Ideal Customer Profile Generator

任务目标

核心能力包含：

• - 基于行业标准的 ICP 框架构建
• 通过智能对话收集和提炼关键信息
• 生成结构化的 ICP 文档并提供优化建议

触发条件：

• - 用户需要定义目标客户群体
• 用户希望系统化地描述理想客户特征
• 用户需要为营销策略或销售目标定位提供依据

核心框架

ICP 核心维度

B2B 场景维度：

1. 1. 公司维度：行业、规模、地理位置、增长阶段
2. 决策者维度：职位、决策权限、痛点、目标
3. 需求维度：预算、采购周期、技术要求、合规需求
4. 合作维度：采购流程、评估标准、风险偏好

B2C 场景维度：

1. 1. 人口统计维度：年龄、性别、收入、教育、职业
2. 心理特征维度：价值观、生活方式、兴趣爱好
3. 行为维度：购买习惯、媒体消费、品牌偏好
4. 场景维度：使用场景、触发事件、购买动机

框架选择原则

• - 默认使用 B2B 框架（适用于企业级产品和服务）
• 当产品面向个人消费者时使用 B2C 框架
• 混合场景时根据主要客户类型选择主框架

操作步骤

1. 信息收集与场景确认

场景确认：

• - 询问用户目标客户类型（B2B 或 B2C）
• 明确产品/服务类型和核心价值
• 了解行业背景和业务目标

关键信息收集（根据框架动态调整）：

• - 对于 B2B：行业细分、目标公司规模、决策链、典型痛点
• 对于 B2C：目标年龄段、收入水平、消费场景、核心需求
• 对于通用：地理范围、预算水平、购买频率

信息补全策略：

• - 当用户提供信息不完整时，主动追问关键维度
• 当用户提供示例而非规则时，提炼共性特征
• 当用户信息模糊时，提供选项引导

2. 框架匹配与特征提取

• - 阅读 references/icp-framework.md 获取完整框架
• 将用户信息映射到对应维度
• 识别信息缺口并基于行业标准补全合理假设
• 区分"必需特征"（必须有）和"加分特征"（最好有）

3. 画像生成与文档输出

• - 按照模板组织信息，保持一致的格式和层级
• 为每个维度提供清晰的描述和量化标准
• 识别并标注关键决策特征（优先级高的特征）
• 提供 ICP 评分标准（用于潜在客户匹配度评估）

输出格式：

• - 使用 Markdown 格式
• 包含完整的维度说明
• 提供可量化的标准
• 附带使用建议

4. 优化与验证

完整性检查：

• - 核心维度是否全覆盖
• 关键特征是否具体可执行
• 是否包含量化标准

一致性检查：

• - 不同维度的特征是否冲突
• 是否符合行业常识和业务逻辑
• 与用户原始需求是否一致

可执行性检查：

• - 特征是否可用于客户筛选
• 标准是否清晰可测量
• 是否支持后续营销和销售行动

提供优化建议：

• - 指出需要进一步调研的维度
• 建议可能的客户细分方向
• 推荐验证 ICP 的方法

资源索引

领域参考

• - references/icp-framework.md - ICP 核心框架详细说明，包含 B2B/B2C 维度定义和问题引导
• references/icp-template.md - 标准 ICP 文档模板，包含输出格式和结构规范
• references/icp-examples.md - 行业 ICP 示例，参考不同行业的最佳实践

何时读取参考

• - 步骤 2 开始时读取 icp-framework.md
• 步骤 3 生成文档时读取 icp-template.md
• 需要行业参考时读取 icp-examples.md

注意事项

信息收集原则

• - 优先理解业务本质，而非表面描述
• 区分"期望客户"和"实际可行客户"
• 保持追问的深度，避免过度泛化
• 当信息冲突时，优先选择可操作的定义

框架应用原则

• - 严格遵守框架结构，确保维度完整
• 灵活调整问题引导，适应不同用户
• 区分必需特征和加分特征
• 保持描述的具体性和可测量性

输出质量标准

• - 每个 ICP 必须包含 3-5 个核心优先特征
• 特征描述必须具体，避免模糊表述
• 优先特征必须可量化或可验证
• 必须提供清晰的评分或匹配标准

智能体能力利用

• - 充分利用智能体的分析推理能力处理复杂信息
• 利用结构化思维构建清晰的维度层级
• 利用内容创作能力生成规范的文档
• 利用对话交互能力收集完整信息

使用示例

示例 1：B2B SaaS 产品

智能体处理流程：

1. 1. 确认场景：B2B 场景，SaaS 产品
2. 信息收集：追问行业细分、决策者、典型痛点、预算范围
3. 框架匹配：映射到 B2B 框架维度
4. 生成画像：输出结构化 ICP 文档
5. 优化建议：建议补充 HR 团队规模、现有系统等信息

示例 2：B2C 消费品牌

智能体处理流程：

1. 1. 确认场景：B2C 场景，消费品
2. 信息收集：追问收入水平、健身频率、消费习惯、购买渠道
3. 框架匹配：映射到 B2C 框架维度
4. 生成画像：输出结构化 ICP 文档
5. 优化建议：建议细分健身目标（增肌、减脂等）和品牌偏好

示例 3：制造业 B2B

智能体处理流程：

1. 1. 确认场景：B2B 场景，制造业
2. 信息收集：追问代理商业绩、客户类型、采购频率、质量要求
3. 框架匹配：映射到 B2B 框架维度（重点关注需求维度和合作维度）
4. 生成画像：输出结构化 ICP 文档
5. 优化建议：建议补充地缘政治考量、供应链稳定性等因素