pricing-strategy

pricing-strategy 技能概览

pricing-strategy 技能帮助你以“价值优先”的视角设计或评估定价：产品到底交付了什么，客户愿意为什么付费，以及哪种定价模型最适合业务。如果你需要做 Pricing Strategy 相关工作，比如设定新价格、重构分层、比较 freemium 和付费模式，或者拿竞争对手来压力测试一次调整，它都很适合。

这个技能适合做什么

当真正的问题不只是“定个价”，而是要做出一个同时符合产品价值、客户分层和市场环境的定价决策时，就该用 pricing-strategy 技能。它尤其适合 SaaS、API，以及在使用量、席位数或结果产出上有明显差异的产品。

它为什么有用

这个 repo 会推动你在给出建议前，先评估实际交付价值、替代方案、支付意愿和价格弹性。这让输出比通用定价提示更接近可决策结果，因为它会强迫你在 flat-rate、per-seat、usage-based、tiered、freemium 和 value-based 之间权衡取舍。

最适合的用户与不适用场景

这个技能最适合创始人、产品经理、增长团队，以及正在准备定价备忘录或上线建议的 agent。如果你需要的是深度计量经济学分析、高级市场研究，或者完整的财务模型，它就不算强项；这种情况下，应该把它当作框架工具，再接入专门分析。

如何使用 pricing-strategy 技能

安装并找到源文件

使用 npx skills add phuryn/pm-skills --skill pricing-strategy 安装。安装后先看 SKILL.md；这个 repo 里没有配套的 rules/、references/、resources/ 或辅助脚本，所以这个技能几乎完全依赖这一份说明文件。

给技能输入可直接用于决策的信息

想让 pricing-strategy 用得更好，不要只问“我们该收多少钱？”要提供产品类型、目标客户、当前模式、竞品集合、使用量或席位分布、成本驱动因素，以及你希望它做出的决策。一个更好的 prompt 可以是：Evaluate pricing for a B2B AI note-taking app for sales teams. Current plan is flat-rate. Compare tiered vs per-seat vs usage-based, using our competitor list and assuming strong collaboration value but variable usage.

让它输出什么内容

可以让它给出推荐方案、推荐理由、被否决的模型备选，以及定价风险。如果你希望拿到可落地结果，就进一步要求它输出具体产物，比如建议的分层结构、上线价格区间、打包逻辑，或者验证支付意愿的问题清单。这样技能就有足够指引，从策略走向执行。

能显著提升输出的工作流

先读 SKILL.md，再把你已有的文件喂给它：竞品定价表、调研笔记、财务假设、使用数据或客户访谈。如果还没有这些文件，就指示 agent 先研究竞品定价，再起草建议。先用第一轮答案缩小模型选择范围，然后再迭代层级边界、折扣策略和升级触发条件。

pricing-strategy 技能常见问题

pricing-strategy 只是一个通用 prompt 吗？

不是。pricing-strategy 技能提供了一套可重复使用的框架，用来比较定价模型、测试支付意愿，并把价格和实际交付价值对齐。通用 prompt 往往会跳过备选方案，直接给出一个价格。

什么时候不该用这个技能？

不要把它当成完整市场研究、法律审查或细致收入建模的替代品。如果产品面临高度监管的定价限制、复杂的企业谈判，或者客户数据非常稀缺，就应把这个技能视为起点，而不是最终答案。

它适合新手吗？

适合，只要你能清楚描述产品。新手在提供一份简明 brief 时最能获得价值：客户类型、产品价值、竞品基准和决策截止时间。如果没有这些输入，输出可能会停留在过于抽象的层面。

它如何融入更广泛的产品工作流？

它通常放在产品定位之后、上线或重新定价决策之前。这个技能在结合客户洞察、竞品扫描和快速财务 sanity check 时效果最好。

如何改进 pricing-strategy 技能

提供更清晰的市场背景

提升 pricing-strategy 结果的最好方式，是把客户可替代方案，以及产品带来的可量化价值说清楚。“节省时间”不如“把分析师准备时间从 3 小时缩短到 20 分钟”有用，因为后者更能帮助锚定支付意愿和模型选择。

尽早说明约束条件

把毛利底线、销售模式、采购摩擦、渠道冲突或打包限制告诉技能。这些约束往往比功能列表更能改变正确答案。如果你不说，第一版建议可能会选出一个看起来优雅、但落地很难的模型。

要求验证，而不只是要建议

拿到第一版输出后，让它指出：要让这个建议成立，哪些条件必须为真，以及哪些证据能推翻它。例如：What customer interviews, pricing tests, or usage signals would confirm tiered pricing is better than per-seat pricing? 这样一来，pricing-strategy 技能就会变成一个有用的迭代工具，而不是一次性的意见生成器。