Getting it into your agent
One page per mod, every tool's command on it. A separate URL per tool would split the same page into five that compete with each other.
npx skills add killvxk/pm-skills-zh --skill ideal-customer-profilegit clone --depth 1 https://github.com/killvxk/pm-skills-zhWrote this? Show the measurements
A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.
[](https://agentmods.dev/skills/killvxk/pm-skills-zh/ideal-customer-profile)<a href="https://agentmods.dev/skills/killvxk/pm-skills-zh/ideal-customer-profile"><img src="https://agentmods.dev/badge/skills/killvxk/pm-skills-zh/ideal-customer-profile/github.svg" alt="Measured on agentmods" height="20"></a>Or the 80×15 button, for a site that already has a row of RSS and ATOM ones. Only the verdict fits; the numbers stay here.
<a href="https://agentmods.dev/skills/killvxk/pm-skills-zh/ideal-customer-profile"><img src="https://agentmods.dev/badge/skills/killvxk/pm-skills-zh/ideal-customer-profile.svg" alt="Reviewed on agentmods" width="80" height="20"></a>What it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5.1 | $0.00065 | $0.01624 |
| Opus 5 | $0.00032 | $0.00812 |
| Sonnet 5 | $0.00013 | $0.00325 |
| Haiku 4.5 | $0.00006 | $0.00162 |
Grade A, and why
ideal-customer-profile scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 11d ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 165 lines — stays where its author put it; the contents beside it link to each section on GitHub.
理想客户画像
概述
从调研和问卷数据中提炼理想客户画像（ICP）。本技能整合客户调研数据，定义最有可能从产品中获得价值、持续留存并持续扩展使用的客户画像。
适用场景
- 从产品市场契合度（PMF）问卷数据中定义 ICP
- 精准定位高价值客户群体
- 分析客户成功和扩展模式
- 优化销售和营销资源投入
- 评估新客户机会的匹配度
- 细化目标市场定义
ICP 框架维度
用户画像（Demographics）
他们在企业和个人层面是什么样的？
- 公司规模（员工数、营收）
- 所属行业或垂直领域
- 所在地理位置
- 职位和所在部门
- 该岗位从业年限
- 教育背景和职业背景
- 组织架构和汇报关系
行为特征（Behaviors）
他们如何工作并做出决策？
- 如何发现和评估解决方案
- 采购流程和决策时间线
- 技术接受度和产品采用速度
- 决策风格（独立决策 vs 委员会决策）
- 变更管理和采用方式
- 更换工具的频率
- 社群参与度和同伴影响力
用户待办任务（JTBD）
他们想要完成什么？
- 主要任务/目标（功能性任务）
- 支撑主要任务的次要任务
- 情感性任务（他们希望有什么感受）
- 社交性任务（身份认同和在他人眼中的形象）
- 他们想要避免或消除的任务
- 每项任务的频率和重要性
- 完成任务的成功标准
需求与痛点（Needs and Pain Points）
你的产品解决了哪些问题？
- 他们经历的具体痛点
- 当前的替代方案及其局限性
- 对生产力或业务成果的影响
- 问题带来的成本或时间负担
- 情绪上的受挫程度
- 解决问题的障碍
- 可用于解决问题的预算
- 其他竞争性优先事项
工作方式
第一步：收集客户数据
整理关于实际客户和潜在客户的调研资料：
- 产品市场契合度（PMF）问卷回答
- 客户访谈记录
- 免费试用或 Freemium 用户行为数据
- 客户反馈和支持工单
- 流失分析和客户生命周期数据
- 销售的赢单/败单分析
- 竞争对手客户分析
第二步：按价值分层
识别各客户群体及其价值：
- LTV（用户生命周期价值）最高的客户
- 实现价值速度最快的客户
- 流失率最低的客户
- 扩展/升级购买率最高的客户
- 热情度/活跃度最高的客户
- 最具参考价值/案例潜力的客户
- 与产品愿景最契合的客户
第三步：梳理人口特征
提取企业特征规律：
- 常见公司规模（员工数、营收）
- 行业垂直领域和细分赛道
- 地域集中度
- 典型部门和汇报结构
- 预算持有者和可用预算
- 公司发展阶段（初创、成长期、企业）
- 企业文化特征
第四步：识别行为特征
梳理决策和采用模式：
- 如何发现你的产品（渠道）
- 评估过程和时间线
- 决策中的关键利益相关者
- 销售过程中的障碍
- 产品采用速度和使用广度
- 团队在入职中的参与度
- 功能使用频率
- 支持和服务需求
第五步：定义 JTBD
清晰表述他们想要完成的事：
- 主要任务/目标（功能性任务）
- 情感维度（他们希望有什么感受）
- 社交维度（团队和利益相关方影响）
- 成功指标（他们如何衡量成功）
- 背景和约束（在何时、何地、与谁一起）
- 竞争性任务和优先级
- 各项任务的重要性排序
第六步：梳理痛点和需求
整合具体问题领域：
- 现状（当前处境和不满）
- 期望状态（理想的未来状态）
- 差距大小和影响量化
- 问题的情感维度
- 阻碍解决问题的资源约束
- 疑虑或迟疑
- 对解决方案的成功标准
输入格式
通过 $ARGUMENTS 传入：
- 调研数据（问卷、访谈、记录文本）
- 客户成功/数据指标
- 产品使用分析数据
- 销售活动和赢单/败单数据
- 现有客户数据库
- 竞争情报
输出内容
全面的 ICP 定义，包含：
- 企业特征画像（公司规模、行业、地域）
- 行为画像（采购模式、采用风格）
- 完整的 JTBD 映射（功能性、情感性、社交性任务）
- 前 5-7 个痛点和具体需求
- 量化影响指标（问题成本、解决方案价值）
- 决策流程和关键利益相关者
- 典型客户旅程和时间线
- GTM 启示和信息传达建议
- 不合格标准（谁不是合适的客户）
- ICP 中的高价值细分群体（最理想客户中的最理想客户）
方法论
基于 Clayton Christensen 的用户待办任务（JTBD）理论和客户画像方法论。将行为数据与动机洞察相结合，定义可操作的客户画像。
实用技巧
- 将定量数据和定性数据结合使用
- 访谈 10 位以上的高价值客户，识别规律性模式
- 关注非显而易见的人口特征（离群值可能是高价值客户）
- 同时定义理想 ICP 和可接受的次要细分群体
- 随着客户数据积累，每季度重新审视 ICP
- 用 ICP 评估所有新销售机会
- 在整个组织内共享 ICP（市场、销售、产品部门）
- 记住：ICP 的目的是聚焦精力，而不是将其他所有人拒之门外
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 11d ago First seen · 165 lines · 65 tokens per session scan A 4c28d30986e5
ideal-customer-profile is a skill published in the GitHub repository killvxk/pm-skills-zh (159 stars, last pushed 5mo ago), licensed MIT. It adds 65 tokens to every session and 1,624 once invoked, about $0.0003 per session on Opus 5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-30.
Other skills, from other repositories
systematic-debugging
Use when encountering any bug, test failure, or unexpected behavior, before proposing fixes.
local-ai-agents
Build local-first AI agents that run entirely on a developer workstation with Microsoft Foundry Local and Qwen function-calling models. Covers Small Language Models (SLMs), the OpenAI-compatible local endpoint, sandboxed local tools, local RAG with Chroma, local MCP servers, hybrid cloud/local routing, and the…
next-cache-components-adoption
Turn on Cache Components in a Next.js app and resolve the blocking routes it surfaces. Use when the user wants to enable, adopt, or migrate to Cache Components, flip the cacheComponents flag, work through a flood of blocking-prerender / instant validation errors, run the cache-components-instant-false codemod, or…
insight-error-page
Write or audit an insight-kind error page for the Next.js dev overlay. Use when creating a new errors/ .mdx page, auditing an existing one, or checking that a page matches the framework fix cards. Covers page structure, title alignment, FixCard cards with Copy prompt button, code snippets, terminology verification…
next-cache-components-optimizer
Drive a Next.js route to instant navigation by setting up an agentic loop, under Cache Components / PPR, on initial load (hard navigation) and client-side navigation (soft navigation). Encode the goal as a failing @next/playwright instant() e2e and work it to green, one verified route at a time; the shipped test then…
next-partial-prefetching-adoption
Turn on Partial Prefetching in a Next.js app and work through the insights it surfaces. Use when the user wants to enable or adopt Partial Prefetching, flip the partialPrefetching flag, opt routes in with export const prefetch = 'partial', audit Link prefetch={true} behavior, preserve existing prefetched UI with…