customer-research

customer-research 技能概览

customer-research 技能能做什么

customer-research 技能的作用，是帮助智能体开展有结构的客户研究，而不是只给出泛泛的头脑风暴。它主要支持两类实际工作：一是分析你已经拥有的研究材料，二是在你手头没有一手资料时，从公开渠道寻找新的客户信号。因此，它很适合用于 UX Research、产品营销、定位、信息传达、ICP 研究，以及 voice-of-customer 综合分析。

谁适合安装 customer-research

如果你的团队在做产品、UX 或信息传达决策前，需要先有证据支撑，那么这个 customer-research 技能会很适合。典型适用对象包括：UX 研究员、创始人、PM、产品营销人员、增长团队，以及基于访谈、问卷、工单、评论或社区帖子开展工作的代理机构。

最适合的使用场景

当你需要以下能力时，可以使用 customer-research：

• 分析访谈逐字稿或问卷回复
• 将杂乱的客户输入整理成主题和代表性引述
• 提取 jobs to be done、痛点、触发因素、期望结果和购买语言
• 在还没有直接访谈的早期阶段，先做 ICP 或市场理解
• 从 Reddit、G2、Capterra、论坛和垂直社区中挖掘反复出现的模式

为什么它比通用提示词更好

它的核心差异在于工作流更有纪律性。这个技能会推动智能体先检查现有的产品营销背景，在分析前先澄清研究目标，把“分析现有材料”和“主动找研究资料”明确分开，并要求提取具体字段，而不是输出一段模糊总结。仓库中附带的 evals 也展示了什么样的行为才算好，从而减少试错和猜测。

采用前最需要明确的事

它不是一个数据采集工具，也不是爬虫包。它真正的价值在于：研究框架设定、来源选择、提取结构，以及综合分析质量。如果你要的是自动化 pipeline、dashboard 或统计型问卷工具，那么这份 customer-research 指南本身并不适合单独承担这些需求。但如果你想让 AI 智能体产出更好的研究提示和更稳定的研究结果，它会是一个很强的候选项。

如何使用 customer-research 技能

customer-research 的安装与仓库阅读入口

使用以下命令从仓库安装：

npx skills add https://github.com/coreyhaines31/marketingskills --skill customer-research

安装后，打开该技能目录并优先阅读：

• skills/customer-research/SKILL.md
• skills/customer-research/evals/evals.json
• skills/customer-research/references/source-guides.md

如果你只能先看一个文件，就先读 SKILL.md。如果你想快速理解输出质量应该长什么样，接着看 evals/evals.json。

先检查产品上下文再用 customer-research

这个技能有一个很实用的前置要求：在提问前，先检查 .agents/product-marketing-context.md 或 .claude/product-marketing-context.md 是否存在。这一点很关键，因为当智能体已经知道产品、买家、品类和限制条件时，customer-research 的使用质量通常会明显提升。

如果这个文件存在，就把路径指给智能体，或者把等价的上下文直接粘贴到你的提示词里。

先明确 customer-research 的两种运行模式

customer-research 最好在一开始就明确选择一种模式：

1. Analyze existing assets
   适用于逐字稿、工单、问卷、评论、通话记录和支持日志等现有材料。

2. Go find research
   适用于你缺少直接客户材料，需要从 Reddit、评论网站、论坛或竞品相关讨论中寻找公开研究信号的场景。

一开始就说清模式，可以避免智能体把“综合分析”和“找资料”混在一起。

什么样的输入能让 customer-research 输出更好

要想把 customer-research 用好，建议至少给智能体这些信息：

• 产品或问题所属的类别
• 目标用户或 ICP
• 研究目标
• 可用来源
• 期望交付物
• 时间、地域、市场或细分人群等约束条件

一个弱提示词是：

• “Help me research customers.”

一个更强的提示词是：

• “Use the customer-research skill in analyze-existing-assets mode. I have 18 interview transcripts from heads of support at B2B SaaS companies. Goal: identify recurring onboarding pain points, switching triggers, and language we can use on our website. Deliverable: prioritized themes, representative quotes, and a short implications section for UX Research and messaging.”

把模糊目标补全成完整的 customer-research 提示词

这个 customer-research 技能一个可靠的提示词结构是：

• context：涉及什么产品或受众
• objective：研究要支持什么决策
• mode：分析现有材料，还是去找研究
• source list：现有数据有哪些
• extraction fields：需要提取哪些字段
• output format：你希望最终产出什么形式

示例：

“Use the customer-research skill for UX Research. Product: user onboarding software for mid-market SaaS teams. Audience: onboarding managers and customer success leaders. Mode: analyze existing assets. Sources: 12 transcripts, 40 churn survey responses, 85 support tickets. Extract: jobs to be done, pain points, trigger events, desired outcomes, alternatives considered, exact language, and high-signal quotes. Output: clustered themes with frequency and intensity, then 5 UX opportunities.”

customer-research 通常擅长提取哪些内容

从该技能本身和 evals 来看，智能体通常应该重点寻找：

• jobs to be done
• 痛点与摩擦点
• 触发事件
• 期望结果
• 客户自然使用的语言
• 被纳入考虑的替代方案或竞品
• 主题聚类
• 频次与强度
• 可作为证据的 money quotes

这种提取结构很有价值，因为它能把原始研究和后续决策衔接起来，比如 UX 调整、定位或信息传达优化。

如何把 customer-research 用在 UX Research

在 UX Research 场景下，不要只让它输出“洞察”。更好的做法是要求它提供：

• 高频出现的任务拆解
• 当前工作流中的摩擦点
• 用户困惑或延迟发生的环节
• 未被满足的预期
• workaround 行为
• 功能选择标准
• 有证据支撑的机会区域

这样可以让 customer-research 更扎根于用户行为，而不是漂移成纯营销式总结。

如何更有效地使用公开来源研究

在 “go find research” 模式下，仓库参考指南给出了 Reddit、G2、Capterra、论坛和垂直社区等实用来源。最强的做法不是“搜索我们的品牌名”，而是“搜索 ICP 会在哪里讨论这个问题”。

有价值的来源类型包括：

• 围绕问题展开的 Reddit 帖子
• 竞品对比帖
• 评论网站上的吐槽与好评
• 讨论工作流和 workaround 的论坛帖子
• “what tool do you use for X?” 这类讨论

第一次正式使用前值得读的仓库文件

建议按这个顺序读：

1. SKILL.md：看工作流
2. evals/evals.json：看预期的提示行为和输出形态
3. references/source-guides.md：看不同来源的具体研究方法，尤其是 Reddit 研究

其中 evals 特别值得看，因为它会暴露一些不那么显眼但很关键的要求，比如在分析前先问用户目标，以及建议同时给出 frequency 和 intensity 的评分。

customer-research 在实际工作中的推荐流程

一个适合真实场景的 customer-research 使用流程，大致如下：

1. 提供产品和受众背景
2. 明确你要做的研究决策
3. 选择 mode 1 或 mode 2
4. 给出已有材料或目标来源
5. 要求智能体按结构提取字段
6. 查看第一轮综合结果里是否漏掉了某些细分人群
7. 第二轮聚焦矛盾点、边缘案例和最佳引述
8. 把发现转成具体的 UX、产品或信息传达产物

使用 customer-research 时可以直接要求的输出格式

选择与你下一步动作匹配的交付物：

• 带引述的主题表
• JTBD 摘要
• 基于证据的人物画像输入
• 细分人群对比
• 按频次和强度排序的核心痛点
• 社区与评论网站来源地图
• 面向产品或 UX Research 的影响分析 memo

交付物越具体，customer-research 的首次安装和上手体验通常就越有行动价值。

customer-research 技能 FAQ

customer-research 适合新手吗

适合，前提是你已经清楚研究要支持什么决策。这个技能比普通提示词更有结构，但新手依然需要提供产品背景，并选择一个有用的交付物。否则输出仍然可能停留在比较宽泛的层面。

什么情况下该用 customer-research，而不是普通提示词

当你希望提取和综合过程可复用、可重复，尤其是面对大量材料时，就该用 customer-research。通用提示词也许能总结内容，但这个技能更可能主动询问目标、采用研究框架，并输出主题聚类、引述和证据，而不是松散观察。

这个技能只适合营销团队吗

不是。虽然它放在一个营销技能仓库里，但 customer-research 同样适用于 UX Research、产品发现、支持分析和早期市场理解。它背后的方法，对任何需要理解用户痛点、触发因素、期望结果和用户措辞的团队都很有帮助。

customer-research 的边界在哪里

它不能替代一手研究执行、受访者招募、埋点分析或正式的定量方法。它最强的部分在于研究 framing、来源发现、定性分析和综合整理。

没有访谈逐字稿，customer-research 还能用吗

可以。这恰恰是它比较容易落地的一个优点。该技能明确支持从线上公开来源寻找研究材料的模式，所以对于早期团队，或者刚进入一个新细分市场、暂时还接触不到真实客户的团队来说，会很有帮助。

哪些情况下 customer-research 不适合用

以下情况建议跳过：

• 你需要有统计效力的问卷分析
• 你需要对研究方法做法律或合规审查
• 你需要自动化抓取或数据 pipeline
• 你只是想随手要一些没有证据支撑的文案点子

这个仓库里有针对不同来源的具体指导吗

有。references/source-guides.md 提供了比较具体的公开来源研究方法，尤其包括 Reddit 的发现路径、搜索模式，以及哪些类型的帖子最容易暴露痛点、替代方案和切换触发因素。

如何提升 customer-research 的效果

给 customer-research 一个决策，而不只是一个话题

提升质量最明显的方法，是明确告诉智能体“研究要支持什么决策”。“Research our customers” 很弱；“Find onboarding friction we should prioritize in the next UX sprint” 就强得多。决策越清晰，提取和综合通常也越有质量。

更清楚地定义来源背景

告诉智能体每类来源分别代表什么：

• 赢单访谈
• 流失访谈
• 新用户支持工单
• 来自 SMB 买家的 G2 评论
• 来自从业者而非买家的 Reddit 帖子

这样可以显著改善聚类效果，因为智能体能把获客、上手、留存和切换信号区分开来。

要求基于证据做细分，而不是混成一个画像

customer-research 的常见失败模式之一，是把不同用户压扁成一个混合 persona。要改善结果，可以明确要求输出：

• 细分差异
• 不同来源之间的矛盾点
• 占比不高但严重性很高的痛点
• 买家、管理员和日常使用者之间的差异

不只看主题，还要要求 frequency 和 intensity

只有主题通常太“软”。更好的做法是让智能体打分，或至少区分：

• 常见但严重性低的问题
• 不算常见但强度很高的问题
• 不应驱动决策的个别 anecdote

这是 evals 里体现得最清楚、也最实用的模式之一。

明确要求原话和 money quotes

如果你希望输出不仅能写研究 memo，还能继续用于其他场景，就要要求 verbatim phrases 和简短支撑引述。这样会让 customer-research 在 UX Research 综合、向利益相关方汇报，以及后续信息传达工作中更有价值。

用更好的搜索种子提升公开来源研究质量

对于 mode 2，不要只从你的产品类别出发。更好的搜索种子包括：

• 问题陈述
• 职位名称
• 竞品名称
• “alternative”、“switch”、“recommend” 和 “frustrated with” 这类措辞

仓库里的参考指南解释了为什么这样更有效：以问题为中心的搜索，比以品牌为中心的搜索更快暴露真实工作流痛点。

第一轮之后继续迭代

第一轮输出通常更适合作为“地图”，而不是最终答案。接下来可以继续追问：

• “Which themes are strongest for new users versus experienced users?”
• “What contradictions appear between interviews and reviews?”
• “Pull 10 quotes that show urgency, not just dissatisfaction.”
• “Which findings are most actionable for UX Research in the onboarding flow?”

留意 customer-research 的常见失效模式

在以下情况下，customer-research 往往表现不佳：

• 来源质量参差不齐，而且没有标注
• 一个提示词里同时要求太多结果
• 受众细分过于模糊
• 把公开来源当成直接客户访谈来使用
• 在原始证据不足之前就急着要求综合结论

建一个可复用的 customer-research 提示词模板

如果你预计会反复使用 customer-research，建议建立一个标准模板，至少包含：

• 产品摘要
• ICP 与非 ICP
• 研究问题
• mode
• 来源清单
• 提取字段
• 输出格式
• 约束条件
• 结果要支持的决策

这样，customer-research 就不只是一次性的提示词助手，而会变成一套可重复执行的研究工作流。