skill-strategy-advisor git:20260828.21694ddA

Immutable. This exact content is served forever at /api/v1/blob/8a8e73323b87c2ca.

---
name: skill-strategy-advisor
description: >
  基于现有内容数据和画像迭代优化内容策略。分析过去一段时间的内容表现、画像信息、
  行业趋势，给出下一阶段的内容方向调整、新赛道建议、内容形式优化、发布节奏调整、
  画像微调等策略建议。当用户说"下一步怎么做"、"策略建议"、"怎么调整"、"内容方向"、
  "下个月策略"、"优化建议"、"迭代方向"时触发。
  和 skill-content-strategy 的区别：content-strategy 从零制定策略，
  strategy-advisor 基于现有数据做迭代优化。
layer: attribute
---

# 策略迭代建议

> 基于现有内容数据与画像，给出下一阶段的内容策略优化建议。

## 输入

| 字段 | 必填 | 说明 |
|------|------|------|
| 内容数据摘要 | 是 | 过去一段时间的内容表现数据（至少包含标题、平台、核心指标），或复盘报告 |
| 时间范围 | 推荐 | 数据覆盖的时间段（如"最近 30 天"、"6 月"） |
| 当前策略描述 | 推荐 | 现行的内容方向、赛道、发布节奏、主要形式等 |
| 目标变化 | 可选 | 近期目标是否有变化（如从涨粉转向变现、从单平台转向多平台） |
| 行业/赛道信息 | 可选 | 所在行业的近期变化、竞品动向 |
| 复盘报告 | 可选 | 若已运行过 skill-content-postmortem，可直接引用其输出 |

若用户仅提供模糊描述（如"最近数据不太好"），引导补充具体数据，但不阻断流程。基于可用信息给出建议，标注置信度。

## 输出

```markdown
# 策略迭代建议：[账号/主题] — [时间段]

## 现状诊断

### 数据总览
| 指标 | 当前值 | 趋势（↑↓→） | 健康度 |
|------|--------|-------------|--------|
| 发布频率 | | | |
| 平均阅读/播放 | | | |
| 平均互动率 | | | |
| 粉丝增长 | | | |
| 爆款率 | | | |

### 核心问题识别
- 问题 1：[具体问题 + 数据支撑]
- 问题 2：...
- 积极信号：[做得好的方面，不能只说问题]

## 策略建议（按优先级排序）

### 1. [最高优先级建议标题]
- **现状**：当前怎么做的
- **问题**：数据说明了什么
- **建议**：具体怎么调整
- **预期效果**：调整后预期的变化
- **执行要点**：落地时的注意事项

### 2. [次优先级建议标题]
...

（共 3-5 条建议）

## 内容方向调整

### 保持的方向
- [表现好的方向 + 原因]

### 加强的方向
- [有潜力但投入不足的方向 + 依据]

### 减少或放弃的方向
- [表现差或 ROI 低的方向 + 替代方案]

### 新赛道探索建议
- [基于数据和趋势推荐的新方向 + 试水方案]

## 内容形式优化
- 格式建议（图文 / 视频 / 直播 / 混合）
- 长度建议
- 发布节奏建议（频率 + 最佳时段）

## 画像微调建议（如有 Profile）
- 定位描述是否需要更新
- 目标受众是否需要调整
- 内容风格是否需要迭代
- 具体修改建议（给出修改前后对比）

## 下一步行动清单
1. 本周立即执行：[1-2 个动作]
2. 两周内完成：[2-3 个调整]
3. 持续观察：[需要跟踪验证的指标]

## 数据局限与假设
- 分析基于的数据范围和质量说明
- 关键假设（如平台算法未大幅变化）
```

## 执行步骤

1. **数据摄入与清理**
   - 接收用户提供的内容数据（CSV、截图、文字描述、复盘报告均可）
   - 标准化为统一格式：内容标题、平台、发布时间、核心指标
   - 若引用了 skill-content-postmortem 的输出，直接复用其分析结论

2. **现状诊断**
   - 计算核心指标的均值、趋势、波动
   - 识别表现异常点（突增突降）
   - 对照 references/platform-benchmarks.md 判断账号健康度
   - 标记正面信号和问题信号

3. **归因分析**
   - 交叉分析：哪些内容方向 x 内容形式的组合表现最好/最差
   - 时间维度：趋势是在好转还是恶化
   - 外部因素：是否有平台规则变化、行业热点、季节因素的影响

4. **趋势与机会扫描**
   - 基于赛道信息，判断行业内容趋势变化
   - 识别用户数据中的潜在增长方向（有苗头但未放大的信号）
   - 结合平台最新的流量倾斜方向（如平台近期推什么格式）

5. **策略生成**
   - 生成 3-5 条策略建议，每条包含：现状、问题、建议、预期效果、执行要点
   - 按预期影响力排序（高影响 + 低执行难度优先）
   - 确保建议具体可执行，不写"提高内容质量"这类空话

6. **方向调整矩阵**
   - 将现有内容方向分为四象限：保持 / 加强 / 减少 / 新增
   - 每个方向的调整都有数据支撑
   - 新赛道建议附带低成本试水方案（如"先发 3 条测试反馈"）

7. **画像微调（有 Profile 时）**
   - 比对数据表现与 Profile 中的定位描述
   - 若数据显示受众/风格/方向与 Profile 不符，给出微调建议
   - 提供修改前后对比，而非只说"需要调整"

8. **输出与交付**
   - 按输出模板生成完整报告
   - 生成行动清单（本周 / 两周内 / 持续观察）
   - 保存到 `outputs/`

## Profile 感知

**有 Profile 时：**
- 读取 identity.md（赛道定位）、platforms.md（当前主攻平台）、audience.md（受众画像）、preferences.md（变现/商业化偏好）
- 策略建议对齐 Profile 中的长期目标（不会为了短期数据建议偏离账号定位）
- 画像微调：当数据表现与 Profile 定义出现偏差时，明确指出并给出修改建议
- 分阶段建议：冷启动期侧重"找到有效方向"，增长期侧重"放大优势"，变现期侧重"转化效率"

**无 Profile 时：**
- 退到通用模式，基于数据本身做诊断和建议
- 不做"是否偏离定位"的判断（因为不知道定位是什么）
- 不输出画像微调部分
- 建议用户创建 Profile 以获得更精准的策略迭代

> 自研溯源与参考项目见同目录 `EASEL-META.md`。