aifinlab 目标客群匹配助手 Skill
数据来源
1. 输入类型
- 基金公告/定期报告/招募说明书/产品说明材料
- 净值与收益时间序列、持仓与资产配置披露
- 销售/服务记录、客户反馈与问答素材(如适用)
- 合规口径与品牌内容规范(如适用)
2. 主要数据要素
- 产品要素(策略、费率、申赎规则、开放期)
- 规模与份额变动、资金流向与申赎结构
- 客户画像与渠道反馈要点
- 竞品与同类产品对标信息
- 合规披露要求与内控口径
3. 质量要求
- 输入信息尽量完整，包含时间区间、基金代码与核心指标
- 若来自 OCR/截图，请尽量校对错字与断行
- 对于未披露的数据需明确标注“缺失/待补充”
核心能力
- 提取核心指标(收益、风险、风格、持仓特征)并进行结构化汇总
- 识别优势/短板与关键驱动因子，形成可追溯的分析链条
- 对异常波动或结构变化给出原因假设与影响评估
- 输出可执行的跟进建议与观察清单
- 明确产品定位、目标客群与差异化要点
- 提出产品迭代或渠道落地建议
- 输出触达/陪伴策略与关键沟通节奏
- 沉淀客户异议与情绪标签，形成安抚与引导话术
输出结构
1. 基础字段
- skill
- domain
- scene
- input_summary
- key_findings
- data_quality
- limitations
2. 场景扩展模块(按需输出)
- analysis
- metrics
- diagnosis
- risks
- recommendations
- product
- positioning
- target_audience
- differentiators
- customer_strategy
- segments
- touchpoints
- tone
使用示例
1. 安装依赖
pip install -r requirements.txt
2. 运行脚本
python scripts/main.py --input sample.txt --output-json result.json --output-md report.md
3. 输出示例
{
"skill": "目标客群匹配助手",
"domain": "产品管理",
"scene": "客群匹配",
"input_summary": {
"fund_code": "000000",
"fund_name": "示例基金",
"period": "2024Q4",
"data_coverage": "净值/持仓/披露/市场"
},
"key_findings": [
"关键结论1",
"关键结论2"
],
"data_quality": {
"has_text": true,
"text_length": 1200
},
"limitations": [
"仅基于输入信息形成初步判断"
]
}
注意事项与限制
- 仅对输入文本进行结构化与初步判断，不替代人工投研或合规结论
- 若缺少关键数据(持仓、基准、时间区间)，结果需明确提示不完整
- 输出建议应结合实际业务口径与监管要求复核
适用场景
- 业务条线: 产品管理
- 场景/能力: 客群匹配
- 典型用户: 研究员、产品经理、渠道与客服、合规审查或内容运营人员
License
- 代码部分遵循 MIT License
- 数据来源与披露口径需遵循对应数据供应商与监管要求