需要将产品功能、竞品和评论转化为多平台营销卖点文案时…

当需要为产品挖掘、排序并撰写有说服力的营销卖点时使用。

适用场景

解决思路

1. 阶段1 找卖点：从产品属性中提取卖点，构建包含 name、features、price、category 的 productData 对象，调用 finder.analyzeAttributes(productData) 返回结构化卖点。
2. 阶段1 找卖点：进行竞品分析，准备 competitorData 数组，调用 finder.compareCompetitors(productData, competitorData) 获取差异化优势。
3. 阶段1 找卖点：分析用户反馈，收集 reviews 数组，调用 finder.analyzeReviews(reviews) 提取用户真正关心的价值点。
4. 阶段1 找卖点：映射痛点，定义包含 segment 和 painPoints 的 targetAudience，调用 finder.mapPainPoints(productData, targetAudience) 将产品功能映射到解决的痛点。
5. 阶段2 定卖点：按差异化评分，汇总所有卖点到 allPoints，调用 ranker.scoreDifferentiation(allPoints) 按竞争优势强度排序。
6. 阶段2 定卖点：匹配目标受众，定义包含 demographic、values、channels 的 audienceConfig，调用 ranker.matchAudience(scoredPoints, audienceConfig)。
7. 阶段2 定卖点：按场景评估，定义 scenarios 数组，调用 ranker.evaluateScenarios(audienceMatched, scenarios)。
8. 阶段2 定卖点：预测病毒传播潜力，调用 ranker.predictVirality(scenarioScores)。
9. 阶段3 写卖点：FAB 转化，取 topPoints[0]，调用 writer.transformFAB(topPoints[0]) 生成特点-优势-利益结构。
10. 阶段3 写卖点：设计情感钩子，调用 writer.createEmotionHooks(topPoints, { emotions: [...] }) 生成情感钩子文案。
11. 阶段3 写卖点：生成平台特定文案，调用 writer.adaptToPlatform(topPoints, { platform, maxLength, includeCTA }) 适配电商、社交媒体等平台。
12. 阶段3 写卖点：生成 A/B 测试变体，调用 writer.generateABVariants(topPoints[0], { count, variables }) 生成多个标题/CTA/情绪角度变体。
13. 配置：创建 config.json 文件，配置 platform、style、max_points、include_emotion_hook、include_cta、target_audience、brand_voice、output_formats。
14. 配置：使用 loadConfig('./config.json') 加载配置并传入 CopyWriter。
15. 完整工作流：编写异步函数 generateMarketingCopy(productData, competitorData, reviews)，依次执行 Find、Define、Write 三阶段，返回 mainHeadline、bulletPoints、platformCopy、abVariants。
16. 常见模式：快速生成产品描述，调用 quickGenerate({ productName, keyFeatures, targetPlatform })。
17. 常见模式：多平台活动，定义 platforms 数组，对每个平台调用 writer.adaptToPlatform，用 Object.fromEntries 打包成 campaignPack。
18. 常见模式：竞争定位，调用 finder.generatePositioningStatement({ product, competitors, targetAudience, keyDifferentiator }) 生成定位声明。
19. 环境变量：创建 .env 文件，设置 OPENAI_API_KEY、ANALYSIS_MODEL、COPY_MODEL、MAX_TOKENS、TEMPERATURE。
20. 环境变量：使用 dotenv 加载环境变量，并传入 CopyWriter 的 apiKey、model、temperature。
21. 故障排除：生成文案太泛时，提供更具体的产品数据，features 使用包含 name、spec、userBenefit 的对象，并加入 targetScenarios。
22. 故障排除：卖点不匹配目标受众时，定义详细受众配置，包括 demographic、psychographic、painPoints、desiredOutcomes、influencers，再调用 ranker.matchAudience(points, audienceConfig)。
23. 故障排除：文案超出平台字数限制时，调用 writer.adaptToPlatform(points, { platform: 'twitter', maxLength: 280, enforceStrict: true, priorityPoints: [points[0], points[1]] })。
24. 故障排除：需要多语言支持时，调用 writer.adaptToPlatform(points, { platform: 'ecommerce', language: 'zh-CN', culturalContext: 'China market preferences' })。
25. 高级用法：自定义评分权重，实例化 SellingPointRanker({ weights: { differentiation: 0.4, audienceMatch: 0.3, virality: 0.2, feasibility: 0.1 } })。
26. 高级用法：批量处理，对 products 数组使用 Promise.all 批量调用 generateMarketingCopy(p, competitors, reviews)。
27. 高级用法：导出到营销工具，使用 exportToCSV(marketingCopy, './output/copy.csv') 和 exportToJSON(campaignPack, './output/campaign.json')。

适用边界 · 注意事项

• 产品缺乏可分析的功能、竞品或用户反馈数据时，难以生成有效的卖点。
• 没有配置 OPENAI_API_KEY 或类似 LLM 服务时，无法使用该工具的核心 AI 生成能力。
• 需要高度定制化品牌策略或受严格监管行业（如医疗、金融）的合规文案时，不宜直接依赖自动生成。