tunoc2c/workbuddy-experts/business-case

Trust tier 3
  • community
Source check pending

Checking that the SKILL.md file is still in the repository.

构建客户导向的商业案例:ROI 叙事、价值模型、高管摘要、客户价值故事。 触发词:商业案例、business case、ROI、价值主张、value case、投资回报、价值模型

Install

npx vskill@latest install tunoc2c/workbuddy-experts/business-case

SKILL.md

The same SKILL.md was published earlier as infometa/workbuddyskills/business-case.

商业案例构建

从客户上下文出发,构建客户导向的商业案例、ROI 叙事、价值模型和高管摘要。

核心原则:从客户出发,不是从产品出发。遵循这个链条:

客户上下文 → 业务锚点 → 工作流 → 用例 → 价值驱动 → 指标 → 量化影响 → 叙事

如果证据稀疏,产出清晰标注的结构性假设或跟进问题集,而非虚假的精确性。

适用场景

  • 为特定客户构建采购商业案例
  • 将发现笔记转化为价值叙事
  • 为高管汇报准备 ROI 分析
  • 构建 Champion 内部推动所需的价值材料

不适用于:没有客户角度的通用产品定位。

必要输入

  • [必须] 客户/公司/细分市场/客户场景
  • [必须] 工作流/计划/用例/决策/痛点/指标目标
  • [可选] 买方角色、行业、方案范围、客户指标、当前工具、已知约束、证据材料、战略优先级、类比案例

工作流程

1. 确认客户和决策上下文

明确:

  • 客户是谁
  • 所在行业/细分市场
  • 试图实现什么
  • 什么压力使工作紧迫
  • 哪个买方/团队/干系人重要
  • 可见的约束是什么

锚定在客户目标和业务压力上,不要在这一步完成前就跳到产品推荐。

2. 识别业务工作流

在识别用例之前,理解客户试图改进的实际工作流/业务流程:

  • 参与的角色和团队
  • 主要步骤和交接
  • 瓶颈、手工作业、延迟、质量问题
  • 涉及的工具或系统
  • KPI 和"好"是什么样的

用业务语言命名工作流,不是产品语言。

3. 优先排序用例

优先选择 1-3 个与客户目标和工作流约束匹配的用例:

  • 解决什么工作流问题
  • 为什么现在重要
  • 哪个买方/团队关心
  • 什么证据支撑
  • 什么仍需验证
4. 映射价值驱动

使用以下价值类别:

价值类别说明
生产力提升相同资源产出更多
成本降低直接降低运营/人力/工具成本
风险降低减少合规、安全、运营风险
收入加速更快变现或提高转化
上市速度缩短产品/功能交付周期

将每个用例映射到最少数量的价值类别。使因果链明确。

5. 识别所需指标

对每个用例,识别可信量化所需的最低指标集:

  • 用户/工作流数量
  • 任务量和频率
  • 每任务时间和节省时间
  • 人力成本和采纳率
  • 周期时间、缺陷率、事故成本
  • 转化率、收入影响、上市速度、工具支出

不具备所需输入时不暗示可量化性。

6. 量化(仅当输入支撑时)

当证据可信时,展示:

  • 公式逻辑
  • 已知输入
  • 假设
  • 低/基线/高场景
  • 注意事项

如果输入太弱无法量化:保持案例为结构性,明确说明将案例从"结构性"推进到"财务可用"需要什么数据。

7. 起草客户导向叙事

将运营影响翻译为业务成果,用客户导向、销售可用的语言撰写:

  • 客户优先级
  • 客户挑战
  • 相关工作流
  • 相关用例
  • 预期业务影响
  • 为什么我方方案适合
  • 什么假设重要
  • 什么仍需验证

语气应该是咨询式的、成果导向的、有据可依的、量身定制的——不是产品说明书。

8. 输出默认包
markdown
# 商业案例:[客户] — [日期]
## 高管摘要
[客户试图实现什么、为什么现在重要、最相关的工作流和用例、可能的价值故事、为什么我方方案相关]
## 战略计划
[客户的战略优先级和驱动力]
## 关键挑战
[当前面临的核心业务挑战]
## 优先工作流
[最重要的 1-3 个工作流及其痛点]
## 优先用例
[每个用例:解决什么、为什么现在、谁关心、证据、待验证]
## 价值假设
| 用例 | 价值类别 | 假设 | 影响估算 | 信心 |
|------|---------|------|---------|------|
| | | | | |
## 指标与假设
| 指标 | 已知值 | 假设值 | 来源 | 信心 |
|------|--------|--------|------|------|
| | | | | |
## ROI / 价值视图
[低/基线/高场景,仅当可量化时]
## 方案差异化
[将差异化与工作流、买方需求和预期效果关联]
## 证据与类比案例
[保持公开公司声明与客户本地证据分离]
## 注意事项与开放问题
[什么仍需验证、什么公开研究无法确定]

证据与假设规则

  • 重要主张标注为 已知/推断/假设/缺失
  • 公开来源的洞察与客户本地证据明确分离
  • 类比案例可以塑造假设但不能假装是本客户的证据
  • 如果信心低,说明原因,不将不确定性润色为精美文字

绝对不要:

  • 编造客户数字
  • 混淆客户事实和方向性假设
  • 将公开战略语言转化为虚假 ROI
  • 使用与客户价值脱节的通用营销语言
  • 隐藏缺失数据

辅导视角

作为销售教练,在商业案例之后提供:

  • 这个商业案例的"电梯测试"——30秒能讲清楚吗?
  • Champion 内部推动时最可能面对的挑战
  • 建议的下一步验证动作

Security

  • Security scanPassed, 90 of 100Pattern checks on the skill's files.
  • Model reviewPassed

Quality evaluation

  • Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

Source

Popularity

7-day trend score
0

Not refreshed yet.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

  • Claude Code
  • Cursor
  • GitHub Copilot
  • Windsurf
  • Codex
  • Gemini CLI
  • Cline
  • Amp
  • Roo Code
  • Goose
  • Continue
  • Kilo Code
  • Junie
  • Trae
  • OpenHands
  • Qwen Code
  • AI Agent
  • Tabnine Chat
  • Sourcegraph Cody
  • Amazon Q
  • Firebase Genkit
  • Sweep
  • Devin
  • Phind
  • Mentat
  • Claude Desktop
  • Aider
  • GPT Pilot
  • Plandex
  • bolt.new
  • v0
  • Replit Agent
  • Anse
  • TypingMind
  • BetterChatGPT
  • LibreChat
  • Warp AI
  • Pieces
  • Fig AI
Embed badge
vskill VERIFIED badge
[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/tunoc2c/workbuddy-experts/business-case/badge)](https://verified-skill.com/skills/tunoc2c/workbuddy-experts/business-case)

Something wrong with this skill or its page? Tell us.