Opportunity Brief — 机会简报生成

核心原则

1. Brief是决策文档不是数据堆砌——每个字段必须服务于决策判断，无决策价值的数据不纳入
2. 假设风险驱动下一步——关键假设及其风险等级决定推荐行动，高风险假设优先验证
3. 人类决策项不可省略——所有需人类判断的事项必须显式列出，含决策上下文和紧急程度
4. 证据链可追溯——每条证据必须可追溯到上游数据源，确保决策依据可审计

交互模式

🤖→👤 AI 建议人类审批

输入

执行步骤

结构定义

#### 1. title

机会简报标题，格式：[目标用户群体] - [核心痛点摘要]

#### 2. problem_statement

直接引用 problem-statement.json 中的 problem_statement 字段。

#### 3. evidence_summary

#### 4. opportunity_score

引用 opportunity-scoring.json 中的加权总分与各维度得分。

#### 5. hmw_statements

引用 hmw.json 中的 HMW 陈述列表，标注创新空间评分。

#### 6. key_assumptions

关键假设列表，每个假设包含：

#### 7. recommended_next_step

基于评分与假设分析，推荐的下一步行动。

#### 8. human_decisions_needed

需要人类决策的事项列表。

输出

输出文件：output/pm-discovery/opportunity-brief/opportunity-brief.json

输出Schema：

{
  "type": "object",
  "required": ["title", "problem_statement", "evidence_summary", "opportunity_score", "key_assumptions", "recommended_next_step"],
  "properties": {
    "title": {"type": "string", "description": "机会简报标题"},
    "problem_statement": {"type": "string", "description": "结构化问题陈述"},
    "evidence_summary": {"type": "object", "description": "证据摘要，含用户研究、市场分析和竞争格局"},
    "opportunity_score": {"type": "object", "description": "机会评分，含加权总分和各维度得分"},
    "hmw_statements": {"type": "array", "description": "HMW陈述列表"},
    "key_assumptions": {"type": "array", "description": "关键假设列表"},
    "recommended_next_step": {"type": "string", "description": "推荐的下一步行动"},
    "human_decisions_needed": {"type": "array", "description": "需人类决策的事项列表"},
    "metadata": {"type": "object", "description": "元数据，含版本、时间戳和来源文件"}
  }
}

输出校验规则

{
  "title": "SaaS运营人员 - 多渠道数据核对耗时易错",
  "problem_statement": "月活超过1000的SaaS产品运营人员，在月底结算高峰期，需要快速核对多渠道数据一致性，但当前面临手动比对耗时且易错的核心痛点，因为现有工具仅支持单渠道数据导出且缺乏自动校验能力，如果这个问题被解决，他们将把数据核对时间从平均4小时缩短至30分钟以内。",
  "evidence_summary": {
    "user_research": {
      "pain_point_frequency": "12.3%用户提及此痛点",
      "behavioral_evidence": "78%目标用户月底反复手动导出比对",
      "persona_summary": "主要受影响群体为中型SaaS产品运营人员",
      "core_jobs": "数据核对、报表生成、异常排查",
      "need_type": "基本需求（Kano模型），缺失时强烈不满"
    },
    "market_analysis": {
      "tam": "50亿",
      "sam": "15亿",
      "som": "1.2亿",
      "growth_rate": "年增长率约25%"
    },
    "competitive_landscape": {
      "competitor_capabilities": "主流竞品仅支持单渠道数据管理",
      "market_gap": "多渠道数据自动核对能力缺失",
      "barrier_analysis": "数据集成能力构成一定壁垒"
    }
  },
  "opportunity_score": {
    "weighted_total": 3.85,
    "dimensions": {
      "problem_validity": { "score": 4, "weight": 0.30 },
      "market_size": { "score": 4, "weight": 0.25 },
      "feasibility": { "score": 4, "weight": 0.20 },
      "strategic_fit": { "score": 4, "weight": 0.15 },
      "competitive_moat": { "score": 3, "weight": 0.10 }
    }
  },
  "hmw_statements": [
    {
      "id": "hmw-001",
      "statement": "我们如何消除新用户在首次配置场景下的认知负担障碍？",
      "innovation_space": 4
    },
    {
      "id": "hmw-002",
      "statement": "我们如何让报表生成体验变得更快速？",
      "innovation_space": 3
    }
  ],
  "key_assumptions": [
    {
      "assumption": "目标用户愿意为自动核对功能付费",
      "type": "viability",
      "testability": "通过付费意愿调研或MVP定价测试验证",
      "risk_if_wrong": "高"
    },
    {
      "assumption": "多渠道数据接口可统一标准化",
      "type": "feasibility",
      "testability": "通过技术预研验证3-5个主流渠道的数据接口",
      "risk_if_wrong": "高"
    },
    {
      "assumption": "用户能接受自动核对结果的准确率在95%以上",
      "type": "desirability",
      "testability": "通过可用性测试验证用户对准确率的接受阈值",
      "risk_if_wrong": "中"
    }
  ],
  "recommended_next_step": "建议进入解决方案探索阶段，优先验证高风险假设（付费意愿与数据接口标准化），可通过烟雾测试与技术预研并行推进。",
  "human_decisions_needed": [
    {
      "item": "确认战略契合度评分",
      "context": "AI建议评分4，需人类确认是否与公司战略方向一致",
      "urgency": "高"
    },
    {
      "item": "确认高风险假设的验证优先级",
      "context": "2个高风险假设需决定验证顺序与资源分配",
      "urgency": "高"
    },
    {
      "item": "审批推荐下一步方案",
      "context": "是否进入解决方案探索阶段，以及验证方式选择",
      "urgency": "中"
    }
  ],
  "metadata": {
    "version": "1.0",
    "generated_at": "2026-05-08T18:00:00Z",
    "source_files": [
      "output/pm-discovery/user-research-voice-analysis/voice-analysis.json",
      "output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json",
      "output/pm-discovery/user-research-user-modeling/persona.json",
      "output/pm-discovery/insight-jtbd/jtbd.json",
      "output/pm-discovery/insight-kano/kano.json",
      "output/pm-discovery/market-tam-som/tam-som.json",
      "output/pm-discovery/market-competitor-intel/competitor-intel.json",
      "output/pm-discovery/opportunity-scoring/opportunity-scoring.json",
      "output/pm-discovery/opportunity-hmw/hmw.json",
      "output/pm-discovery/opportunity-problem-statement/problem-statement.json"
    ]
  }
}

决策规则

1. 关键假设风险等级"高"的必须标注：risk_if_wrong 为"高"的假设必须在 human_decisions_needed 中列出对应的决策项
2. 人类决策项必须列出：所有需要人类判断的事项均需在 human_decisions_needed 中明确列出，包含决策项、上下文和紧急程度
3. 推荐下一步需基于数据：recommended_next_step 必须基于评分结果与假设风险分析，不能凭空建议

质量检查

降级策略

当上游文件不存在时，本Skill仍可独立执行：

数据获取说明：

• 本Skill需要多个前序阶段的数据，请通过以下方式之一提供：

1. 直接描述产品机会、目标用户和核心痛点
2. 上传前序阶段输出的JSON文件
3. 提供数据文件路径

• AI不负责外部数据采集，仅负责分析

上游变更响应

上游变更影响表

下游通知机制表