適用於 Openclaw 的 變現實驗規劃器

一個面向增長團隊的數據驅動框架,用於劃分業務模式、分析營收群組,並執行高影響力的定價與增購實驗。

quochungto
v1.0.0
Apr 14, 2026
0
357
0

安裝與下載

1. ClawHub CLI

從來源直接安裝技能的最快方式。

npx clawhub@latest install bookforge-monetization-experiment-planner

2. 手動安裝

將技能資料夾複製到以下位置之一

全域模式
~/.openclaw/skills/
工作區
<project>/skills/

優先級:工作區 > 本地 > 內建

3. 提示詞安裝

將此提示詞複製到 OpenClaw 即可自動安裝。

請幫我使用 Clawhub 安裝 bookforge-monetization-experiment-planner。如果尚未安裝 Clawhub,請先安裝(npm i -g clawhub)。

想要直接下載?

取得包含原生技能檔案的ZIP壓縮檔。

什麼是 變現實驗規劃器?

變現實驗規劃器是一款專門為 PMF(產品市場契合)後階段公司設計的工具,旨在不犧牲用戶留存的情況下釋放營收增長。透過利用 Hacking Growth 框架的原理,這項 Openclaw Skills 資產幫助團隊從直覺驅動的定價轉向結構化的分析方法。它專注於識別營收的真實來源,並提供彌合「分文差距」和優化定價相對性所需的戰術藍圖。

對於用戶在增長但營收持平的團隊來說,這項技能至關重要。它確保每一次定價變動或新等級的引入都建立在穩定的留存數據之上,防止短期收益導致長期流失。透過將其集成到您的工作流中,您可以系統地測試圍繞訂閱錨點、電子商務捆綁包或廣告位擴張的假設。

變現實驗規劃器 應用場景

  • 當用戶留存穩定但單用戶營收停滯不前時。
  • 您需要重構當前的定價分級或引入新的付費級別。
  • 領導層需要深入分析哪些客戶細分群體驅動了最大的價值。
  • 您正在考慮降價,並需要驗證銷量是否能真正抵消較低的利潤率。
  • 計劃使用成熟的心理錨點將免費用戶轉化為付費等級。

變現實驗規劃器 運作原理

  1. 留存驗證:確認穩定的留存底線作為前提條件,確保您不是在對正在流失的用戶群進行變現。
  2. 原型分類:識別業務模式(訂閱、電子商務或廣告營收),以設定正確的診斷指標。
  3. 漏斗映射:將營收觸點疊加到客戶旅程中,以識別高流失的瓶頸點。
  4. 群組細分:按支出區間、計劃等級或參與深度分解營收,以發現高價值細分群體。
  5. 實驗生成:根據業務原型提出具體的測試建議,如三級錨定、年度增購或包郵門檻。
  6. 待辦事項優先級排序:按影響力、信號速度和可逆性對實驗進行排序,生成可執行的路線圖。

變現實驗規劃器 設定指南

要安裝變現實驗規劃器及其所需的依賴項,請在終端機中使用以下命令:

# 安裝核心變現技能
clawhub install bookforge-monetization-experiment-planner

# 安裝必備的留存選擇器
clawhub install bookforge-retention-phase-intervention-selector

變現實驗規劃器 資料結構與分類體系

該技能處理並生成特定的數據結構,以確保分析的嚴謹性:

文件類型 描述 關鍵欄位
輸入 CSV 營收群組 Customer ID, Plan Tier, Acquisition Source, 90-day Spend
輸入 MD 定價分級 Plan names, Price points, Feature gates, Annual discounts
輸出:待辦事項 monetization-experiment-backlog.md Hypothesis, Metric, Cohort, Signal Timeline, Pitfall Flags
輸出:分析 revenue-cohort-analysis.md Cohort Definitions, Revenue Contribution, Segment Profiles

變現實驗規劃器 進階特性

  • 分文差距處理:透過限時試用而非直接要價來轉化免費用戶的專項邏輯。
  • 定價相對性引擎:自動建議三級錨定,利用誘餌效應提高高等級轉化率。
  • 多智能體支援:與留存和 ICE 評分技能協同工作,構建全週期的增長引擎。
  • 反應性降價保護:為下意識考慮降價的團隊提供內置警告和測試要求。
  • 個性化護欄:隱私優先的檢查,確保行為建議不會跨越到侵入性監控。

SKILL.md


加載中

Openclaw 相關技能

METADATA

Github Stars: 0
forks: 0

精選*