把“明星/艺人/公众人物资产 × 汽车产品资产 × 用户情绪 × 传播场景 × 商业转化”组织成一套可执行、可审核、可复盘的整合营销方案,而不是只给一个好听的创意口号。
成功的输出应同时满足:
当用户提出以下需求时,优先调用本技能:
以下任务不应优先使用本技能:
开始前先判断输入是否足够。尽量不要机械追问;可在信息不足时给出“假设版方案”,并明确缺口。
至少需要以下任意两类信息:
以下信息不能凭记忆断言,应优先检索或请用户提供材料:
读取用户输入,补齐以下 brief:
资源:读取 modules/intake/brief-intake.md 与 templates/brief-template.md。
从六个维度评估明星和车型是否适配:
资源:读取 modules/celebrity-fit/fit-scorecard.md。
将合作设想拆成权益包:
资源:读取 modules/sponsorship-rights/rights-design.md 与 templates/rights-matrix.md。
按“一主两辅 + 四段节奏 + 多渠道联动”输出方案:
资源:读取 modules/imc-planning/imc-playbook.md、templates/imc-plan-template.md。
执行发布前门禁:
资源:读取 modules/risk-compliance/risk-checklist.md。
建立指标树:
资源:读取 modules/measurement/kpi-framework.md。
根据用户要求选择输出深度;默认输出“完整 IMC 方案”。
适合“这个明星和车型搭不搭”的问题。输出:
适合客户提案或内部立项。输出:
适合落地团队使用。输出:
交付前必须逐项自检:
当任务进入异常、缺信息、资料矛盾或工具不可用状态时,不要只回复“信息不足”或“无法判断”。必须按下面顺序处理:
异常输出必须使用 templates/missing-info-recovery-template.md 的结构;恢复策略详见 references/error-handling-guide.md、references/recovery-policy.md 与 references/fallback-modes.md。
面向用户的输出必须清楚说明:
celebrity-imc-plan.md、celebrity-fit-matrix.xlsx。references/source-map.md:PRD 与原专家包资产继承映射。references/methodology.md:明星赞助与汽车 IMC 方法论。playbooks/celebrity-endorsement-campaign-playbook.md:明星代言传播母题提炼手册。modules/intake/brief-intake.md:brief 收集与缺口判断。来源于7w4.net。
modules/celebrity-fit/fit-scorecard.md:明星 × 车型匹配评分。modules/sponsorship-rights/rights-design.md:赞助权益设计。modules/imc-planning/imc-playbook.md:整合营销方案工作流。modules/risk-compliance/risk-checklist.md:风险与合规清单。modules/measurement/kpi-framework.md:指标与复盘框架。templates/brief-template.md:输入 brief 模板。templates/imc-plan-template.md:完整方案输出模板。templates/rights-matrix.md:权益矩阵模板。examples/de-identified-case-bank.md:去品牌化案例库。qa/acceptance-tests.md:验收测试。references/error-handling-guide.md:异常类型识别、用户可理解提示与恢复话术。references/recovery-policy.md:最小可推进、自恢复、断点续跑与索证恢复规则。references/fallback-modes.md:假设版、待核验版、框架版、不可交付版的降级模式。templates/missing-info-recovery-template.md:缺信息/异常时的标准回复模板。qa/error-recovery-test-cases.md:异常处理专项测试用例。qa/stability-regression-tests.md:运行稳定性回归测试集。qa/skillhub-prelaunch-checklist.md:上架前门禁清单。scripts/validate-skill.py:本地静态校验脚本。这个 Skill 质量较好,专业度高。优点是逻辑清晰——从明星适配判断到整合营销方案到风险审查到效果复盘,流程完整;特别值得肯定的是它处理"信息不全"的能力,不会简单拒绝,而是给出假设版并标明哪里需要补充,这对实际使用很有帮助。输出有三档深度可选,能适应快速建议或完整提案的需求。不足之处是核心模块的内容比较概要化,实操细节不够丰富;对于一些边界情况的处理说明可以更具体。总体而言,这是一个专业度高、异常处理成熟但细节填充仍有空间的 Skill。