值主张匹配变更 | 核心价值提取 | 重新执行Step 1-2,更新定位陈述 |
| competitor-intel竞品分析更新 | 差异化点和竞品参照 | 重新执行Step 1-2,更新差异化要素 |
| persona用户画像更新 | 目标用户定义 | 重新执行Step 1,更新目标用户 |
下游通知机制表
| 变更类型 | 影响范围 | 通知方式 |
|---|---|---|
| 定位陈述变更 | positioning-exclusion、positioning-differentiation | 输出文件版本号+变更摘要 |
| 质量门检查结果变更 | positioning-exclusion | 输出文件版本号+变更摘要 |
What ships with it
Read from the repository
Just SKILL.md. No reference files, no scripts.