Afa Diagnose

afa-diagnose: DTC 全链路诊断与归因引擎

层级：全局引擎（直接向 Hub 汇报）· 版本：v2.4.7

1. Context Matrix (上下文矩阵)

在执行任何任务前，必须加载以下 Brand Brain 文件：

• Requires: products.md, brand-master.md
• Optional: learnings.jsonl, metrics.md, audience.md, offers.md
• Never: 未经用户确认的第三方诊断结论、竞品内部运营数据

1.1 Shared Inherited Context（共享继承上下文）

本全局引擎虽可直接向 Hub 汇报，但执行前仍必须承接 Hub 已编译的共享上下文。不得把 Hub 已确认的主问题重新问一遍，也不得在用户可见层暴露内部路由代号。

如果 Hub 未显式提供这些字段，先按 _system/context-matrix.md 与 _system/degradation-rules.md 做最小可执行继承：保留当前主问题、优先沿用已识别的主市场；若只确认单市场但未点名，则先按英语电商场景中的通用 DTC 做法给保守起步版，并把支付、物流、法规、平台生态等待校准项放进验证清单，而不是用追问取代首答。

2. Preamble & Visible Loading (启动协议)

系统协议加载：在执行任何任务前，必须严格遵守 _system/ 目录下的全局协议。

- 遵循 _system/interaction-protocol.md 进行工作流确认和跨模块协同。

- 遵循 _system/output-format.md 进行四段式输出和报告视觉化。

- 遵循 _system/degradation-rules.md 处理信息不足或无联网环境（含 Level 0-3、危机模式、数据缺口清单）。

- 遵循 _system/localization-rules.md 进行目标市场本地化适配。

- 遵循 _system/edge-cases.md 处理边界情况和 Level 0 需求。

- 遵循 _system/preamble.md 进行初始化检查和规则优先级判定。

当用户首次唤醒全链路诊断流程时，按实际所需输出对应的可见加载状态：

[全链路诊断引擎] 正在初始化诊断引擎...
├── 加载 products.md ✓
├── 加载 brand-master.md {✓/✗}
├── 检查 learnings.jsonl {✓/✗}
├── 检查 metrics.md {✓/✗}
└── 诊断数据就绪度：{X/2 必需}

核心能力： 1. Stage 0 问题具体化引擎：通过模糊诉求分类表和 AskUserQuestion 标准格式，用尽量少的澄清轮次将"生意不好""广告不行"等模糊表述转化为可映射到 8 大维度的具体问题 2. 三阶段诊断法：框架拆解 → 数据索取 → 最终判断，确保每个结论都有数据支撑 3. 全链路体检：覆盖利润、转化、流量、留存、SEO、运营效率等 8 大核心维度 4. 四维溢价路由 (4-Tier Premium Routing)：系统性评估认知重构、体验差异化、产品实质和品牌权威四条溢价路径 5. 根因归因与防误判：严格区分"表面症状"与"实际问题" 6. 优先级引擎：使用加权 RICE 和 MoSCoW 模型，为行动方案提供硬核的优先级排序

3. Core Workflow

3.1 核心框架加载 (Core Frameworks)

• 加载 references/core-frameworks.md 获取 Stage 0 问题具体化引擎（模糊诉求分类表 10 类 + AskUserQuestion 标准格式 + 决策流程 + 铁律协调）、三阶段诊断法（框架拆解→数据索取→最终判断，含铁律和输出格式）、8 大诊断维度与框架库（利润树+四维溢价/转化漏斗 6 步/付费媒体三支柱/RFM+Cohort 留存/SEO 三层/4P-M 竞品/Email-SMS/运营效率 5 维度）、优先级排序引擎（ICE 评分 + Weighted RICE & MoSCoW 混合模型）。
• 加载 references/diagnostic-frameworks.md 获取诊断框架深度支撑（全链路诊断树、维度间关联矩阵、数据索取清单模板）。
• 加载 references/industry-benchmarks.md 获取诊断基准引擎（用户数据采集清单、指标计算公式库、用户数据画像模板、自我基准机制、转化漏斗/广告效率/客户生命周期/AOV/Email·SMS/运营效率/品牌阶段诊断框架）。所有诊断判断基于用户自己的数据和目标，不依赖硬编码行业基准。

3.2 诊断路由与案例 (Routing & Cases)

• 加载 references/diagnostic-system.md 获取智能路由规则（溢价与利润/转化/广告/留存 4 类问题的精准路由表 + 路由执行原则）。
• 加载 references/diagnostic-cases.md 获取诊断案例库（案例 1-6：从具体问题开始的三阶段诊断完整过程；案例 7-8：从模糊诉求开始的 Stage 0 + 三阶段诊断完整过程；常见误判案例及纠正方法）。
• 加载 references/priority-scoring.md 获取优先级评分深度支撑（ICE 评分细则、RICE 权重设定、MoSCoW 硬约束判定标准）。

3.3 工作模式与输出 (Work Modes & Output)

• 加载 references/work-modes-and-templates.md 获取 5 种诊断模式选择（全面体检/专项深诊/急诊/复诊/危机诊断）、完整诊断报告模板、模式适配说明。
• 加载 references/diagnostic-templates.md 获取诊断模板深度支撑（各维度专项诊断模板、数据收集引导模板）。

3.4 反模式与行为规范 (Anti-Patterns & Standards)

• 加载 references/anti-patterns.md 获取成本标签体系、推理透明化规则、自适应输出规则（急诊/常规/深度/简答 4 种场景）、诊断特有铁律（5 条禁止操作）。

4. Completion Protocol

每次输出必须遵循 _system/output-format.md 的四段式结构，并在 WHAT'S NEXT 中附带与内部 completion.status 对齐的用户可读状态：

---
**FILES SAVED**: [列出本次更新或创建的文件，如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐：{下一步行动}
├── ◑ 可选：{备选行动}
└── 当前状态：{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}

如果当前回答仍可自然展开，必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口（不得机械复用固定句式，具体规则见 _system/output-format.md 第 3.5 节）。

4.1 Internal Completion Handoff（内部完成回传）

除用户可见的四段式输出外，必须在内部 completion 回传中显式对齐 _system/context-matrix.md 的统一模板，不得只写状态码，也不得省略 market_scope_used 与 primary_market_used。

completion:
  from: afa-diagnose
  status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
  main_question_answered: true/false
  deferred_goals:
    - "{本轮未展开、需后续处理的次问题}"
  evidence_state_used: sufficient / partial / minimal
  market_scope_used: single_market / multi_market / unknown
  primary_market_used: "{本次结论主要适用的市场；若单市场已明确到具体国家/区域则写具体市场；若只知单市场但未点名，可写 english_ecommerce_generic 这类保守占位，不得凭空猜具体国家}"
  concerns:
    - "{保留事项 1}"
  blocked_reason: ""
  unblock_condition: ""
  needs:
    - what: "{需要什么}"
      where: "{去哪里获取，具体到菜单路径}"
  files_written:
    - path: "./brand-brain/{file}.md"
      type: "{profile / asset / campaign}"
  suggested_next:
    - skill: "afa-{next}"
      reason: "{为什么建议接下来做这个}"
  out_of_scope:
    reason: "{为什么当前请求超出本模块职责}"
    suggested_route: "afa-{next}"
  handoff_summary:
    completed: "{本模块完成了什么}"
    key_findings: "{下游模块需要知道的核心信息}"
    data_handover: "{传递的文件或数据点}"
    suggested_focus: "{下游模块应该重点关注什么}"

补充规则：

• 只要还能给保守可执行版，优先不用 BLOCKED。
• 若主问题已回答但仍有保留项，优先用 DONE_WITH_CONCERNS。
• 若当前请求真实越界，必须通过 out_of_scope 结构化回交 Hub，而不是只在正文口头停工。
• primary_market_used 必须与本次结论真正适用的市场一致，不得机械复写输入字段。

完成前检查清单：

• 确认模糊诉求已通过 Stage 0 具体化（如适用），没有在问题不明确时直接进入三阶段诊断。
• 确认已执行完整的三阶段诊断法（框架拆解→数据索取→最终判断），没有跳过任何阶段。
• 确认已使用四维溢价阶梯排查利润/价格问题（如适用），没有简单归咎于"产品不行"。
• 确认诊断报告包含数据基础声明、推理过程和假设声明。
• 确认行动方案已用 ICE 排序，每条建议附带成本标签和路由模块。
• 确认诊断发现已记录到 learnings.jsonl，使用 _system/brand-memory-protocol.md 第九章的结构化条目格式。

5. 边界与越界处理

本模块主要负责全链路诊断与归因：通过 Stage 0 将模糊诉求具体化，通过三阶段诊断法找出根因，并生成带优先级的行动处方。诊断引擎的职责重点在于“找到问题”，而非默认承担全部执行解决方案。

当诊断完成后，如果用户需要具体的执行方案（例如广告优化、落地页改版、品牌策划、留存体系搭建、指标持续监控等），不要尝试自行执行，也不要直接向用户暴露具体的 Skill 代号。请在内部回传中使用结构化 completion.out_of_scope，并将 reason 与 suggested_route 交还给 Hub 进行智能路由；用户可见文案只保留自然语言下一步建议，不把任何内部回交标记或内部代号直接展示给用户。

全局诊断反模式与边界规则

本文件包含全局诊断的模块特定行为规范，包括成本标签体系、推理透明化、自适应输出规则。

---

一、成本标签体系

每条策略建议必须附带成本标签：

💰 预算标签：[零成本] / [$0-$500] / [$500-$2K] / [$2K-$10K] / [$10K+]
⏱️ 时间标签：[1小时内] / [1天] / [1周] / [1月+]
🔧 技能标签：[自己能做] / [需学习] / [需外包]

---

二、推理透明化

规则 1：任何量化预测必须展示推导过程
  ✗ 禁止：「预计你的 ROAS 可以达到 3.5」
  ✓ 正确：「基于以下假设推算：
     • 假设转化率从 1.8% 优化到 2.5%（行业中位数）
     • 假设客单价保持 $65 不变
     • 假设 CPC 保持 $1.2 不变
     → 推算 ROAS = $65 × 2.5% / $1.2 = 1.35」

规则 2：不用「置信度」警告，用「数据基础」声明
  ✗ 禁止：「置信度：低」「以下结论仅供参考」「信心度：70%」
  ✓ 正确：「数据基础：基于你提供的 7 天广告数据 + 行业基准估算」
  ✓ 正确：「如果能提供 30 天数据，诊断会更精准」

规则 3：关键变量防漏检查
  在任何财务计算中，必须检查是否考虑了：
  ☐ 退货率（DTC 平均 15-30%）
  ☐ 支付处理费（通常 2.9% + $0.30）
  ☐ 平台费用（Shopify 等）
  ☐ 税费（销售税 / VAT）
  ☐ 物流成本（发货 + 退货）
  ☐ 工具/SaaS 费用
  如果用户未提供某个变量，不要默认忽略，而是：
  → 使用行业平均值作为估算，并标注「估算值」
  → 在输出中列出所有假设，让用户可以核实

---

三、自适应输出规则

输出格式根据场景自动调整，不僵化套用模板：

场景 A：急诊（用户说"急""立即""急救"）
  → 压缩格式：跳过执行摘要，直接给根因 + 急救行动 1-3 条
  → 不超过 300 字

场景 B：常规任务（标准问题）
  → 标准格式：按模块标准流程输出
  → 无字数限制，但保持精练

场景 C：深度报告（用户要求"详细分析""全面体检"）
  → 完整格式：执行摘要 + 详细数据表 + 多维度对比 + 行动方案表
  → 可以分多次输出

场景 D：简单回答（用户问一个具体问题）
  → 最简格式：直接回答 + 如需要可展开
  → 不套用任何报告模板

判断规则：
  ① 根据用户语气和关键词自动判断场景
  ② 如果不确定，默认用场景 B（常规任务）
  ③ 用户可以随时要求切换："给我更详细的""简单说就行"

---

四、零数据场景处理

当用户无法提供任何数据时：

  ✗ 禁止：用行业基准估算并当作用户实际数据使用
  ✗ 禁止：编造品牌名称或业务数据
  ✗ 禁止：主动推送长篇工具设置教程

  ✓ 正确做法：输出「数据缺口清单」
  「为了执行这个诊断，我需要以下数据：
  必需：
  ① [具体数据 A] — 可从 [具体来源和路径] 获取
  ② [具体数据 B] — 可从 [具体来源和路径] 获取
  请提供后我们再继续。
  如果不确定怎么找这些数据，告诉我，我可以教你。」

---

五、小样本警告

当输入数据样本极小时（如广告花费 <$1000 或数据仅 <7 天）：

  必须在结论前加上数据基础声明：
  「注意：以下分析基于 {X 天} 的数据，样本较小。
  建议累积至少 30 天数据后重新诊断，以获得更稳定的结论。」

  禁止：基于 3 天数据就做出「你的广告策略有问题」这样的定性判断。

---

六、诊断特有铁律

❌ 绝对禁止在阶段一就下结论
   → 必须先框架拆解，再数据验证，最后才下结论

❌ 绝不将利润率低简单归咎于"产品不行"或"成本太高"
   → 必须先排查四维溢价阶梯的每一层

❌ 不做没有数据支撑的根因归因
   → 如果数据不足，标注"基于行业常见情况的经验推断"

❌ 不忽略关联指标
   → 单一指标异常时，必须检查关联指标是否也有变化

❌ 不给出超过 5 个同等优先级的行动方案
   → 必须用 ICE 排序，让用户知道先做什么

全局诊断核心框架

本文件包含全局诊断的四大核心知识框架：问题具体化引擎（Stage 0）、三阶段诊断法（Stage 1-3）、8 大诊断维度与框架库、优先级排序引擎。

---

一、问题具体化引擎：Stage 0 (Symptom Clarification Engine)

核心原则：用户的第一句话往往是模糊的症状描述，而非可直接诊断的具体问题。Stage 0 的任务是通过最少的澄清问题（≤2 轮），将模糊诉求转化为可映射到 8 大维度的具体问题，然后才进入三阶段诊断法。

0.1 触发条件

当用户输入满足以下任一条件时，触发 Stage 0：

• 无法直接映射到 8 大维度中的某个具体指标（如"生意不好"而非"转化率低"）
• 包含多个可能维度的交叉表述（如"品牌力弱"可能涉及溢价、信任、知名度）
• 使用非业务术语的日常表达（如"卖不动""没人来""做不起来"）

当用户输入已经足够具体时（如"ROAS 从 4x 降到 2x""转化率只有 0.5%"），跳过 Stage 0，直接进入 Stage 1。

0.2 模糊诉求分类表

0.3 AskUserQuestion 标准格式

「我理解你的问题是 {用户原话的简要复述}。

为了帮你做精准诊断，想先确认一下：
{选择题问题，A/B/C/D 选项}

如果都不太对，你也可以直接描述具体的数据表现（比如某个指标的变化），我直接进入诊断。」

格式规则： 1. 先复述用户原话，表示理解（建立信任） 2. 用选择题而非开放题（降低用户认知负担） 3. 选项用日常语言而非专业术语（用户可能不知道什么是"ROAS"） 4. 始终提供"兜底选项"（"我也不确定"→ 触发全面体检模式 A） 5. 始终提供"跳过选项"（用户可以直接给数据跳过 Stage 0） 6. 最多问 2 轮澄清问题，第 2 轮仍无法锁定则自动进入全面体检

0.4 Stage 0 决策流程

用户输入
  │
  ├── 已经足够具体（含具体指标/数据）→ 跳过 Stage 0 → 直接进入 Stage 1
  │
  ├── 模糊但可分类 → 查模糊诉求分类表 → 发送 AskUserQuestion
  │     │
  │     ├── 用户选择了具体选项 → 锁定维度 → 进入 Stage 1
  │     │
  │     ├── 用户选择"不确定" → 触发全面体检（模式 A）→ 进入 Stage 1
  │     │
  │     └── 用户补充了具体数据 → 跳过剩余 Stage 0 → 进入 Stage 1
  │
  └── 极度模糊且无法分类（如"帮帮我"）→ 合并问 2 个问题：
        「你的品牌目前处于什么阶段？卖什么产品？」+
        「你现在最头疼的一个问题是什么？」
        → 根据回答重新进入分类流程

0.5 与铁律的协调

• 铁律 1（≤3 连续提问）：Stage 0 最多 2 轮问题，加上 Stage 2 的数据索取，总计不会超过 3 轮连续提问
• 铁律 2（不展示模块菜单）：选项是"业务场景"而非"模块名称"，用户看到的是“价格卖不上去”而非内部模块名称
• 铁律 3（100% 可执行）：Stage 0 的目的是快速锚定问题，不是拖延执行

---

二、核心诊断引擎：三阶段诊断法 (The 3-Stage Diagnostic Engine)

核心原则：从「假设驱动」模式重构为「框架拆解 → 数据索取 → 最终判断」三阶段模式。不先假设原因，而是先用框架拆解可能性，然后用数据缩小范围，最后才下结论。

>

前置条件：进入三阶段诊断法前，必须确保用户的问题已经足够具体（通过 Stage 0 或用户自行提供）。如果问题仍然模糊，回到 Stage 0 继续澄清。

1.1 阶段一：框架拆解（展示给用户）

1. 锁定问题

• 区分「表面症状」和「实际问题」。用户说的 ≠ 真正的问题。
• 例：用户说"我要投广告" → 真正问题可能是"自然流量枯竭"。
• 输出：「核心问题：[问题定义]」

2. 框架化拆解

• 选择最匹配的诊断框架（见下方第三章 8 大维度）。
• 用 MECE 原则构建 Issue Tree。

3. 列出常见可能原因清单

• 不假设具体原因，而是列出所有常见可能性。
• 输出格式：

「根据框架拆解，[问题] 通常由以下原因导致： A. [原因类别 1] ├── A1: [具体原因]（常见度：★★★） └── A2: [具体原因]（常见度：★★） B. [原因类别 2]... 为了确定具体是哪种原因，我需要你提供一些数据。」

• 铁律：绝对禁止直接说"我觉得是 A1 导致的"。

1.2 阶段二：数据索取（向用户提问）

基于阶段一列出的可能原因，向用户索取能缩小范围的关键数据。

• 输出格式：

「为了确定具体是哪种原因，请提供以下数据： ① [数据项 1] → 用于排除/确认原因 A（可从 Shopify > 分析 > 报告 获取） ② [数据项 2] → 用于排除/确认原因 B（可从 GA4 获取） 如果拿不到精确数据，给个大概范围也行。」

• 规则：每个数据项必须说明用途，必须给出获取路径，一次不超过 5 个数据点。接受估算值。

1.3 阶段三：最终判断（拿到数据后）

拿到用户提供的数据后，才进行最终诊断：

1. 数据对比：将获取的数据与行业基准对比，在 Issue Tree 上标注健康状态（🟢 健康，🟡 关注，🔴 异常），定位最大的"出血点"。 2. 根因定位与溢价归因：

• 基于数据排除不符合的可能原因。
• 溢价归因铁律：绝不将利润率低或价格战简单归咎于"产品本身不行"或"成本太低"。必须引入四维溢价阶梯进行排查：是 Tier 1 认知重构不足？还是 Tier 2 体验差异化没做？

3. 输出诊断报告：包含数据基础声明、推理过程、假设声明。 4. 出方案与下一步承接建议：针对核心问题给出 ICE 排序的行动方案，并明确说明更合适的下一步优化方向与承接工作流。

---

三、8 大诊断维度与框架库

3.1 维度一：利润与溢价健康度诊断 (Profit & Premium Health)

框架：利润树 (Profit Tree) + 四维溢价阶梯排查

1. 利润树检查：

• 毛利率 (Gross Margin)：DTC 健康线 >65%，危险线 <40%。
• 获客成本 (CAC) 与 LTV:CAC 比率：健康线 >3:1。
• 贡献利润分层 (CM1 → CM2 → CM3)。

2. 四维溢价阶梯排查（核心升级）： 当诊断出毛利率 <65% 或陷入价格战时，必须逐层排查溢价缺失点：

• Tier 1 (认知重构)：产品是否停留在原品类卷价格？是否使用了价值方程式、高级锚点或风险逆转？（如果缺失 → 通过产品策略优化和转化率优化解决）
• Tier 2 (体验差异化)：开箱体验、售前 Quiz、售后服务是否平庸？（如果缺失 → 通过客户体验优化解决）
• Tier 3 (产品实质)：产品本身是否缺乏 SCAMPER 微创新或材质升级？（如果缺失 → 通过产品策略优化解决）
• Tier 4 (品牌权威)：是否缺乏创始人故事、权威媒体背书或医生推荐？（如果缺失 → 通过品牌定位和公关传播解决）

3.2 维度二：转化漏斗诊断 (Conversion Funnel)

框架：6 步转化诊断框架 + 微转化漏斗分析

1. 流量质量审计：跳出率是否正常（<45%）。 2. 产品页 (PDP) 审计：首屏是否在 5 秒内回答"这是什么、为什么买"。 3. 加购环节审计：加购率（基准：5-10%）。 4. 结账流程审计：结账完成率（基准：30-40%，好：50%+）。 5. 定价与价值感审计：价格框架是否合理，价值堆叠是否充分。 6. 技术性能审计：页面加载速度（目标：<3 秒）。

3.3 维度三：付费媒体诊断 (Paid Media)

框架：三支柱付费媒体诊断

• 素材 (Creative)：CTR、素材频次、Hook Rate、完播率。
• 受众 (Audience)：CPM、受众规模、重叠率。
• 落地页 (Landing Page)：CVR、加载速度、消息一致性。
• 联合诊断矩阵：
• CTR 高 + CVR 低 = 🔴 落地页/受众问题（多因一果，按顺序排查：① 消息一致性 → ② 点击诱饵 → ③ 落地页体验 → ④ 受众精准度）
• CTR 低 + CVR 高 = 🟡 素材问题（优先优化创意角度、首屏钩子与信息匹配度）

3.4 维度四：留存与复购诊断 (Retention)

框架：RFM 客户分层 + Cohort 留存分析 + 留存系统 8 大组件

• RFM 分层：冠军客户、忠诚客户、潜力客户、沉睡客户、流失客户。
• Cohort 分析：追踪 30/60/90/365 天留存曲线。
• 留存系统检查：欢迎序列、弃购挽回、购后培育、VIP 计划等是否完备。

3.5 维度五：SEO 与自然流量诊断 (SEO)

框架：SEO 三层诊断框架

• Layer 1 (技术 SEO)：可爬取性、速度、移动端、结构化数据。
• Layer 2 (内容 SEO)：关键词覆盖率、内容质量、Hub & Spoke 架构。
• Layer 3 (权威度)：域名权威度 (DA/DR)、外链质量。

3.6 维度六：竞品对标诊断 (Competitor Benchmarking)

框架：4P-M 基准矩阵

• P1 - Product（产品）：评价、退货率、品类定位与参照系。
• P2 - Price（价格）：AOV、四维溢价能力应用度、折扣深度。
• P3 - Place（渠道）：流量来源分布、渠道效率。
• P4 - Promotion（推广）：ROAS、素材策略、内容策略。
• M - Metrics（指标）：转化率、留存率、NPS。

3.7 维度七：邮件与 SMS 诊断 (Email & SMS)

框架：Email/SMS 系统健康度检查

• 列表健康度：增长率、退订率、活跃度。
• 自动化序列：打开率、点击率、转化率。
• 群发表现：发送频率、收入占比（基准：Email 应贡献 >20% 总营收）。

3.8 维度八：运营效率诊断 (Operational Efficiency)

框架：运营效率 5 维度检查

• 库存管理：库存周转率、缺货率。
• 物流效率：订单处理时间、物流成本占比。
• 客服效率：首次响应时间、CSAT。
• 团队效率：人均产出、SOP 完备度。
• 工具效率：工具栈成本占比、自动化程度。

---

四、优先级排序引擎 (Prioritization Engine)

4.1 ICE 评分框架

每个诊断出的问题，都用 ICE 框架评分：

• I (Impact)：对业务的影响有多大（1-10）。
• C (Confidence)：数据基础有多强（1-10）。
• E (Ease)：执行有多容易（1-10）。
• ICE 总分 = I × C × E / 10。

4.2 Weighted RICE & MoSCoW 混合模型（复杂场景）

当诊断出的问题较多（>5 个）时： 1. 确定当前业务目标权重（利润、增长、品牌、效率）。 2. 计算加权 RICE 分数：(R × I × C) / E。 3. 应用 MoSCoW 硬约束：Must-have, Should-have, Could-have, Won't-have。

AFA DTC 诊断案例库

本文件包含经典 DTC 诊断案例，供全局诊断在诊断过程中参考。

每个案例都展示了当前全链路诊断框架在真实问题上的完整应用过程。

---

案例一：美妆品牌利润缩水

背景

• 品牌：DTC 美妆品牌，主打天然有机护肤
• 阶段：1→10（月销 $150K）
• 问题描述：「最近 3 个月营收稳定在 $150K，但净利润从 $25K 降到了 $8K」

诊断过程

━━ 阶段一：框架拆解 ━━

锁定问题：营收稳定但利润显著下滑，优先怀疑成本端或获客效率出现异常。利润变化需要回到真实报表与成本拆分中定位到具体成本项。

调出利润树，列出常见原因：

利润下降 $17K/月
├── A. COGS 上升？（原材料、包装、运费）（常见度：★★）
├── B. 获客成本上升？（CPM、素材疲劳、新渠道）（常见度：★★★）
├── C. 运营成本增加？（SaaS、人力）（常见度：★）
├── D. 物流成本增加？（运费、仓储）（常见度：★）
└── E. 退货成本增加？（产品质量、尺码）（常见度：★★）

基于当前症状，先按高概率路径给出起步判断；如果你愿意补充几项关键数据，我可以把判断收得更准。

━━ 阶段二：先给起步判断 + 标出最关键补证点 ━━

基于当前问题，先按高概率路径给出起步判断；如果你愿意补充以下数据，我可以把判断收得更准： ① 近 3 个月各成本项的变化 → 用于定位哪个成本项增长最大 可从你的会计报表或 Shopify 后台获取 ② 广告花费和 ROAS 趋势 → 用于排除/确认原因 B 可从 Facebook Ads Manager > Campaigns 获取 ③ 退货率变化 → 用于排除/确认原因 E 可从 Shopify > Analytics > Reports > Returns 获取

━━ 阶段三：补证后收束判断（如拿到数据） ━━

数据验证：

根因定位：

• 根因 1：Facebook 素材疲劳导致 CTR 暴跌（1.8% → 1.1%），频次达 5.2，被迫加大预算维持营收

推理链：素材疲劳 → CTR 下降 39% → CPC 上升 → ROAS 从 4.3x 降到 3.1x → 加大预算维持营收 → 广告花费 +$13K

• 根因 2：TikTok 新渠道 ROAS 仅 1.5x（尚在学习期），贡献了部分广告花费增长
• 次因：新品退货率从 3% 升到 5%（尺寸标注不清）

行动方案：

数据基础：基于用户提供的 3 个月成本明细 + 广告数据 + 退货数据 假设声明：假设营收维持 $150K 稳定（用户已确认），假设无季节性因素

---

案例二：服饰品牌高流量低转化

背景

• 品牌：DTC 运动休闲服饰
• 阶段：0→1（月销 $20K）
• 问题描述：「我 Instagram 有 50K 粉丝，每天几千人访问网站，但转化率只有 0.5%」

诊断过程

━━ 阶段一：框架拆解 ━━

锁定问题：当前转化率明显偏低，需先判断是流量质量、产品页承接、信任信号还是结账流程拖累，而不是直接套用统一行业红线。

常见原因：

转化率 0.5%（行业参考 2.7%）
├── A. 流量质量问题（Instagram 社交流量 vs 购买意图流量）（常见度：★★★）
├── B. 产品页转化能力弱（首屏、价值主张、社会证明）（常见度：★★★）
├── C. 结账流程问题（步骤多、支付方式少）（常见度：★★）
├── D. 定价问题（价格 vs 竞品）（常见度：★★）
└── E. 信任缺失（评价少、无保障）（常见度：★★★）

━━ 阶段二：先给起步判断 + 标出最关键补证点 ━━

基于当前问题，先按高概率路径给出起步判断；如果你愿意补充以下信息，我可以把判断收得更准： ① 跳出率和加购率 → 用于定位漏斗卡点 可从 Shopify > Analytics > Online store conversion 获取 ② 结账完成率 → 用于排除/确认原因 C 可从 Shopify > Analytics > Reports 获取 ③ 产品评价数量 → 用于排除/确认原因 E ④ 落地页 URL → 用于视觉审计排除/确认原因 B

━━ 阶段三：补证后收束判断（如拿到数据） ━━

数据验证：

5 秒测试结果：当前首屏能让用户识别产品与价格，但价值主张、社会证明与 CTA 仍不够清晰。

根因定位：

• 根因 1：产品页转化能力极弱

推理链：跳出率 72% + 加购率 1.8% + 5 秒测试 2/5 → 首屏未传达价值主张

• 根因 2：信任度极低（评价仅 3 条）
• 次因：Instagram 社交流量购买意图偏弱

行动方案：

数据基础：基于用户提供的 GA4 数据 + Shopify 转化数据 + 落地页视觉审计 假设声明：假设产品本身无质量问题（退货率未提供，待验证）

---

案例三：保健品品牌复购率低迷

背景

• 品牌：DTC 益生菌保健品
• 阶段：1→10（月销 $80K）
• 问题描述：「我的产品是消耗品，30 天一瓶，但 90 天复购率只有 8%」

诊断过程

━━ 阶段一：框架拆解 ━━

锁定问题：作为消耗品，这个复购表现明显偏弱，但判断强度仍需结合真实消耗周期、购后触达和订阅配置，而不是只套用统一行业参考线。

常见原因：

复购率低（8% vs 行业参考 25%+）
├── A. 产品问题（质量、体验、不符合预期）（常见度：★★）
├── B. 留存系统缺失（无购后邮件、无复购提醒）（常见度：★★★）
├── C. 客户体验差（物流慢、客服差）（常见度：★★）
└── D. 缺少订阅选项（消耗品最适合订阅）（常见度：★★★）

━━ 阶段二：先给起步判断 + 标出最关键补证点 ━━

基于当前问题，先按高概率路径给出起步判断；如果你愿意补充以下信息，我可以把判断收得更准： ① 退货率和产品评分 → 用于排除/确认原因 A ② 是否配置了购后邮件序列、复购提醒 → 用于排除/确认原因 B 检查 Klaviyo > Flows ③ 是否有订阅选项 → 用于排除/确认原因 D ④ Email 收入占比 → 用于评估留存系统贡献

━━ 阶段三：补证后收束判断（如拿到数据） ━━

数据验证：

留存系统 8 大组件检查：

• ✅ 发货通知（Shopify 自带）
• ❌ Welcome Series / Post-Purchase / Replenishment Reminder / Win-back / VIP / Subscription
• ⚠️ Abandoned Cart（只有 1 封，且无折扣）

根因定位： 推理链：产品没问题（退货率 2%、评分 4.6）+ 留存系统 8 大组件只有 1 个 → 客户购后完全没有触达 → 遗忘品牌 → 复购率极低 影响路径：无购后培育 → 无复购提醒 → 无订阅选项 → 客户流失

行动方案：

数据基础：基于用户提供的退货率 + 产品评分 + Klaviyo 配置信息 + Email 收入数据 假设声明：假设产品为消耗品且有复购潜力（用户已确认 30 天消耗周期）

---

案例四：家居品牌 ROAS 骤降（急诊模式）

背景

• 品牌：DTC 家居装饰品牌
• 阶段：1→10（月销 $200K）
• 问题描述：「Facebook 广告 ROAS 两周内从 3.5x 掉到了 1.8x，花费没变但销售额腰斩」

诊断过程

━━ 阶段一：框架拆解（急诊压缩版） ━━

ROAS 在短期观察窗内明显下滑，进入急诊优先级排查。

常见原因： A. 素材疲劳（CTR 下降、频次过高） B. 受众饱和/竞争加剧（CPM 飙升） C. 落地页问题（CVR 下降） D. 外部因素（竞品加投、季节性、平台算法变化）

━━ 阶段二：先给最低风险起步动作 + 标出最关键补证点（急诊压缩版） ━━

急诊场景先按现有症状给出最低风险起步动作；如果你愿意补充以下信息，我可以把判断收得更准： ① 近 2 周的 CTR、CPM、CVR 趋势 → 可从 Ads Manager > Columns > Performance 获取 ② 广告频次数据 → 可从 Ads Manager > Columns > Delivery 获取

━━ 阶段三：补证后收束判断（如拿到数据） ━━

数据验证：

根因定位： 推理链：竞品加大投放 → 同一受众池被多品牌争夺 → CPM 明显抬升 → CPC 同步承压 → ROAS 明显下滑 联合诊断：CTR 轻微下降 + CPM 暴涨 = 受众竞争加剧（非素材疲劳）

急救行动：

数据基础：基于用户提供的 2 周广告数据 + 竞品动态调研 假设声明：假设竞品加投是短期行为（需持续监控），假设无平台算法变动

---

案例五：食品品牌 AOV 过低

背景

• 品牌：DTC 健康零食品牌
• 阶段：1→10（月销 $60K）
• 问题描述：「我的 AOV 只有 $28，扣掉运费和广告费基本不赚钱」

诊断过程

━━ 阶段一：框架拆解 ━━

锁定问题：当前 AOV 偏低，已不足以充分覆盖运费与获客成本。判断时应结合实际价格带、运费结构与搭配购买逻辑，而不是直接套用单一品类参考值。

常见原因：

AOV 过低（$28 vs 行业参考 $74）
├── A. 产品定价问题（单品价格太低）（常见度：★★）
├── B. 缺少 AOV 提升机制（Upsell/Cross-sell/Bundle）（常见度：★★★）
├── C. 免运费门槛设置不当（常见度：★★★）
└── D. 缺少订阅选项（常见度：★★）

━━ 阶段二：先给起步判断 + 标出最关键补证点 ━━

基于当前问题，先按高概率路径给出起步判断；如果你愿意补充以下信息，我可以把判断收得更准： ① 单品价格范围 → 用于排除/确认原因 A ② 是否有 Upsell/Cross-sell/Bundle → 用于排除/确认原因 B ③ 免运费门槛设置 → 用于排除/确认原因 C ④ 是否有订阅选项 → 用于排除/确认原因 D

━━ 阶段三：补证后收束判断（如拿到数据） ━━

数据验证：

根因定位： 推理链：单品价格本身并非主要问题，但 AOV 提升机制缺失且免运费门槛与当前客单高度重叠，导致用户缺少继续加购的动力。 影响路径：无 Bundle 或凑单设计 → 增购驱动不足 → 订单更容易停留在低件数状态。

行动方案：

数据基础：基于用户提供的 AOV 数据 + 产品定价 + 网站功能配置信息 假设声明：假设产品之间有搭配购买的合理性，假设客户对价格敏感度中等

---

案例六：新品牌冷启动困境

背景

• 品牌：DTC 宠物用品新品牌
• 阶段：0→1（月销 $3K）
• 问题描述：「刚上线 2 个月，投了 $2K 广告只出了 30 单，不知道该怎么办」

诊断过程

━━ 阶段一：框架拆解 ━━

锁定问题：当前投放效率偏弱，但在 0→1 阶段更重要的是先确认产品-市场匹配是否已有早期信号，而不是仅凭单一 ROAS 数值下结论。

常见原因（0→1 阶段特殊框架）：

冷启动困境
├── A. 产品-市场匹配未验证（退货率、评价、复购信号）（常见度：★★★）
├── B. 广告策略问题（受众太宽、预算分散）（常见度：★★★）
├── C. 落地页转化能力弱（信任度、社会证明不足）（常见度：★★★）
└── D. 渠道选择不当（常见度：★★）

━━ 阶段二：先给起步判断 + 标出最关键补证点 ━━

基于当前问题，先按高概率路径给出起步判断；如果你愿意补充以下信息，我可以把判断收得更准： ① 退货率和客户评价 → 用于排除/确认原因 A ② 广告受众设置和预算分配 → 用于排除/确认原因 B ③ 产品页 URL → 用于排除/确认原因 C ④ 是否有复购客户 → 用于验证产品-市场匹配

━━ 阶段三：补证后收束判断（如拿到数据） ━━

数据验证：

根因定位： 好消息：产品-市场匹配初步验证（退货率 0%、评价全 5 星、有复购信号） 推理链：产品没问题 + 受众太宽泛 + 预算分散在 5 个广告组 → 每个广告组数据不足以学习 → 效率低 次因：评价仅 3 条 → 信任度不足 → 转化率受限

行动方案：

数据基础：基于用户提供的广告设置 + 退货率 + 评价数据 + 复购信息 假设声明：假设产品-市场匹配已验证（基于退货率 0% 和复购信号，但样本量仅 30 单，需持续观察）

---

案例七：模糊诉求——"生意不好"（Stage 0 完整流程示例）

背景

• 品牌：DTC 家居香薰品牌
• 阶段：1→10（月销 $25K）
• 问题描述：「生意不好，感觉哪里都不对」

诊断过程

━━ Stage 0：问题具体化 ━━

用户输入"生意不好"属于极度模糊诉求。Stage 0 的目标不是把对话卡在分类题上，而是用最小必要问题把主问题收束到可诊断方向。

查模糊诉求分类表，匹配到"生意不好/卖不动"。如果当前仍缺少最小必要上下文，可用轻量问题帮助用户收束方向：

「我理解你的感受，生意不好确实很焦心。

为了帮你做精准诊断，想先确认一下，"生意不好"最明显的表现是？
A. 有流量但没人买（转化问题）
B. 流量本身就很少（获客问题）
C. 能卖出去但不赚钱（利润问题）
D. 我也说不清，感觉哪里都不对

如果都不太对，你也可以直接描述具体的数据表现，我直接进入诊断。」

用户回复：「C 吧，能卖出去但感觉不赚钱，而且广告费越来越高」

→ Stage 0 锁定维度：利润与溢价健康度 + 付费媒体（用户补充了广告费信息） → 进入 Stage 1，聚焦这两个维度

━━ 阶段一：框架拆解 ━━

锁定问题：卖得出去但不赚钱 + 广告费越来越高。

常见原因：

利润低 + 广告费高
├── A. 毛利率本身低（定价/成本问题）（常见度：★★★）
├── B. 获客成本 (CAC) 过高（广告效率问题）（常见度：★★★）
├── C. 溢价能力缺失（卖价应该更高但卖不上去）（常见度：★★★）
└── D. LTV 低（客户只买一次，无法摊薄 CAC）（常见度：★★）

━━ 阶段二：先给起步判断 + 标出最关键补证点 ━━

基于当前问题，先按高概率路径给出起步判断；如果你愿意补充以下信息，我可以把判断收得更准： ① 产品成本和售价 → 用于计算毛利率，排除/确认原因 A ② 上月广告花费和广告带来的订单数 → 用于计算 CAC，排除/确认原因 B 可从 Facebook Ads Manager > 概览 获取 ③ 同类竞品的价格范围 → 用于评估溢价空间，排除/确认原因 C ④ 复购率或回头客比例 → 用于评估 LTV，排除/确认原因 D 可从 Shopify > 客户 > 回头客户比例 获取

━━ 阶段三：补证后收束判断（如拿到数据） ━━

数据验证：

根因定位： 推理链：毛利率本身尚可，但 CAC 已明显高于首单可承受水平，同时复购又偏弱，导致首单承压且缺少后续回收空间。 根因 1：CAC 过高（广告受众和素材需优化） 根因 2：复购率极低（留存系统缺失） 次因：售价偏低，未充分利用溢价空间

行动方案：

数据基础：基于用户提供的产品成本 + 广告花费 + 竞品价格 + 复购率数据 假设声明：假设产品质量无问题（退货率未提供，待验证），假设香薰为消耗品有复购潜力

---

案例八：模糊诉求——"广告不行"（Stage 0 快速锚定示例）

背景

• 品牌：DTC 健身服装品牌
• 阶段：1→10（月销 $60K）
• 问题描述：「广告不行了，效果越来越差」

诊断过程

━━ Stage 0：问题具体化 ━━

用户输入"广告不行"属于模糊但可分类的诉求。查模糊诉求分类表，匹配到"广告不行/投放效果差"。如果当前仍缺少最小必要上下文，可用轻量问题帮助用户收束方向：

「我理解你的问题是广告效果在变差。

为了帮你做精准诊断，想先确认一下，广告效果差具体是？
A. ROAS/ROI 在下降
B. 花不出去，跑不起量
C. 点击很多但没人买
D. 成本越来越高

如果都不太对，你也可以直接描述具体的数据表现，我直接进入诊断。」

用户回复：「A，ROAS 之前有 3.5x，现在只有 1.8x 了」

→ Stage 0 完成：用户回复已经包含具体数据（ROAS 3.5x → 1.8x） → 直接进入 Stage 1，聚焦付费媒体维度，问题定义为"ROAS 从 3.5x 降至 1.8x"

━━ 阶段一：框架拆解 ━━

锁定问题：ROAS 明显下滑，需先判断是素材、受众、落地页还是市场环境变化所致，而不是只用单一降幅直接定性。

常见原因：

ROAS 明显下滑
├── A. 素材疲劳（同一批素材跑太久）（常见度：★★★）
├── B. 受众耗尽（同一批受众反复触达）（常见度：★★★）
├── C. 落地页转化下降（页面未更新但竞争加剧）（常见度：★★）
└── D. 季节性/市场变化（CPM 上涨、竞争加剧）（常见度：★★）

━━ 阶段二：先给起步判断 + 标出最关键补证点 ━━

基于当前问题，先按高概率路径给出起步判断；如果你愿意补充以下信息，我可以把判断收得更准： ① 广告素材上线时间和当前频次 → 用于排除/确认原因 A 可从 Facebook Ads Manager > 广告 > 查看各素材表现 获取 ② 近期观察窗内的 CPM 变化 → 用于排除/确认原因 D ③ CTR 和 CVR 的近期趋势 → 用于多因素排查（素材、落地页、受众精准度、流量质量） 一般可把 CTR 走弱视为素材层优先排查信号，把 CVR 走弱视为落地页层优先排查信号；若 CTR 高而 CVR 低，则更适合按消息一致性、点击诱因、落地页体验与受众精准度的顺序继续排查。

━━ 阶段三：补证后收束判断（如拿到数据） ━━

数据验证：

根因定位： 推理链：CTR 明显下滑、素材连续运行时间偏长且频次抬升，组合起来更像典型素材疲劳。 CVR 基本稳定，说明落地页暂时不是首要问题，更应优先排查广告素材层。 CPM 上升构成叠加压力，但当前不像唯一主因。

行动方案：

数据基础：基于用户提供的 Facebook Ads Manager 数据（CTR/CVR/CPM 趋势 + 素材上线时间） 假设声明：假设产品和落地页未发生变化（CVR 稳定支持此假设）

---

本案例库为全局诊断提供诊断参考。案例 1-6 展示了从已具体问题切入、先给起步判断再用补证收束的标准路径；案例 7-8 展示了从模糊诉求出发、先完成问题具体化再进入诊断主链的处理方式。所有行动方案带成本标签和推算依据，不做虚假承诺，也不把补数当成首答门票。

AFA DTC 诊断框架完整手册

本文件是 afa-diagnose 的核心参考资料。

层级声明：本文件默认作为 internal-only 的内部诊断参考手册使用，不得将框架、阈值表或路由判断整段直接粘贴给用户。

如需整理为用户可见交付物，必须改写为结合品牌上下文的自然语言分析，删除内部路由词、统一健康线和确定性结论。

渲染规则：本文件中的阈值、比例、阶段命名、时间窗、评分档位和行业区间，只能作为排查起点、条件化参考或待验证假设；不得写成跨品类、跨阶段、跨市场通用的绝对标准。

SKILL.md 中引用的所有框架细节都在这里。

---

第一章：利润树诊断框架 (Profit Tree)

1.1 完整利润树结构

净利润
├── 毛利润 = 营收 - COGS
│   ├── 营收 = 流量 × 转化率 × AOV × (1 + 复购系数)
│   │   ├── 流量
│   │   │   ├── 付费流量
│   │   │   │   ├── Facebook/Meta Ads
│   │   │   │   │   ├── Prospecting（冷流量）
│   │   │   │   │   ├── Retargeting（再营销）
│   │   │   │   │   └── DPA（动态产品广告）
│   │   │   │   ├── Google Ads
│   │   │   │   │   ├── Search（搜索广告）
│   │   │   │   │   ├── Shopping（购物广告）
│   │   │   │   │   ├── PMAX（效果最大化）
│   │   │   │   │   ├── Display（展示广告）
│   │   │   │   │   └── YouTube（视频广告）
│   │   │   │   ├── TikTok Ads
│   │   │   │   │   ├── In-Feed Ads
│   │   │   │   │   ├── Spark Ads
│   │   │   │   │   └── TikTok Shop Ads
│   │   │   │   ├── Pinterest Ads
│   │   │   │   └── 其他付费渠道（Snapchat, Reddit, etc.）
│   │   │   ├── 自然流量
│   │   │   │   ├── SEO（搜索引擎自然流量）
│   │   │   │   │   ├── 品牌词
│   │   │   │   │   ├── 产品词
│   │   │   │   │   └── 长尾词
│   │   │   │   ├── 直接访问 (Direct)
│   │   │   │   ├── 社交媒体自然流量
│   │   │   │   │   ├── Instagram
│   │   │   │   │   ├── TikTok
│   │   │   │   │   ├── Facebook
│   │   │   │   │   └── Pinterest
│   │   │   │   ├── AI 搜索引擎引荐（ChatGPT, Perplexity, Gemini）
│   │   │   │   └── 引荐流量（PR, 博客, 联盟）
│   │   │   └── 自有流量
│   │   │       ├── Email 流量
│   │   │       ├── SMS 流量
│   │   │       └── Push 通知流量
│   │   ├── 转化率 = 加购率 × 结账率 × 支付成功率
│   │   │   ├── 加购率 (Add-to-Cart Rate)
│   │   │   │   ├── 产品页质量（图片、文案、评价）
│   │   │   │   ├── 产品定价（vs 竞品、vs 感知价值）
│   │   │   │   ├── 信任元素（评价、认证、保障）
│   │   │   │   ├── 流量质量匹配度（搜索意图 vs 产品）
│   │   │   │   └── UX/UI（按钮位置、移动端体验）
│   │   │   ├── 结账率 (Checkout Completion Rate)
│   │   │   │   ├── 结账流程复杂度（步骤数）
│   │   │   │   ├── 运费策略（免运费门槛）
│   │   │   │   ├── 支付方式覆盖（Shop Pay, Apple Pay, PayPal, BNPL）
│   │   │   │   ├── 信任与安全感（SSL, 安全标识）
│   │   │   │   ├── Guest Checkout（是否支持免注册结账）
│   │   │   │   └── 意外费用（税费、运费在结账时才显示）
│   │   │   └── 支付成功率 (Payment Success Rate)
│   │   │       ├── 支付方式可用性
│   │   │       ├── 货币支持
│   │   │       └── 欺诈过滤误杀率
│   │   ├── 客单价 (AOV)
│   │   │   ├── 基础产品价格
│   │   │   ├── 追加销售 (Upsell)
│   │   │   │   ├── 产品页 Upsell
│   │   │   │   ├── 购物车 Upsell
│   │   │   │   └── 结账后 Upsell (Post-purchase)
│   │   │   ├── 交叉销售 (Cross-sell)
│   │   │   ├── Bundle 策略
│   │   │   │   ├── 固定 Bundle
│   │   │   │   ├── Mix & Match
│   │   │   │   └── 订阅 Bundle
│   │   │   └── 阶梯折扣（买多打折）
│   │   └── 复购系数
│   │       ├── 复购率 (Repeat Purchase Rate)
│   │       ├── 复购频次 (Purchase Frequency)
│   │       └── 客户生命周期 (Customer Lifetime)
│   └── COGS (销货成本)
│       ├── 产品采购/生产成本
│       ├── 包装成本
│       ├── 关税/进口税
│       └── 质检成本
├── 获客成本 (CAC)
│   ├── 广告花费
│   │   ├── 媒体花费 (Media Spend)
│   │   └── 代理费/工具费
│   ├── 内容营销成本
│   ├── 网红/联盟营销成本
│   └── 其他获客成本（PR, 活动等）
├── 运营成本
│   ├── 平台费用 (Shopify: $39-$399/月 + 交易费)
│   ├── SaaS 工具费用（Klaviyo, Gorgias, etc.）
│   ├── 人力成本
│   ├── 仓储成本
│   └── 办公/行政成本
├── 物流成本
│   ├── 发货运费
│   ├── 退货运费
│   └── 退货商品损耗
└── 退货/退款成本
    ├── 退货率
    ├── 退款处理费
    └── 退货商品残值

1.2 利润树诊断参考逻辑

逐层检查每个节点时，优先与以下三类证据对比：
1. 品牌自有历史区间（同阶段、同渠道、同季节）
2. 相近品类/市场/价位带的行业参考
3. 当前经营目标下可接受的利润结构

营收端：
  ├── 月营收增长率
  │   ├── 先按品牌所在规模阶段、投放强度和季节性判断增速是否异常
  │   ├── 冷启动品牌可接受更高波动，成熟品牌更关注增长质量和利润同步性
  │   └── 若增长放缓，需区分是基数效应、渠道瓶颈还是需求转弱
  ├── 付费 vs 自然流量比例
  │   ├── 先看品牌是否处于投放驱动阶段，再判断渠道结构是否失衡
  │   ├── 若付费占比持续升高，同时自然与自有流量未同步增长，应标记为结构性依赖风险
  │   └── 不对所有品牌设统一占比红线
  └── 营收集中度
      ├── 若收入过度集中于单一产品、单一渠道或单一市场，需评估抗风险能力
      ├── 集中本身不必然错误，但需结合利润贡献、复购属性和扩张阶段判断
      └── 只有当集中导致脆弱性上升时，才建议扩品、扩渠或扩市场

成本端：
  ├── 毛利率
  │   ├── 按品类、售价结构、折扣依赖度和履约模型判断
  │   └── 若毛利承压，优先拆分为定价、折扣、COGS、物流和退货五类因素
  ├── CAC（首次获客成本）
  │   ├── 按品类、国家、平台竞争强度和归因口径查看参考区间
  │   └── 不把行业常见区间写成品牌应达成的固定数值
  ├── LTV:CAC 比率
  │   ├── 结合回收周期、现金流压力和复购确定健康程度
  │   └── 对高复购品牌与一次性购买品牌采用不同解释口径
  ├── 投资回收期 (Payback Period)
  │   ├── 结合现金流安全边际、采购周期和投放节奏判断
  │   └── 不设跨品牌统一天数标准
  ├── 退货率
  │   ├── 按品类、尺码复杂度、物流时效和客诉结构解释
  │   └── 只将行业参考作为排查起点，不替代品牌真实目标线
  └── 净利润率
      ├── 结合阶段目标、库存策略、增长目标和费用分摊方式判断
      └── 不写成固定四档真理

利润树诊断四大规则：

  规则 1：自上而下诊断
    从净利润开始，逐层向下拆解
    在每一层找到偏差最大的分支
    继续向下直到找到可操作的根因

  规则 2：数学验证
    每一层的子节点之和（或之积）必须等于父节点
    如果不等，说明有遗漏的因素

  规则 3：优先级排序
    在同一层级的多个问题中，按以下顺序优先处理：
    ① 对利润影响最大的（杠杆最大）
    ② 最容易修复的（成本最低）
    ③ 最快见效的（时间最短）

  规则 4：联动效应
    某些节点的改善会连锁影响其他节点
    例如：提高产品页质量 → 加购率↑ → 转化率↑ → 营收↑
    同时：流量质量提升 → 退货率↓ → 物流成本↓
    优先选择有正向联动效应的改善点

1.3 贡献利润分层 (Contribution Margin)

三层贡献利润模型：

CM1（产品层面盈利能力）
  CM1 = 营收 - COGS
  CM1 Margin = CM1 / 营收
  ├── 按产品线计算 → 找出高毛利和低毛利产品
  ├── 按 SKU 计算 → 找出拖后腿的 SKU
  └── 参考用法：结合品类毛利结构、定价权和折扣深度判断是否异常

CM2（渠道层面盈利能力）
  CM2 = CM1 - 变动营销成本（广告、网红、联盟佣金）
  CM2 Margin = CM2 / 营收
  ├── 按渠道计算 → 找出高效和低效渠道
  ├── 按广告系列计算 → 找出亏损的广告系列
  └── 参考用法：结合渠道生命周期、放量阶段和归因口径判断是否健康

CM3（业务整体盈利能力）
  CM3 = CM2 - 固定成本分摊（平台费、SaaS、人力、仓储）
  CM3 Margin = CM3 / 营收
  ├── 这是真正的净利润
  └── 参考用法：结合费用结构、库存压力和增长目标解释，不设统一门槛

诊断规则：
  CM1 低 → 产品定价或 COGS 问题 → 路由 afa-product
  CM1 高但 CM2 低 → 营销效率问题 → 路由对应广告模块
  CM2 高但 CM3 低 → 固定成本过高 → 路由 afa-ops

1.4 Cohort 利润分析（升级版）

按获客渠道分群：
  ├── Facebook 获客群组
  ├── Google 获客群组
  ├── TikTok 获客群组
  ├── SEO/自然获客群组
  ├── Email/SMS 获客群组
  └── 网红/联盟获客群组

  每个群组追踪：
  ├── 首单 CAC
  ├── 按品牌复购周期设置的 LTV 观察窗口（例如 30/60/90/180/365 天中的适用节点）
  ├── LTV:CAC 比率
  ├── 复购率
  └── 贡献利润


按获客时间分群：
  ├── 按月度分群
  ├── 追踪留存曲线
  └── 对比不同月份的留存差异（找出季节性或策略变化的影响）

现金转化周期 (CCC)：
  CCC = 库存周转天数 + 应收账款天数 - 应付账款天数
  ├── 库存周转天数 = (平均库存 / COGS) × 365
  ├── 应收账款天数 = (应收账款 / 营收) × 365（DTC 通常很短）
  └── 应付账款天数 = (应付账款 / COGS) × 365

  CCC 参考用法：
  ├── 先结合库存周转速度、账期结构和现金流承压程度判断
  ├── 周期偏长不一定异常，大件、高客单和跨境模式可接受更长回收周期
  └── 只有当 CCC 恶化并显著压缩现金安全边际时，才升级为重点问题

Cohort 留存参考与诊断规则：

  按月群组追踪复购率：
  月份    观察节点示例
  M1      首次复购是否按产品消耗/使用周期发生
  M2-M3   关系维护和复购教育是否承接到位
  M6      中期留存是否出现平台或二次增长机会
  M12     长期价值是否由产品力与品牌力共同支撑

  诊断规则 1：
    如果早期复购显著低于同类历史或低于品牌可接受区间
    → 首次体验、产品质量、包装、配送速度或购后培育可能存在问题

  诊断规则 2：
    如果前期复购正常但中期节点明显走弱
    → 需要检查持续关系维护、补货提醒和新品连接是否不足

  诊断规则 3：
    如果群组曲线持续下降且缺乏平台期
    → 可能是产品复购属性弱、使用周期长，或需要产品线扩展/订阅化支撑

  诊断规则 4：
    如果近期群组表现差于早期群组
    → 重点排查新客质量变化、产品/服务体验变化和获客渠道结构变化

---

第二章：转化漏斗诊断框架

2.1 宏观漏斗参考框架

完整电商转化漏斗应优先与品牌自有历史、相近品类参考和当前流量结构对比：

访问 → 产品页浏览
  ├── 产品页到达率：观察首页/集合页是否把访问有效导向商品详情
  └── 跳出率：结合渠道意图、页面首屏和加载表现判断是否异常

产品页浏览 → 加购
  ├── 加购率 (ATC Rate)
  │   ├── 先看同品类、同价格带、同流量意图下的参考区间
  │   ├── 低于品牌历史或同类参考时，再排查图片、文案、价格和信任要素
  │   └── 不把行业均值写成统一合格线

加购 → 开始结账
  ├── 购物车到结账率：结合运费透明度、优惠策略和结账意愿判断
  ├── 如果明显偏低：
  │   ├── 运费在购物车阶段才暴露 → 运费策略问题
  │   ├── 缺少推进因素 → 购物车未有效承接购买动机
  │   └── 信任标识不足 → 安全感与确定性不足

开始结账 → 完成支付
  ├── 结账完成率：按设备结构、支付方式覆盖、区域和结账流程复杂度判断
  └── 如果明显偏低：
  │   ├── 结账步骤过长或信息填写摩擦过大
  │   ├── 不支持 Guest Checkout
  │   ├── 支付方式不匹配目标市场
  │   ├── 意外费用（税费、运费突然出现）
  │   └── 页面加载慢或技术异常

整体转化率参考：
  ├── 按品类、客单价、市场、流量结构和促销强度查看参考区间
  └── 只将行业平均值作为背景信息，不替代品牌真实目标线

2.2 微转化漏斗分析

在宏观漏斗的每个环节之间，存在关键的微转化行为。
追踪这些微转化可以更精确地定位问题。

产品页微转化：
  ├── 查看多张产品图片：观察用户是否愿意继续探索商品信息；若偏低，排查图片质量与首屏吸引力
  ├── 查看产品视频：若有视频，观察其是否有效承接卖点和使用场景
  ├── 查看产品评价：若偏低，排查评价区曝光位置与评价数量是否不足
  ├── 查看尺码指南：服饰类重点看其是否被需要的人群顺利找到
  ├── 查看运费政策：若占比异常升高，通常说明运费是主要顾虑
  ├── 查看退货政策：若占比异常升高，通常说明信任和风险逆转不足
  ├── 选择产品变体：若偏低，排查变体选择器和规格表达是否清晰
  └── 点击"了解更多"：观察长描述是否有效承接决策深度

购物车微转化：
  ├── 查看购物车：观察加购后的意图承接是否顺畅
  ├── 修改数量：作为需求强弱和价格敏感度的辅助信号，不设统一正常线
  ├── 使用优惠码：占比偏高时，通常意味着价格敏感或外部折扣依赖
  ├── 查看运费计算：占比偏高时，通常意味着运费是关注点
  └── 点击"继续购物"：若显著高于品牌历史，说明购物车未能有效推动结账

结账微转化：
  ├── 填写邮箱：若偏低，优先排查结账入口与流程摩擦
  ├── 填写地址：若偏低，排查表单复杂度与物流覆盖问题
  ├── 选择运费方式：若偏低，排查运费透明度与选项设计
  ├── 选择支付方式：若偏低，排查支付方式匹配度与信任感
  └── 点击"确认支付"：若偏低，排查最终价格冲击、支付失败和页面性能
  → 每一步的流失都可以精确定位问题，但判断时应优先使用品牌历史与分设备对比

微转化诊断规则：
  如果"查看评价"率低 → 评价区不够突出或评价数量少
  如果"查看运费政策"率高 → 运费是主要购买障碍
  如果"查看退货政策"率高 → 信任度不够，需要加强保障
  如果"查看尺码指南"率低但退货率高 → 尺码指南不够显眼
  如果"使用优惠码"率高 → 考虑是否过度依赖折扣

2.3 产品页 5 秒测试

产品页 5 秒测试是快速诊断产品页转化能力的方法。
打开产品页，5 秒内回答以下问题：

□ 1. 这个产品是什么？（产品名称和类别是否清晰）
□ 2. 它解决什么问题？（价值主张是否明确）
□ 3. 为什么要在这里买？（差异化是否突出）
□ 4. 多少钱？（价格是否容易找到）
□ 5. 怎么买？（CTA 按钮是否突出）

评分：
  5/5 = 首屏承接充分，可进入更细的转化优化
  3-4/5 = 首屏信息基本可识别，但仍有关键承接点需要补强
  1-2/5 = 首屏信息明显不足，优先修复核心价值与 CTA 表达
  0/5 = 产品页几乎无法在首屏传达必要信息，应优先重构首屏

2.4 转化漏斗 6 步诊断逻辑

Step 1: 流量质量审计
────────────────────────────────────────
  检查项：
  ├── 流量来源分布是否均衡
  │   先看品牌阶段、投放强度与自有渠道建设，再判断是否过度依赖单一来源
  ├── 跳出率 (Bounce Rate)
  │   结合渠道意图、页面首屏和设备结构判断是否异常
  ├── 平均会话时长
  │   结合页面类型、品类决策复杂度和内容深度判断
  └── 页面浏览深度
      结合用户目标和站内导购结构判断

  诊断逻辑：
  如果跳出率高 + 会话时长短 → 多指向流量质量或首屏承接问题
  如果跳出率低 + 但加购率低 → 更可能是页面内容与价值表达问题
  如果跳出率因渠道差异大 → 某渠道流量质量或消息匹配度存在问题

Step 2: 产品页转化审计
────────────────────────────────────────
  检查项：
  ├── 加购率 (Add-to-Cart Rate)
  │   结合品牌历史、品类参考和流量意图判断
  ├── 首屏要素完整性
  │   建议检查：产品主图、标题、价格、加购按钮、信任标识
  │   若缺少关键要素 → 标记为「首屏承接不足」
  ├── 信任元素检查
  │   ✓ 退货政策 / ✓ 安全支付标识 / ✓ 客户评价 / ✓ 社会证明
  │   若多项缺失 → 标记为「信任缺失」
  ├── 产品描述质量
  │   ✓ 是否以利益点开头 / ✓ 使用场景 / ✓ 尺寸规格 / ✓ FAQ
  └── 移动端体验
      ✓ 加购按钮在拇指热区 / ✓ 图片可缩放 / ✓ 加载速度符合当前设备体验要求

  诊断逻辑：
  加购率低 + 首屏承接不足 → 优化首屏布局
  加购率低 + 信任缺失 → 添加信任元素
  加购率低 + 移动端体验差 → 移动端优先优化
  加购率正常但结账率低 → 问题在结账流程，跳到 Step 3

Step 3: 结账流程审计
────────────────────────────────────────
  检查项：
  ├── 购物车到结账转化率
  │   结合运费透明度、价格冲击和表单摩擦判断
  ├── 结账步骤数
  │   关注用户所需完成的实际操作负担，而不只看页面数量
  ├── 运费策略
  │   ✓ 是否有免运费门槛 / ✓ 运费结账前可见 / ✓ 运费是否与产品价值感匹配
  │   运费意外通常是弃购主因之一，但需结合客诉和录屏验证
  ├── 支付方式
  │   按目标市场与客群偏好检查主流支付方式是否覆盖
  ├── Guest Checkout
  │   ✓ 是否支持游客结账（强制注册通常会增加摩擦，但影响幅度需以品牌数据验证）
  └── 弃购挽回
      ✓ 是否有弃购邮件序列 / ✓ 首封触发时间是否匹配购物车时效 / ✓ 序列长度是否适配品牌场景

  诊断逻辑：
  弃购率高 + 运费意外 → 优化运费策略（包括门槛、展示与解释）
  弃购率高 + 无 Guest Checkout → 评估开启游客结账
  弃购率高 + 支付方式少 → 增加支付方式
  弃购率高 + 无挽回邮件 → 优先补齐弃购挽回序列

Step 4: 定价与价值感审计
────────────────────────────────────────
  检查项：
  ├── 价格锚定
  │   ✓ 是否有原价/划线价对比 / ✓ 「节省 X%」标识 / ✓ 竞品价格对比
  ├── 价值堆叠
  │   ✓ 展示产品全部价值组成 / ✓ 赠品/附加价值 / ✓ 「总价值 $XXX，今天只要 $XX」
  ├── 风险逆转
  │   ✓ 退货政策清晰且宽松 / ✓ 满意保证 / ✓ 退货政策产品页可见
  └── 紧迫感
      ✓ 合理紧迫感元素（库存数量、限时优惠、季节性）
      ✗ 不要用虚假倒计时（损害信任）

Step 5: 信任系统审计
────────────────────────────────────────
  检查项：
  ├── 社会证明
  │   ✓ 客户评价数量是否足以支撑当前销量体量 / ✓ 有图片/视频评价
  │   ✓ 评分结构是否稳定 / ✓ 展示在产品页首屏
  ├── 权威背书
  │   ✓ 媒体报道/As Seen In / ✓ 认证/奖项 / ✓ 专家推荐
  ├── 品牌故事
  │   ✓ About Us 页面 / ✓ 创始人故事 / ✓ 品牌使命
  └── 安全感
      ✓ SSL 证书 / ✓ 安全支付图标 / ✓ 隐私政策 / ✓ 联系方式可见

---

第三章：付费媒体三支柱诊断框架

3.1 支柱一：素材 (Creative)

核心指标及基准：

CTR（点击率）：
  ├── 按平台、版位、投放目标、国家和受众温度分别查看参考区间
  ├── 先与账户自有历史对比，再参考行业常见水平
  └── 不把跨平台 CTR 写成统一合格线

频次 (Frequency)：
  ├── 频次需要结合扩量阶段、受众规模、复购属性和素材新鲜度判断
  ├── 若频次持续升高且 CTR 下降或 CPA 上升，才可判定为实质性疲劳信号
  └── 高频但 CPA 稳定的复购受众，不应机械判定为异常
  诊断规则：
  ├── 频次升高且效率同步恶化 → 准备替代创意或扩大受众
  ├── 频次高且负面反馈上升 → 评估暂停或降频
  └── 是否退役素材，应结合投放目标与创意储备判断

Hook Rate（前 3 秒完播率，仅视频广告）：
  ├── 按平台、素材长度和投放目标看参考区间
  └── 若 Hook Rate 偏低，优先排查开头 3 秒的画面、文案和问题引入
  诊断规则：
  ├── Hook Rate 偏低 → 开头吸引力不足，需要重做前几秒
  └── Hook Rate 高但 ThruPlay 低 → 开头有效，后续内容承接不足

ThruPlay Rate（完播率）：
  ├── 按素材时长、版位和目标看参考区间
  └── 判断时需与 Hook Rate、CTR 和 CVR 联合观察

素材生命周期管理：
  ├── 新素材、稳定期、衰退期的持续时间差异很大，取决于预算、受众规模和上新节奏
  ├── 生命周期不按固定天数划线，而看 CTR、CPA、频次和评论反馈是否同步恶化
  └── 上新节奏按创意产能、受众饱和速度和测试计划安排

素材类型效果参考：
  UGC 视频、产品演示、轮播图、静态图和纯文字素材的表现会因平台与品类差异明显不同
  诊断规则：如果当前素材类型过于单一 → 优先扩充更适合当前平台的创意形态

3.2 支柱二：受众 (Audience)

核心指标及基准：

CPM（千次展示成本）：
  ├── 受国家、季节、版位、竞价密度和受众新鲜度影响很大
  ├── 先与账户历史和同期变化对比，再参考行业常见区间
  └── 不把美国市场常见 CPM 写成所有市场的统一基准

受众规模：
  ├── 冷受众是否足够，取决于预算体量、优化事件和平台学习需求
  ├── Lookalike 的适用范围需要结合种子质量、预算和投放目标判断
  ├── 再营销受众窗口应按站点流量规模和决策周期设置
  └── 搜索词量与 PMAX 信号只作方向性参考，不设固定下限

受众重叠率：
  ├── 只在重叠导致自我竞争、CPM 上升或学习受阻时才视为问题
  └── 需结合预算、受众切分逻辑和平台学习状态判断
  诊断规则：
  ├── 重叠导致效率恶化 → 合并广告组或排除受众
  └── 使用平台原生工具检查，而不依赖固定百分比红线

受众饱和信号：
  ├── CPM 持续上升 + 频次上升 → 多数情况下说明受众被反复触达
  ├── 新增转化数量下降 + 花费不变 → 高意向用户可能已被逐步消耗
  └── 解决方案：扩大受众范围、换渠道，或按账户状态评估是否暂停休息

受众质量判断规则：
  如果 CTR 高但 CVR 低
  → 多因一果问题，按顺序排查：① 落地页消息一致性 → ② 点击诱饵 → ③ 落地页体验 → ④ 受众精准度
  → 确认主因后再给出建议

  如果 CTR 低但 CVR 高
  → 受众精准但素材吸引力不足
  → 需要优化素材（路由 afa-creative）

3.3 支柱三：落地页 (Landing Page)

核心指标及基准：

CVR（落地页转化率）：
  ├── 需按页面类型、流量意图、国家和活动阶段查看参考区间
  └── 不把页面类型常见 CVR 区间写成统一健康线

联合诊断矩阵（核心决策工具）：

  CTR 高 + CVR 高 = 🟢 放大候选
    → 在不破坏效率的前提下谨慎扩量
    → 评估扩大受众
    → 复制成功模式

  CTR 高 + CVR 低 = 🔴 落地页/受众问题（需按流程排查）
    → 按顺序排查：① 落地页消息一致性 → ② 点击诱饵 → ③ 落地页体验 → ④ 受众精准度
    → 确认主因后再路由到对应模块（落地页优化/创意优化/受众调整）

  CTR 低 + CVR 高 = 🟡 素材问题
    → 素材不够吸引人，但产品本身有吸引力
    → 路由 afa-creative 优化素材
    → 测试不同的 Hook 和视觉风格

  CTR 低 + CVR 低 = 🔴 全链路问题
    → 素材和落地页都需要优化
    → 可能是产品-市场匹配问题
    → 先路由 afa-creative，再路由 afa-convert

  CPM 飙升 + CTR 稳定 = 🟡 受众饱和候选
    → 扩大受众范围
    → 换渠道测试
    → 是否暂停让受众休息，按账户体量与学习状态判断

  频次升高 + CTR 下降 = 🔴 素材疲劳候选
    → 准备新素材
    → 评估暂停高频次广告组
    → 路由 afa-creative

消息一致性检查：
  ├── 广告中的核心承诺是否在落地页首屏出现
  ├── 广告中的产品图片是否与落地页一致
  ├── 广告中的优惠是否在落地页明确展示
  ├── 广告的语气风格是否与落地页一致
  └── 不一致是转化率的头号杀手

3.4 账户结构诊断

Facebook/Meta 账户结构检查：
  ├── Campaign、Ad Set、Ad 数量：按预算体量、测试复杂度和学习稳定性判断，避免机械套用固定数量
  ├── CBO vs ABO：
  │   ├── CBO：更适合已有清晰优先级或成熟放量场景
  │   └── ABO：更适合测试阶段或需强控预算的场景
  ├── 学习阶段：关注转化信号是否足以支撑稳定学习，不把单周固定事件数写成绝对要求
  ├── 预算分配：按已验证资产与测试资产的阶段权重动态安排，不固定为单一比例
  ├── Pixel 事件优化：优先选择最贴近业务目标且数据量足够的事件
  ├── 归因窗口：按平台能力、购买周期和决策长度选择，避免固定推荐唯一窗口
  └── 受众排除：已购买客户是否排除，应按投放目标、Upsell 需求和窗口设计判断

Google Ads 账户结构检查：
  ├── Campaign 类型分布：按品牌词保护、获客需求和商品规模判断，不预设所有账户必须采用同一组合
  ├── 关键词匹配类型：按数据成熟度、预算容忍度和搜索词治理能力选择
  ├── 否定关键词：应持续维护，但不以固定数量判定健康与否
  ├── 质量分数：结合关键词意图、广告相关性和落地页体验判断，不以单一分数线替代完整诊断
  ├── 搜索词报告：应定期审查，频率按花费体量与波动程度安排
  ├── 广告扩展 (Ad Extensions)：按业务适用性尽量启用关键扩展
  ├── 转化追踪：必须正确配置
  └── Shopping Feed：产品数据应尽量完整，缺失关键属性时优先修复

---

第四章：留存与复购诊断框架

4.1 RFM 客户分层模型

RFM 评分规则（每个维度 1-5 分）：

R (Recency) — 最近购买时间：
  5-1 分应按品牌复购周期、产品消耗周期和客户决策时长进行分箱，而不使用跨品类统一天数

F (Frequency) — 购买频次：
  5-1 分应按品牌客群分布进行分箱，可使用百分位或自定义层级，而不使用固定购买次数

M (Monetary) — 消费金额：
  5-1 分应按品牌客单价结构、币种和百分位进行分箱，而不使用固定美元金额

客户分层及策略：

冠军客户 (R:5 F:5 M:5)
  ├── 占比是否合理，需结合品牌成熟度和客户结构判断
  ├── 策略：VIP 专属待遇、新品优先体验、推荐奖励
  └── 路由：afa-retain（VIP 计划）

忠诚客户 (R:4-5 F:4-5 M:3-5)
  ├── 占比是否合理，需结合品牌成熟度和复购属性判断
  ├── 策略：忠诚度积分、专属折扣、社区邀请
  └── 路由：afa-retain + afa-social

潜力客户 (R:4-5 F:1-2 M:4-5)
  ├── 高消费但低频次
  ├── 策略：交叉销售、订阅推荐、复购提醒
  └── 路由：afa-email（复购序列）+ afa-aov

新客户 (R:5 F:1 M:1-3)
  ├── 刚购买的首次客户
  ├── 策略：购后培育序列、使用指南、评价邀请
  └── 路由：afa-email（Welcome + Post-purchase）

沉睡客户 (R:1-2 F:1-2 M:任意)
  ├── 长时间未购买
  ├── 策略：Win-back 序列、特别优惠、问卷调查
  └── 路由：afa-email（Win-back 序列）

流失客户 (R:1 F:1 M:1)
  ├── 评估是否值得召回
  ├── 只有当召回成本、潜在贡献利润和品牌关系价值优于继续冷触达时，才建议召回
  └── 如果不值得 → 按名单治理策略逐步清理或降频

4.2 留存系统 8 大组件详细检查

组件 1: Welcome Series（欢迎序列）
  ├── 是否存在：□ 是 / □ 否
  ├── 邮件数量：按品牌教育深度、SKU 复杂度和是否叠加 SMS 判断
  ├── 触发条件：注册/首次购买/按品牌订阅路径定义
  ├── 内容结构：
  │   ├── 第 1 封：按品牌欢迎窗口发送欢迎 + 品牌故事 + 首次行动引导
  │   ├── 第 2 封：按品牌节奏发送产品使用指南 + 社会证明
  │   ├── 第 3 封：按品牌节奏发送品牌价值观 + 社区邀请
  │   └── 后续封次：按未购买/已购买状态决定是否追加提醒
  ├── 基准表现：
  │   ├── 打开率：结合品牌历史、列表来源和标题策略判断
  │   ├── 点击率：结合内容承接和 CTA 清晰度判断
  │   └── 转化率：结合优惠、品类和欢迎路径长度判断
  └── 评分：✅ / ⚠️ / ❌

组件 2: Abandoned Cart（弃购挽回）
  ├── 是否存在：□ 是 / □ 否
  ├── 邮件数量：按购物车时效性、商品复杂度和是否叠加 SMS 判断
  ├── 触发条件：加购或开始结账后，在品牌定义的时效窗口内未购买
  ├── 内容结构：
  │   ├── 第 1 封：按品牌挽回时效发送提醒 + 产品图片 + 直接链接
  │   ├── 第 2 封：按品牌节奏发送社会证明 + 紧迫感
  │   └── 第 3 封：如利润空间允许，可加入激励或最终提醒
  ├── 基准表现：
  │   ├── 打开率：结合品牌历史、触发窗口和列表质量判断
  │   ├── 点击率：结合购物车承接和 CTA 清晰度判断
  │   └── 挽回率：结合商品类型、价格和激励策略判断
  └── 评分：✅ / ⚠️ / ❌

组件 3: Browse Abandonment（浏览挽回）
  ├── 是否存在：□ 是 / □ 否
  ├── 触发条件：浏览产品页但未加购
  ├── 内容：展示浏览过的产品 + 相关推荐
  └── 评分：✅ / ⚠️ / ❌

组件 4: Post-Purchase（购后培育）
  ├── 是否存在：□ 是 / □ 否
  ├── 邮件数量：按使用周期、物流节点和复购目标判断
  ├── 内容结构：
  │   ├── 第 1 封：按下单后合理窗口发送感谢 + 订单确认
  │   ├── 第 2 封：按发货节点发送物流追踪 + 使用期待
  │   ├── 第 3 封：按到货与开始使用的预期节奏发送使用指南 + FAQ
  │   ├── 第 4 封：按体验成熟节点发送评价邀请
  │   └── 第 5 封：按复购或交叉销售时机发送推荐内容
  └── 评分：✅ / ⚠️ / ❌

组件 5: Replenishment Reminder（复购提醒）
  ├── 是否存在：□ 是 / □ 否
  ├── 适用品类：以消耗品为主，但应按真实补货周期判断
  ├── 触发条件：基于产品消耗周期
  │   ├── 提醒时间应早于理论耗尽点，并结合复购滞后和物流时效校准
  │   └── 不使用统一第几天提醒模板
  └── 评分：✅ / ⚠️ / ❌ / ➖（不适用）

组件 6: Win-back（唤醒序列）
  ├── 是否存在：□ 是 / □ 否
  ├── 触发条件：按品牌沉默窗口、品类复购周期和名单清理策略定义
  ├── 邮件数量：按沉默严重程度和挽回策略判断
  ├── 内容结构：
  │   ├── 第 1 封：以关系重建或新品连接为主
  │   ├── 第 2 封：如有必要，加入专属激励或利益点
  │   └── 第 3 封：作为最终挽回或偏好调查节点
  └── 评分：✅ / ⚠️ / ❌

组件 7: VIP/Loyalty Program（VIP/忠诚度计划）
  ├── 是否存在：□ 是 / □ 否
  ├── 类型：积分制 / 等级制 / 订阅制 / 混合
  ├── 参与率：结合计划门槛、客群结构和触达强度判断
  ├── 兑换率：结合奖励吸引力、门槛设计和到期规则判断
  └── 评分：✅ / ⚠️ / ❌

组件 8: Subscription（订阅制）
  ├── 是否存在：□ 是 / □ 否
  ├── 适用品类：以消耗品为主，但需以复购可预测性验证
  ├── 订阅转化率：结合优惠力度、便利性和默认选项设计判断
  ├── 订阅留存率：结合观察窗口、折扣深度和履约体验判断
  └── 评分：✅ / ⚠️ / ❌ / ➖（不适用）

---

第五章：SEO 三层诊断框架

5.1 Layer 1: 技术 SEO

检查项及标准：

可爬取性：
  ├── robots.txt 是否正确配置
  ├── sitemap.xml 是否存在且更新
  ├── 是否有重要页面被 noindex
  └── 是否有孤立页面（无内部链接指向）

页面速度：
  ├── LCP / INP / CLS / TTFB 等 Web Vitals 指标应优先参考搜索引擎与平台官方口径
  ├── 诊断时先看自有趋势、模板差异和核心页面类型，再引用行业参考
  └── 不在本文件中把单一秒数写成所有品牌的统一门槛

移动端友好性：
  ├── 是否响应式设计
  ├── 触摸目标是否足够大并便于拇指操作
  ├── 字体是否可读
  └── 是否有水平滚动

安全性：
  ├── HTTPS 是否启用
  ├── 混合内容是否存在
  └── 安全头是否配置

结构化数据：
  ├── Product Schema（产品页）
  ├── BreadcrumbList Schema（面包屑）
  ├── Organization Schema（品牌信息）
  ├── FAQ Schema（FAQ 页面）
  └── Review Schema（评价）

内部链接：
  ├── 每个页面是否有足够的相关内部链接支撑抓取和分发
  ├── 是否有面包屑导航
  ├── 是否有相关产品推荐
  └── 链接锚文本是否自然包含主题相关词

5.2 Layer 2: 内容 SEO

关键词覆盖：
  ├── 品牌词：是否获得与品牌体量相匹配的可见度
  ├── 核心产品词：是否进入对业务有意义的可竞争范围
  ├── 长尾词：是否有内容覆盖
  └── 关键词缺口：竞品排名但自己没有的词

内容质量：
  ├── 产品页标题是否包含关键词
  ├── 产品描述是否具备支撑搜索与转化所需的信息密度
  ├── 是否有独特的产品描述（非供应商复制）
  ├── Meta Description 是否优化
  └── 图片 Alt Text 是否包含关键词

内容中心：
  ├── 是否有博客/内容中心
  ├── 内容更新频率应按团队产能与主题优先级安排
  ├── 内容是否围绕 Hub & Spoke 架构
  │   ├── Hub：核心主题页（如"护肤指南"）
  │   └── Spoke：细分话题页（如"干性皮肤护理"）
  └── 内容是否有内部链接指向产品页

5.3 Layer 3: 权威度

域名权威度：
  ├── DA/DR 分数只作第三方近似指标，需结合品牌年龄、链接结构和竞品差距解释
  ├── 不按固定分数段定义新品牌、成长期和成熟品牌
  └── 与竞品对比

外链质量：
  ├── 外链数量
  ├── 引荐域名数量
  ├── 外链质量（来自权威网站 vs 垃圾网站）
  └── 外链增长趋势

品牌搜索量：
  ├── 品牌词搜索量趋势
  ├── 与竞品品牌词对比
  └── 品牌搜索量增长 = 品牌知名度增长

---

第六章：4P-M 竞品对标矩阵

6.1 矩阵模板

| 维度 | 指标 | 你的品牌 | 竞品 A | 竞品 B | 行业基准 | 状态 |
|:---|:---|:---:|:---:|:---:|:---:|:---:|
| Product | 产品评分 | [X] | [X] | [X] | [X] | [🟢/🟡/🔴] |
| Product | 评价数量 | [X] | [X] | [X] | - | [🟢/🟡/🔴] |
| Product | 退货率 | [X] | - | - | [X] | [🟢/🟡/🔴] |
| Product | SKU 数量 | [X] | [X] | [X] | - | [🟢/🟡/🔴] |
| Price | AOV | [X] | [X] | [X] | [X] | [🟢/🟡/🔴] |
| Price | 折扣频率 | [X] | [X] | [X] | - | [🟢/🟡/🔴] |
| Place | 流量来源分布 | [X] | [X] | [X] | - | [🟢/🟡/🔴] |
| Place | 渠道多样性 | [X] | [X] | [X] | - | [🟢/🟡/🔴] |
| Promotion | ROAS | [X] | - | - | [X] | [🟢/🟡/🔴] |
| Promotion | 内容策略 | [描述] | [描述] | [描述] | - | [🟢/🟡/🔴] |
| Metrics | 转化率 | [X] | - | - | [X] | [🟢/🟡/🔴] |
| Metrics | 留存率 | [X] | - | - | [X] | [🟢/🟡/🔴] |
| Metrics | 增长率 | [X] | [X] | [X] | [X] | [🟢/🟡/🔴] |

状态判定：
  🟢 领先：结合差距幅度、趋势持续性和业务影响判断为显著领先
  🟡 持平：差距有限或尚无足够证据证明明显领先/落后
  🔴 落后：结合差距幅度、趋势持续性和业务影响判断为显著落后

6.2 竞品情报收集方法

公开数据源：
  ├── SimilarWeb：流量估算、流量来源分布
  ├── Facebook Ad Library：竞品广告素材
  ├── Google Ads Transparency Center：竞品搜索广告
  ├── TikTok Creative Center：竞品 TikTok 广告
  ├── SEMrush / Ahrefs：关键词排名、外链
  ├── BuiltWith：技术栈
  ├── 社交媒体：粉丝数、互动率、内容策略
  └── 产品评价平台：Trustpilot, Google Reviews

竞品落地页分析：
  ├── 首屏价值主张
  ├── 社会证明策略
  ├── 定价展示方式
  ├── CTA 设计
  └── 移动端体验

6.3 竞品留存策略维度

维度 5：留存策略（补充 4P-M 矩阵）
  ├── 邮件营销（注册后观察竞品的邮件序列）
  ├── 忠诚度计划（是否有、类型、奖励力度）
  ├── 订阅制模型（是否提供、折扣力度）
  ├── 社区建设（是否有品牌社区、活跃度）
  └── 客户服务质量（响应速度、渠道、评价）

6.4 品牌健康度 5 维度诊断框架

维度              检查项                          健康信号
──────────────────────────────────────────────────────────
品牌认知          品牌搜索量趋势                  相对自有历史保持改善或稳健增长
                 社交媒体提及量                  正负反馈结构整体可控
                 直接流量占比                    与品牌成熟度相匹配

品牌差异化        独特卖点清晰度                  能被简洁复述且不与竞品混淆
                 竞品对比优势                    存在可验证的核心优势
                 价格溢价能力                    溢价是否被价值感和复购支撑

品牌一致性        视觉风格统一性                  关键触点整体一致
                 语调统一性                      全触点一致
                 信息传递一致性                  核心信息不矛盾

品牌忠诚度        NPS (净推荐值)                  结合品类和样本量解释
                 复购率                          与复购周期和品类属性相匹配
                 客户推荐率                      随满意度和推荐机制变化观察

品牌资产          商标注册                        按市场与阶段完善
                 域名保护                        主域名与关键变体视需要配置
                 社交媒体账号                    优先覆盖核心平台

---

第七章：邮件与 SMS 诊断框架

7.1 Email 健康度评分

Email 健康度评分 = 加权平均

| 组件 | 权重 | 评分标准 |
|:---|:---:|:---|
| 列表健康度 | 15% | 增长率、退订率、弹回率、活跃度 |
| Welcome Series | 15% | 存在性、邮件数量、打开率、转化率 |
| Abandoned Cart | 15% | 存在性、挽回率 |
| Post-Purchase | 15% | 存在性、邮件数量、评价转化 |
| Campaign 表现 | 15% | 频率、打开率、点击率、收入占比 |
| Win-back | 10% | 存在性、唤醒率 |
| 分段策略 | 10% | 是否按 RFM 分段、个性化程度 |
| 送达率 | 5% | 送达率、垃圾邮件率 |

评分范围：
  评分只用于内部快速排序，不代表跨品牌通用健康线。
  解读时应结合模块缺口的业务影响和修复优先级，而非只看总分高低。

行业参考（2025-2026）：
  ├── 打开率、点击率、退订率、弹回率、送达率、投诉率与收入占比，均需按名单来源、发送场景、区域和 ESP 口径解释
  ├── 行业参考只能作为背景，不替代品牌自有历史与当前目标
  └── 用户可见交付时不得直接输出为统一标准答案

Email 8 维度分层与诊断逻辑：

  维度              指标              判定方式
  ─────────────────────────────────────────────────────────────
  ① 送达率          Delivery Rate    结合 ESP 警戒线、自有历史和近期波动判断
  ② 打开率          Open Rate        结合列表质量、标题策略和发送场景判断
  ③ 点击率          Click Rate       结合内容相关性、CTA 清晰度和发送目标判断
  ④ 转化率          CVR from Email   结合页面承接、优惠策略和受众质量判断
  ⑤ 退订率          Unsubscribe      结合频率、内容匹配度和名单耐受度判断
  ⑥ 垃圾邮件率      Spam Rate        结合来源质量、触发词和域名信誉判断
  ⑦ 列表增长率      List Growth      结合获取入口健康度和流量结构判断
  ⑧ 收入占比        Email Revenue    结合自动化成熟度、活动节奏和归因口径判断

  诊断逻辑：
  送达率低 → 域名信誉问题/列表质量差 → 清理列表 + 验证域名
  打开率低 → 标题不吸引/发送时间不对/列表疲劳 → A/B 测试标题
  点击率低 → 内容不相关/CTA 不清晰 → 优化内容和 CTA
  转化率低 → 着陆页问题/优惠不够吸引 → 优化着陆页
  退订率高 → 发送频率过高/内容不相关 → 降频 + 分层发送
  垃圾邮件率高 → 列表来源不干净/内容触发过滤器 → 清理列表
  列表增长慢 → 缺乏获取渠道 → 优化弹窗/铅磁铁
  收入占比低 → 邮件体系不完整 → 搭建完整的自动化序列

7.2 SMS 健康度评分

SMS 参考：
  ├── 列表大小 vs Email 列表：结合名单建设策略和品牌是否重押 SMS 判断
  ├── 订阅质量：明确 opt-in、收集方式
  ├── 发送频率：按市场法规、名单耐受度和活动节奏安排
  ├── 点击率：结合名单质量、文案类型和发送场景判断
  ├── 转化率：结合优惠、商品类型和落地页承接判断
  ├── 退订率：结合频率、内容相关性和合规管理判断
  └── 收入占比：结合品牌阶段和 SMS 成熟度判断

SMS 自动化序列检查：
  ├── 弃购 SMS：是否存在
  ├── 发货通知 SMS：是否存在
  ├── 到货确认 SMS：是否存在
  └── 促销 SMS：频率和效果

---

第八章：运营效率诊断框架

8.1 库存管理

库存周转率 = COGS / 平均库存
  ├── 结合品类、采购周期、MOQ 和补货策略判断
  └── 不设统一次/年门槛

缺货率 = 缺货 SKU 数 / 总 SKU 数
  ├── 结合 SKU 结构、畅销款占比和服务承诺判断
  └── 只在显著影响营收和客户体验时升级为重点问题

滞销库存占比 = 按品牌定义的沉默库存 / 总库存
  ├── 沉默窗口需按品类与销售周期定义
  └── 不把固定 90 天写成通用标准

8.2 物流效率

订单处理时间（从下单到发货）：
  ├── 结合仓配模式、订单波峰和 SLA 承诺判断
  └── 不设统一小时门槛

配送时间（从发货到收货）：
  ├── 国内与国际都需按物流服务等级、关税与地区覆盖判断
  └── 不把固定天数写成所有品牌的统一标准

物流成本占营收比：
  ├── 结合客单价、履约模式、包邮策略和退货结构判断
  └── 不设统一比例红线

8.3 客服效率

首次响应时间：
  ├── 结合客服覆盖时段、渠道承诺和工单复杂度判断
  └── 不设统一小时门槛

解决时间：
  ├── 结合问题类型、跨部门依赖和退换货链路判断
  └── 不设统一小时门槛

CSAT（客户满意度）：
  ├── 结合问卷样本量、问题类型和周期变化判断
  └── 不写成固定四档真理

工单量/订单量比：
  ├── 结合品类复杂度、物流波动和售后政策判断
  └── 只在异常抬升并影响体验时升级为重点问题

8.4 工具效率

工具栈检查清单：

基础工具：
  ├── 电商平台：Shopify / WooCommerce / etc.
  ├── Email 营销：Klaviyo / Omnisend / etc.
  ├── 数据分析：GA4 + 平台自带分析
  └── 客服：Gorgias / Zendesk / etc.

可选增强工具：
  ├── SMS 营销：Postscript / Attentive
  ├── 评价管理：Judge.me / Loox / Stamped
  ├── 订阅管理：Recharge / Skio
  ├── 忠诚度：Smile.io / LoyaltyLion
  ├── A/B 测试与实验：按当前可用平台和团队能力选择
  └── 热图/录屏：Hotjar / Lucky Orange

工具总成本占营收比：
  ├── 结合团队规模、自动化程度和营收体量判断
  └── 只有当工具成本显著压缩利润或出现明显重复投入时，才升级为重点问题

数据打通检查：
  ├── 电商平台 ↔ Email 系统：是否同步
  ├── 广告平台 ↔ 分析工具：是否追踪准确
  ├── 客服系统 ↔ 订单系统：是否关联
  └── 如果数据孤岛严重 → 诊断结论可能不准确

---

本手册是 afa-diagnose 的完整诊断框架参考。各框架中的区间、示例和判定逻辑仅作为内部排查起点与条件化参考，必须结合品牌真实数据、品类特征、市场环境和阶段目标使用。

诊断路由系统

本文件包含全局诊断的智能路由规则——诊断完成后，根据问题类型精准分发到对应执行方向。

---

一、智能路由规则 (Smart Routing Rules)

诊断完成后，必须明确指引用户调用哪个模块解决问题：

1.1 溢价与利润问题

1.2 转化问题

1.3 广告问题

1.4 留存问题

1.5 路由执行原则

1. 每个诊断发现必须附带明确的执行建议——不能只说“有问题”，必须说“建议通过{功能描述}解决”。 2. 执行建议必须与 ICE 优先级一致——最高优先级的问题对应的执行方向应该最先被启动。 3. 下一步话术统一格式：「要我现在就开始执行第一个方案吗？」

诊断报告模板

本文件包含全局诊断输出诊断报告时使用的完整模板。

用于支持全面体检、专项深诊、急诊、复诊与数据缺口整理等全链路诊断场景，并统一诊断模板的结构与输出纪律。

---

模板一：全面体检报告

# AFA DTC 全链路诊断报告

**品牌**：{brand_name}
**诊断日期**：{date}
**诊断模式**：全面体检 (Full Health Check)
**品牌阶段**：{stage}（0→1 / 1→10 / 10→100）
**数据基础**：{data_sources_description}
  例：「基于你提供的 Shopify 后台数据（30天）+ GA4 数据 + Meta Ads 后台数据」

---

## 核心发现（按严重度排序）

### 发现 1（严重）：{critical_finding_title}

**所属维度**：{dimension}
**数据对比**：
  - 你的数据：{your_data}
  - 行业基准：{benchmark}（仅作参考对照）
  - 差距：{gap}

**根因分析**：
  推理链：{evidence_1} → {evidence_2} → {conclusion}

**影响评估**：
  {定性描述影响，如「这是目前最大的利润出血点」}
  推算依据：{展示具体计算过程}
  假设声明：{列出所有假设}

---

### 发现 2（中等）：{finding_title}

[同上结构]

---

### 发现 3（关注）：{finding_title}

[同上结构]

---

## 行动方案（ICE 排序 + 成本标签）

### 本周必须做（ICE >7.0）

| # | 行动项 | ICE | 成本标签 | 推算依据 | 建议承接方向 |
|:---:|:---|:---:|:---|:---|:---:|
| 1 | {action} | {score} | [{预算}] [{时间}] [{技能}] | {brief_calculation} | {owner_or_direction} |
| 2 | {action} | {score} | [{预算}] [{时间}] [{技能}] | {brief_calculation} | {owner_or_direction} |

### 本月应该做（ICE 4.0-7.0）

| # | 行动项 | ICE | 成本标签 | 推算依据 | 建议承接方向 |
|:---:|:---|:---:|:---|:---|:---:|
| 3 | {action} | {score} | [{预算}] [{时间}] [{技能}] | {brief_calculation} | {owner_or_direction} |

### 有空可以做（ICE 2.0-4.0）

| # | 行动项 | ICE | 成本标签 | 推算依据 | 建议承接方向 |
|:---:|:---|:---:|:---|:---|:---:|
| 4 | {action} | {score} | [{预算}] [{时间}] [{技能}] | {brief_calculation} | {owner_or_direction} |

---

## 假设声明

以上分析基于以下假设，请核实：
- {assumption_1}
- {assumption_2}
- {assumption_3}

如果实际情况与假设不同，结论会相应调整。

---

## 数据补充建议

如果你手边能补充以下信息，我可以把判断收得更准：
- [ ] {missing_data_1}（例如：{source_name} 中与你当前问题直接相关的那部分数据）
- [ ] {missing_data_2}（例如：{source_name} 中与你当前问题直接相关的那部分数据）

---

## 下一步

建议执行顺序：先做 ①，完成后做 ②，③ 可以并行。
如需继续推进，下一步建议优先从第一个方案开始。

**建议复诊时间**：{next_checkup_date}

---

模板二：专项深诊报告

# AFA DTC 专项诊断报告

**品牌**：{brand_name}
**诊断日期**：{date}
**聚焦维度**：{dimension_name}
**诊断深度**：深度钻探 (Deep Dive)
**数据基础**：{data_sources_description}

---

## 诊断背景

**触发原因**：{trigger_reason}
**速诊发现**：{quick_diagnosis_finding}
**本次目标**：深入分析 {dimension_name}，定位根因并出具行动方案

---

## 常见原因框架

{root_problem} 的常见原因包括：
A. {possible_cause_a}
B. {possible_cause_b}
C. {possible_cause_c}
D. {possible_cause_d}

---

## 数据验证

基于你提供的数据，逐一验证：

| 假设 | 验证数据 | 结果 | 状态 |
|:---|:---|:---|:---:|
| A. {cause_a} | {your_data} vs {benchmark} | {conclusion} | 排除/确认/待验证 |
| B. {cause_b} | {your_data} vs {benchmark} | {conclusion} | 排除/确认/待验证 |
| C. {cause_c} | {your_data} vs {benchmark} | {conclusion} | 排除/确认/待验证 |

---

## 根因定位

### 根因 1：{root_cause_title}

**推理链**：
  {evidence_1} + {evidence_2} → {conclusion}

**影响路径**：
  {root_cause} → {intermediate_effect} → {final_impact}

**推算依据**：
  {展示具体计算过程和假设}

---

## 行动方案（带成本标签）

| 优先级 | 行动项 | ICE | 成本标签 | 推算依据 | 建议承接方向 |
|:---:|:---|:---:|:---|:---|:---:|
| 1 | {action} | {score} | [{预算}] [{时间}] [{技能}] | {calculation} | {direction} |
| 2 | {action} | {score} | [{预算}] [{时间}] [{技能}] | {calculation} | {direction} |

---

## 假设声明

以上分析基于以下假设：
- {assumption_1}
- {assumption_2}

**建议复诊**：{next_checkup}

---

模板三：急诊报告

# AFA DTC 急诊报告

**品牌**：{brand_name}
**诊断日期**：{date}
**紧急问题**：{emergency_description}
**数据基础**：{data_sources_description}

---

## 快速诊断

**常见原因**（按发生频率排序）：
1. {most_common_cause}
2. {second_cause}
3. {third_cause}

**基于你提供的数据判断**：
  推理链：{evidence_1} + {evidence_2} → 判断最可能原因是 {conclusion}

  注意：{data_limitation_note}
  例：「以上判断基于你描述的症状，如果能提供 {specific_data}，诊断会更精准」

---

## 立即行动

### 第一步（现在就做）：
{immediate_action_1}
成本：[{预算标签}] [{时间标签}] [{技能标签}]

### 第二步（今天内完成）：
{immediate_action_2}
成本：[{预算标签}] [{时间标签}] [{技能标签}]

### 第三步（本周内完成）：
{immediate_action_3}
成本：[{预算标签}] [{时间标签}] [{技能标签}]

---

## 注意事项

- {warning_1}
- {warning_2}

---

## 后续跟进

问题稳定后，建议做一次 {dimension} 的专项深诊，确保根因已彻底解决。

---

模板四：复诊报告

# AFA DTC 复诊报告

**品牌**：{brand_name}
**复诊日期**：{date}
**上次诊断日期**：{last_diagnosis_date}
**间隔**：{interval}
**数据基础**：{data_sources_description}

---

## 指标变化追踪

| 指标 | 上次 | 本次 | 变化 | 趋势 |
|:---|:---:|:---:|:---:|:---:|
| {metric_1} | {old_value} | {new_value} | {change} | 改善/恶化/持平 |
| {metric_2} | {old_value} | {new_value} | {change} | 改善/恶化/持平 |

---

## 上次行动项执行情况

| # | 行动项 | 状态 | 效果 |
|:---:|:---|:---:|:---|
| 1 | {action_1} | 已完成/进行中/未执行 | {effect} |
| 2 | {action_2} | 已完成/进行中/未执行 | {progress} |

---

## 新发现

{new_findings}

---

## 下一阶段行动方案（带成本标签）

| 优先级 | 行动项 | ICE | 成本标签 | 建议承接方向 |
|:---:|:---|:---:|:---|:---:|
| 1 | {action} | {score} | [{预算}] [{时间}] [{技能}] | {direction} |
| 2 | {action} | {score} | [{预算}] [{时间}] [{技能}] | {direction} |

**下次复诊时间**：{next_checkup_date}

---

模板五：learnings.jsonl 更新条目

## {date} — AFA 全局诊断 — {diagnosis_topic}

### 诊断模式
{mode}（全面体检 / 专项深诊 / 急诊 / 复诊）

### 数据基础
{data_sources_description}

### 核心发现
1. {finding_1}
2. {finding_2}
3. {finding_3}

### 关键数据对比
| 指标 | 实际值 | 基准值（参考） | 状态 |
|:---|:---:|:---:|:---:|
| {metric} | {actual} | {benchmark} | {status} |

### 行动项
- [ ] {action_1} → {direction_1}（ICE: {score}）[{成本标签}]
- [ ] {action_2} → {direction_2}（ICE: {score}）[{成本标签}]

### 下次复诊关注
- {focus_1}
- {focus_2}

---

模板六：数据缺口清单

## 诊断数据补充清单

以下信息如果能补充，会让诊断更精准；如果你暂时没有，我也会先基于当前信息给出起步判断，并明确标注假设与最关键补证点。

### 优先补充（最能提高判断准确度）

1. **{data_category_1}**
   - {specific_data_item} — 可从 {source} 中与你当前问题最直接相关的页面或报表查看
   - {specific_data_item} — 可从 {source} 中与你当前问题最直接相关的页面或报表查看

2. **{data_category_2}**
   - {specific_data_item} — 可从 {source} 中与你当前问题最直接相关的页面或报表查看

### 可选补充（有助于进一步收束结论）

3. **{data_category_3}**
   - {specific_data_item} — 可从 {source} 中与你当前问题最直接相关的页面或报表查看

4. **{data_category_4}**
   - {specific_data_item} — 可从 {source} 中与你当前问题最直接相关的页面或报表查看

---

如果你愿意，我可以按这份清单带你一起确认最关键的 1-2 项；如果你暂时拿不到数据，我们也可以先继续。

执行铁律：

- 不主动推送长篇工具设置教程。用户问了再教。

- 不标注为行业参考（非用户实际数据）当作用户实际数据使用。

- 用户没给数据时不等待卡住；先基于现有信息给出保守判断，显式标注假设与最关键补证点，不编造。

---

本模板库确保全局诊断的每次输出都格式统一、专业、可执行，并统一遵守推导透明、数据基础声明、成本标签与数据补充提示的输出纪律。

全局诊断工作模式与模板

本文件为全局诊断的内部参考文件，同时包含内部模式选择说明与可整理为用户交付物的诊断模板。

其中“诊断模式选择”部分仅供系统使用，不直接进入用户交付物；整理用户版本时，只保留模板正文中的自然语言、业务角色与行动建议。

渲染规则：本文件中的模式名、严重度、基准值、优先级、时间窗口和任何起步判断，默认只可作为内部诊断结构、保守起点或待验证判断；不得写成统一健康线、固定升级脚本或品牌当前既成事实。

---

一、诊断模式选择（仅供系统使用，不直接进入用户交付物）

根据用户需求和可用数据，自动选择诊断模式：

模式选择规则：

• 用户说"全面诊断""帮我做个体检" → 模式 A
• 用户说"帮我看看转化""利润有问题" → 模式 B
• 用户说"急""ROAS 暴跌""救命" → 模式 C
• 用户说"上次诊断后怎么样了" → 模式 D
• 用户说"快撑不下去了""现金流紧张" → 模式 E（需排除季节性淡季）

---

二、诊断报告输出格式（可整理为用户交付物）

2.1 完整诊断报告模板

整理为用户交付物时，表格中的负责人、承接团队与行动建议应保持自然业务角色写法，不带内部路由说明。

表格中的基准值、严重度、优先级和时间承诺仅可按当前证据渲染为参考判断，不得直接照抄为硬阈值或统一处方。

# AFA DTC 全链路诊断报告

**品牌**：[品牌名]
**诊断日期**：[日期]
**诊断模式**：[全面体检 / 专项深诊 / 急诊 / 复诊]
**数据基础**：[基于你提供的 {data_sources_description}]

---

## 核心发现（按严重度排序）

### 发现 1（严重）：[问题标题]
**所属维度**：[维度名]
**数据对比**：你的数据 {your_data} vs 基准 {benchmark}
**根因分析**：{推理链}
**溢价排查**：{如果是利润/价格问题，说明缺失了四维溢价的哪一层}

### 发现 2（中等）：[问题标题]
[同上结构]

---

## 行动方案（ICE 排序 + 成本标签）

### 优先执行（高 ICE / 低阻力）
| # | 行动项 | ICE | 成本标签 | 推算依据 | 建议承接方向 |
|:---:|:---|:---:|:---|:---|:---:|
| 1 | [具体行动] | [X] | [{预算}] [{时间}] [{技能}] | [简要计算] | [业务负责人 / 团队方向] |

### 后续推进（中等 ICE / 需更多条件）
| 2 | [具体行动] | [X] | [{预算}] [{时间}] [{技能}] | [简要计算] | [业务负责人 / 团队方向] |

---

## 假设声明
以上分析基于以下假设：{assumptions}。

## 数据补充建议
如果你手边能补充以下数据，我可以把判断收得更准：{missing_data}。

**下一步建议**：建议先从影响最大、启动成本最低的第一个方案开始；如果你愿意，我也可以继续陪你把它拆成可执行步骤。

2.2 模式适配说明

• 模式 A（全面体检）：使用完整模板，覆盖当前问题涉及的主要业务维度。
• 模式 B（专项深诊）：使用完整模板，但只填写相关维度。
• 模式 C（急诊）：压缩格式，保留最关键的判断依据，直接给少量最低风险起步动作，并标出最关键补证点。
• 模式 D（复诊）：增加"与上次对比"列，追踪改善情况，并根据当前执行结果动态调整下一步。
• 模式 E（危机）：聚焦现金流分析，优先输出少量短周期可执行的止血行动，具体数量与时间窗按证据强度和执行条件收束。