DTC 市场调研总控（四板块编排版）

定位

承担市场调研任务的总控入口。负责澄清用户目的、确认数据范围和输出风格、生成 Orchestration Brief、调度数据源、选择方法链、组织分析结果并交给输出层交付。

本 Skill 不直接硬编码具体数据接口，不把所有分析方法写死在一个流程里，也不把输出平台绑定到报告生成逻辑中。四个板块是并列能力面：

数据源平面：data-source-orchestrator
方法论平面：market-method-orchestrator
任务目的平面：本 Skill + 方法编排器的 purpose playbooks
输出平面：research-output-orchestrator

详细架构见 four-plane-architecture.md。

触发场景

当用户说以下任一意图时使用本 Skill：

帮我调研 XX 市场、品类、赛道。
判断某个产品方向值不值得做。
对一个品类做新产品/新细分市场开发。
基于评论、Reddit、YouTube、TikTok、Amazon 等数据做用户洞察。
基于竞品数据做差异化机会。
现有产品要迭代优化，希望从评论和竞品中挖需求。
需要输出 HTML、Markdown、飞书文档或知识库报告。

如果用户只是抓取 Amazon 商品、下载评论或查某个 ASIN，不启动完整市场调研总控；转给数据源平面或已有采集 Skill。

核心原则

先问目的，再定方法，再拿数据，再写报告。
数据源、分析方法、任务目的和输出规范互相解耦。
同样是“市场调研”，新市场进入、产品迭代、细分场景发现、竞品差异化的分析链路不同。
方法链要能解释为什么选这些方法，不堆砌框架名。
输出必须保留数据血缘、质量评分、方法链和限制。
默认输出风格为全中文本土化、老练犀利、理性美学网页报告；用户指定其他风格时以用户为准。

Step 0: 澄清任务目的

如果用户没有说明目的，先用短问题确认：

这次调研主要服务哪个决策？
1. 是否进入一个新品类/新市场
2. 现有产品迭代优化
3. 发现新的细分人群/场景/价格带
4. 竞品拆解和差异化定位
5. 社媒/VOC 用户洞察
6. 供应链、利润和可行性验证
7. 老板/客户汇报

如果用户已经明确目的，直接复述并进入下一步。允许一个 primary purpose + 最多两个 secondary purposes。

Step 1: 确认数据源范围

按 research-scope-menu.md 询问数据深度。默认推荐“电商 + 社媒标准版”，但如果用户只要快速判断，可以降级为 Amazon-only。

我可以按三个数据深度做：

1. Amazon-only 快速版：Amazon 市场/竞品/评论/关键词。
2. 电商 + 社媒标准版：Amazon + Reddit + YouTube。（推荐）
3. 全域深度版：Amazon + Reddit + YouTube + TikTok/TikTok Shop + Keepa + 1688/供应链 + 公开报告。

目标站点默认 Amazon US。是否确认这个范围？

Step 2: 确认输出方式

如果用户没有指定输出，调用输出平面的确认菜单：

报告完成后你希望怎么交付？
1. 默认本地 HTML 报告
2. HTML + Markdown + 数据包
3. 写入飞书/Lark 文档或知识库
4. 写入 Obsidian/Notion/其他知识库连接器

默认风格：全中文、老练犀利、讲人话；网页报告采用理性美学直角卡片和交互图表，文档报告采用结构化表格/列表。
是否把这个选择保存为以后市场调研的默认输出方式？

如果用户已明确要 HTML、飞书或 Markdown，直接写入 OutputBrief，不重复打断。

Step 3: 生成 OrchestrationBrief

将目的、数据范围、方法要求和输出要求合成统一 brief：

{
  "task_id": "interactive_companion_toy_20260427",
  "research_object": {"type": "keyword", "value": "interactive companion toy"},
  "task_purpose": {
    "primary": "new_market_entry",
    "secondary": ["segment_discovery"],
    "decision_to_support": "判断是否进入并选择切入点"
  },
  "data_scope": {
    "depth": "standard",
    "platforms": ["amazon", "reddit", "youtube"],
    "marketplaces": ["Amazon US"]
  },
  "output_scope": {
    "formats": ["html", "json"],
    "targets": ["local_file"],
    "include_appendix": true,
    "style": {
      "language_profile": "zh_cn_localized",
      "tone_profile": "seasoned_direct_plainspoken",
      "visual_profile": "rational_aesthetics_html",
      "document_profile": "structured_decision_doc"
    }
  }
}

详细契约见 orchestration-brief-contract.md。

Step 4: 调度数据源平面

把 OrchestrationBrief 转为 DataNeed，交给 data-source-orchestrator。

要求 Data Pack 返回：

原始文件路径。
标准化实体：products、reviews、keywords、categories、videos、social_posts、suppliers、web_documents。
Data lineage。
Quality score。
数据缺口和降级说明。

如果 required 数据缺失，先让数据源平面走 fallback；仍失败时保留缺口，后续方法链降低置信度。

Step 5: 调度方法论平面

把 Data Pack 摘要和 task purpose 交给 market-method-orchestrator。

方法论平面必须返回：

Analysis Plan。
method_chain。
data_gaps。
report_ready_sections。
confidence and limitations。

不同目的的默认方法链：

| 任务目的 | 默认方法链 | |---|---| | 新市场/新品类进入 | 市场三源估算 -> 趋势/季节性 -> 集中度 -> Porter 五力 -> STP -> 竞品价格价值矩阵 -> JTBD -> ERRC -> 成本门槛 | | 当前产品迭代 | 评论主题聚类 -> 方面情绪 -> 投诉转需求 -> Kano -> Listing promise gap -> 竞品功能 benchmark -> RICE | | 新细分市场发现 | VOC 聚类 -> 使用场景聚类 -> PSPS -> STP -> TAM/SAM/SOM 切片 -> 定位图 -> Value Proposition Canvas | | 竞品差异化 | 功能 benchmark -> 4P/7P -> review gap -> price-value matrix -> moat/copyability -> strategy canvas -> ERRC | | 社媒/VOC 洞察 | 内容主题图 -> 情绪语言 -> 购买阻力 -> JTBD -> PSPS -> message-market fit | | 供应链/利润验证 | price ladder -> cost ceiling -> unit economics gate -> supplier risk -> Keepa market dynamics |

完整 playbook 见 market-method-orchestrator/references/task-purpose-playbooks.md。

Step 6: 综合判断

只在数据和方法都返回后综合。判断顺序：

研究对象真实市场定义是什么，是否需要从用户原词切换到可测代理类目。
市场规模和趋势是否足够。
竞争格局是否允许进入。
用户痛点是否强烈且可修复。
是否存在清晰细分人群/场景/价格带。
供应链和利润是否存在明显硬门槛。
输出 Go / Watch / No-Go，并给下一步验证动作。

Step 7: 调度输出平面

将结果交给 research-output-orchestrator，按 OutputBrief 生成：

HTML 报告。
Markdown 版本。
JSON Data Pack 和 Analysis Plan。
飞书/Lark/知识库写入结果。
数据血缘与方法链附录。
输出风格合规结果。

报告质量规则

不把第三方估算销量写成官方销量；写作”估算月销量（来源名）”。
不把 Amazon bought in past month 和第三方估算合并成同一个数字。
不用社媒热度替代购买需求；只能作为需求、场景、情绪证据。
不用少量评论写精确百分比；样本小则写频次和代表证据。
不在缺少成本时写伪利润表；改写价格红线和成本门槛。
不因为某个平台数据失败就删除模块；保留模块并说明缺失和影响。
所有关键方法必须能追溯到 method_chain，避免”报告看起来很完整但逻辑不可复用”。
报告默认全中文本土化输出，仅保留品牌名、ASIN、平台名、工具名和必要英文专有名词。
网页报告默认遵循 research-output-orchestrator/references/output-style-guide.md 的理性美学标准：独立 HTML、企业深蓝/莫兰迪青灰、直角卡片、无阴影、细边框、交互图表。
文档/Markdown/知识库报告默认开头总结、分层标题、表格和列表优先，逻辑清晰、少废话。

数据溯源与 AI 推理标注规则（强制）

报告中出现的每一条数据和结论，必须按以下规则标注来源：

有直接数据支撑的结论：必须在结论后附上数据源超链接。格式示例：
- HTML 报告：市场规模约 $22.5 亿 <a href=”https://example.com/report” class=”source-link”>[来源]</a>
- Markdown 报告：市场规模约 $22.5 亿 [[来源](https://example.com/report)]
- 同一结论引用多个来源时，逐个列出：[[来源1](url1)] [[来源2](url2)]
AI 分析推理得出的结论：必须在结论后标注 [AI 分析结论]，并说明推理依据。格式示例：
- HTML 报告：<span class=”ai-inference”>🤖 AI 分析结论：基于 XX 数据推理</span>
- Markdown 报告：> 🤖 **AI 分析结论**：基于 XX 数据推理
- 推理依据中引用的数据仍需提供来源链接
混合型结论（部分有数据、部分有推理）：先标注数据来源，再标注 AI 推理部分。格式示例：
- 市场规模 $22.5 亿 [[来源](url)]，其中柚木细分约占 8%（🤖 AI 估算：基于品类搜索量占比推理）
分类标注标准：
- ✅ 第三方报告/平台官方数据/工具抓取结果 → 标注为数据来源 + 超链接
- ✅ 评测文章的测试数据（如实测噪音 dB、硬度值）→ 标注为数据来源 + 超链接
- 🤖 基于数据做的趋势判断、机会评估、竞争强度评级 → 标注为 AI 分析结论
- 🤖 毛利率估算、成本估算（无实际报价）→ 标注为 AI 分析结论
- 🤖 细分市场打分、Go/Watch/No-Go 判断 → 标注为 AI 分析结论
- ❌ 无法提供来源也无法说明推理逻辑的结论 → 不得出现在报告中
数据源链接要求：
- Data Pack 的 lineage 记录中必须保留 source_url（采集数据的原始页面 URL）
- 方法论平面的 findings 中必须保留 source_urls（支撑该发现的可访问 URL 列表）
- 输出平面在渲染报告时，将 source_url 转为可点击的超链接
- 如果原始 URL 已失效或为付费墙内容，标注 [来源·可能需登录] 或 [来源·已归档]

默认文件结构

reports/{task_id}/
  data/
    raw/
    normalized/
    data_pack.json
    lineage.md
  analysis/
    analysis_plan.json
    market_size.json
    competitors.json
    voc.json
    opportunity.json
    profitability.json
  output/
    report.html
    report.md
    delivery_result.json

结束语模板

完成后只在聊天里给高密度摘要：

报告已生成：/absolute/path/to/report.html

核心判断：Go / Watch / No-Go
任务目的：
方法链：
主要机会：
最大风险：
数据范围：
输出方式：
输出风格：

不要在聊天中粘贴完整 HTML。