卖点提炼器

触发词

卖点诊断、卖点提炼、产品诊断、处理问卷回答、跑诊断引擎、诊断报告

腾讯问卷批量收集（适合多用户场景）

用户说"处理问卷回答"时，说明已有腾讯问卷数据，按以下步骤执行：

第1步：拉取问卷回答

# 使用 MCP 工具调用（推荐）
mcp__tencent-survey__list_answers --args '{"survey_id": 26928145, "per_page": 20}'

问卷ID固定为 26928145。

第2步：转换回答格式

对每条新回答（list 数组中的每项），保存为临时JSON后调用转换脚本：

python scripts/survey_to_diagnosis.py <answer_json_path> <output_json_path>

转换脚本将问卷20题映射为引擎字段：

• q-1-feca → q1_product（产品名称）

• q-2-3a64 → q1b_product_type（产品类型）

• q-3-e381 → q1c_price_range（客单价）

• q-4-57fd → q1d_decision_cycle（决策周期）

• q-5-6535 → q2_problem（解决问题）

• q-6-196f → q3_diff（差异化）

• q-7-6f72 → q4_user（目标用户）

• q-8-6ec2 → q5_product_stage（产品阶段）

• q-9-015c → q5_baseline（数据补充）

• q-10-66af → q6_competitor1（竞品1）

• q-11-0dd2 → q6_competitor2（竞品2）

• q-12-0e33 → q7_alternative（替代方案）

• q-13-38fb → q8_pain（用户不满）

• q-14-e0ef → q9_pod（核心卖点）

• q-15-599e → q10_pop（证据）

• q-16-c86f → q11_credentials（权威背书）

• q-17-a7db → q12_data（可验证数据）

• q-18-6393 → q13_testimonial（用户见证）

• q-19-5fee → q14_hidden（隐形信任状）

• q-20-7861 → q15_extra（补充）

第3步：运行诊断引擎

python engine/deep_diagnosis_v4.py <json_path>

• 内部分析版（默认）：直接运行

• 正式客户版：加 --formal 或 -f 参数

第4步：交付结果

告知用户报告路径，报告可直接发送给客户（正式版）或用于内部分析。

只处理新回答

拉取后对比 answer_id，跳过已处理过的回答。建议在 output/ 目录下用文件名记录已处理的 answer_id。

诊断结论说明

本地JSON直接运行（适合已有数据）

如果用户已有JSON文件（非问卷来源，非对话式），直接运行引擎：

python engine/deep_diagnosis_v4.py <json_path>

JSON字段格式参考 examples/selftest.json。

项目结构

lh-maidian-pipeline/
├── SKILL.md                    # 本文件
├── config.json                 # 工作流配置（发布版已脱敏，无真实密钥）
├── engine/
│   └── deep_diagnosis_v4.py    # v4.0 六步诊断引擎
├── scripts/
│   └── survey_to_diagnosis.py  # 腾讯问卷→引擎JSON转换器
├── examples/
│   └── selftest.json               # 引擎输入示例
├── form/
│   ├── questions.json          # 题目定义（对话式诊断用）
│   └── form/form_v5.html  # HTML版表单（备用）
└── output/                     # 诊断报告自动输出

常见问题