技能版本 1.0.0

user-cultural-insight

Use when overseas user reviews, forums, social content, search language, or cultural differences must be analyzed before a brand enters a market or localizes a product, message, or channel.

价格

免费

  • 安装:免费

在组织开通时一次性收取;再次读取清单或下载不重复收费。

以上为公开标价。你的组织可能有协议价,以控制台显示的价格为准。

如何使用

  1. 为组织安装

    开通即安装:组织固定使用开通时的版本(当前为 1.0.0)。升级到新版本需要取消后重新开通。

  2. 创建凭证

    客户端使用组织凭证读取;绑定到数字人后,数字人使用绑定凭证按需加载。请求中携带:

    Authorization: Bearer $ZGI_MARKET_KEY

  3. 读取清单与安装包

    清单列出版本、文件和校验值;安装包是一个 zip 文件。

    读取清单
    curl "https://market-api.zgi.im/v1/market/skills/user-cultural-insight/manifest" \
      -H "Authorization: Bearer $ZGI_MARKET_KEY"
    下载安装包
    curl "https://market-api.zgi.im/v1/market/skills/user-cultural-insight/package" \
      -H "Authorization: Bearer $ZGI_MARKET_KEY" \
      -o user-cultural-insight.zip

    读取清单和下载安装包不计入用量。下载后请用响应头中的 SHA-256 校验文件。

技能说明

名称
user-cultural-insight
说明
Use when overseas user reviews, forums, social content, search language, or cultural differences must be analyzed before a brand enters a market or localizes a product, message, or channel.
仅指令

技能包内没有脚本文件:这个技能是供模型阅读的文本。

SKILL.md 节选

# User and Cultural Insight

你负责把目标市场的用户内容变成可审计的证据,而不是把少量评论改写成泛泛的用户画像。先设计采集,再保存原文,再编码统计,最后解释文化与中文语境差异。

## Required workflow

1. 确认国家/语言、品类、目标用户、平台范围、时间窗口、研究深度和隐私边界。
2. 生成用户内容采集计划:平台、内容类型、本地关键词、目标样本量、实际样本量和偏差风险。
3. 采集或整理公开内容,保留 URL、日期、平台、原文语言、原文和样本元数据;不得只保留中文翻译。
4. 逐条编码使用场景、动机、痛点、期望结果、障碍、情绪、主题和是否为明确表达。
5. 按国家、平台、时间、产品/SKU 和主题聚合 `n`、分母、频次、样本占比、平台数和典型原文数。
6. 对关键主题做跨平台/跨来源验证,并与市场、竞品、价格和法规证据交叉检查。
7. 输出用户文化证据包和不确定性说明。

作为 `aquria-overseas-market-entry` 的 Stage 03 子模块运行时,必须读取 Stage 01 的问题树/数据配额与 Stage 02 的竞品/场景词表,并写入:

- `user-cultural-insight.md`
- `ugc-coding.csv`
- `persona-matrix.csv`
- `jtbd-map.md`

上述文件必须携带共同 artifact metadata,并通过 `source_id`、`content_id`、`segment_id` 与原始来源和来源台账互相回链。

样本配额不等于抽样代表性。开始采集前读取 `references/sampling-and-coding.md`;出现国家级文化解释、跨语言语义判断或中文与当地语境比较时,读取 `references/cultural-inference.md`。

## Research-mode rule

The evidence contract uses `original-language`, `literal translation`, `semantic interpretation`, `sample size`, `frequency`, `ratio`, and `platform bias` fields. Standard and deep research require local-language originals; quick scans may be translation-only with lower confidence.

快速扫描可以使用翻译材料,但必须标记 `translation_only` 和较低置信度。标准和深度研究的关键结论必须保留当地语言原文;翻译不能替代原文。原文处理链必须是:原文 → 中文直译 → 语义解释 → 文化背景 → 与中文语境差异 → 商业含义。

## Required tables

### Collection plan

| 国家 | 平台 | 内容类型 | 本地关键词 | 时间范围 | 目标 n | 实际 n | 原文语言 | 采集状态 | 偏差 |
|---|---|---|---|---|---:|---:|---|---|---|

### Raw content and coding

| content_id | 国家 | 平台 | URL | 日期 | 语言 | SKU | 评分/互动 | 原文 | 中文直译 | 场景 | 动机 | 痛点 | 期望 | 障碍 | 主题 |
|---|---|---|---|---|---|---|---:|---|---|---|---|---|---|---|---|

### Aggregated insight

| 主题 | n | 分母 | 样本占比 | 平台数 | 国家数 | 典型原文数 | 来源时间范围 | 平台偏差 | 置信度 |
|---|---:|---:|---:|---:|---:|---:|---|---|---|

比例只描述当前编码样本,不代表国家人口或所有消费者。不同平台不得未经说明直接合并;重复内容、广告内容和非目标用户要单独标记或排除。报告还要增加严重度、购买/复购影响、商业影响、有效样本量、编码版本和复核结果;频次不等于重要性。

### Sample quality and impact

| 分层 | raw n | 排除 n | 有效 n | codebook 版本 | audit n | inter-coder agreement | 饱和度 | 主题 | 严重度 | 购买影响 | 商业影响 |
|---|---:|---:|---:|---|---:|---:|---|---|---|---|---|

### Language and culture

| 主题 | 当地原文表达 | 中文直译 | 语义解释 | 文化背景 | 中文语境差异 | 可能误读 | 商业含义 | 证据 |
|---|---|---|---|---|---|---|---|---|

## Output

SKILL.md 不止这些内容,安装后可阅读全文。

技能包内容

共 8 个文件,合计 11.5 KiB

  • SKILL.md5.1 KiB
  • references/category-packs/beauty-personal-care.md358 B
  • references/category-packs/consumer-electronics-appliances.md384 B
  • references/category-packs/packaged-food-beverage.md403 B
  • references/cultural-inference.md1.3 KiB
  • references/evidence-schema.md911 B
  • references/language-culture-protocol.md1.1 KiB
  • references/sampling-and-coding.md1.9 KiB

来源与审核

审核状态
尚未审核,内容来自上游来源
源代码仓库
https://github.com/Stella-Insight-Lab/aquria-overseas-market-entry-skills950df800b415274318a85fe203e368429a5f4fb5
许可证
未说明

审核状态是平台对上架信息的记录,不构成对上游服务质量或可用性的担保。