CrossScope（跨境透镜）— AI 跨境社媒数据情报 Agent

项目赛道：跨境数据服务（数据加工、市场分析、搜索优化）
参赛选手：王恒（Starry）
OPC 模式：一人 + AI Agent 协作，构建跨境社媒市场情报服务

项目简介

CrossScope 是服务品牌双向跨境的 AI 市场情报平台：海外品牌入华看懂小红书，中国品牌出海读懂 TikTok。

输入品牌与目标市场，AI 智能体集群自动执行市场扫描、爆款内容解码、策略生成与报告整合四步流水线，30 分钟产出过去需要 2-4 周、5-30 万咨询费才能获得的市场进入策略报告；支持竞品订阅监控，按周自动推送投放动态与策略变化预警。

一线社媒运营经验深度编码进 AI 分析逻辑——外溢转化规律、KOL 选号标准、内容价值阶梯诊断，输出的不是数据搬运，而是可直接执行的决策建议。

让一个人拥有一个市场部的情报能力。

🏁 W3 半决赛交付物：见 w3-prototype/ —— 在 W2 核心 Agent 链路之上，交付可交互 Web 应用 + 管理后台 + 真实数据连接器，已上线 https://scope.starrycross.com。W2 阶段产物见 w2-prototype/。

---

一、背景与痛点

1.1 跨境社媒营销的"信息黑箱"

跨境电商和品牌出海正在从"铺货"时代走向"内容驱动"时代。无论是海外品牌进入中国（入华），还是中国品牌走向海外（出海），社交媒体平台已经成为品牌建立认知、获取用户的第一战场。

但跨境社媒营销面临一个核心困境：信息不对称。

海外品牌入华（Outside-In）痛点

一个韩国美妆品牌想进入中国市场，面临的典型问题：

• 平台认知空白：不了解小红书的运作逻辑——蒲公英平台怎么用？KOL 怎么选？报价体系是什么？
• 数据解读障碍：拿到的 Excel 上写着"互动中位数 300、外溢转化 500"，品牌方看不懂这些指标意味着什么，不知道这个博主算好还是差
• 选号决策盲目：品牌方习惯看粉丝量选号，但在小红书，粉丝量与实际带货效果相关性很低，真正决定 ROI 的是外溢转化率、互动中位数、粉丝画像匹配度
• 竞品情报缺失：不知道同品类的竞争对手在中国社媒上投了哪些 KOL、用了什么内容策略、效果如何
• 本地化门槛高：语言、文化、审美差异导致内容水土不服，但品牌方缺乏判断什么内容"在小红书能跑起来"的能力

中国品牌出海（Inside-Out）痛点

一个国货美妆品牌想通过 TikTok 进入东南亚市场：

• 平台规则不透明：TikTok Shop 各国政策不同，印尼和泰国的带货逻辑差异巨大
• 本地 KOL 信息真空：找不到靠谱的本地达人，不知道谁是真实流量、谁是刷量
• 内容趋势滞后：品牌方看到的市场报告滞后 3-6 个月，等报告出来趋势已过
• 竞品动态不可见：不知道竞品在目标市场投入了多少、效果如何，决策全靠猜
• 跨平台数据割裂：小红书、TikTok、Instagram、YouTube 的数据各自为政，无法形成统一的市场视图

1.2 现有解决方案的不足

方案	问题
咨询公司/代运营	单次报价 5-30 万，周期 2-4 周，对中小品牌不友好；且报告完成即过时
SaaS 数据工具（新红、千瓜、Kalodata 等）	单平台、单语种，无法跨平台交叉分析；提供数据但不提供决策建议
品牌自建团队	需要配备本地市场人员 + 数据分析师，人力成本高，中小品牌养不起
AI 翻译/内容工具	解决的是"怎么写"，未解决"写什么"——缺乏市场洞察驱动

1.3 核心洞察

跨境社媒营销的决策链条是：市场洞察 → 策略制定 → 内容生产 → 分发投放 → 效果追踪 → 策略迭代。

当前市场上的 AI 工具主要集中在"内容生产"和"分发投放"环节。但决策链的 upstream——市场洞察和策略制定——至今仍高度依赖人工，且信息获取成本极高。

CrossScope 要做的，就是用 AI Agent 打通这条决策链的最上游：让一个人 + AI，就能获得过去需要一个市场部才能产出的跨境社媒情报。

---

二、产品定位

2.1 一句话定位

CrossScope 是一个 AI 跨境社媒数据情报 Agent，帮助品牌方在进入新市场前，用 AI 完成市场扫描、竞品分析、KOL 评估和内容策略制定。

2.2 OPC 模式定义

OPC 操作者（一人）
  - 配置目标市场和品牌需求
  - 审核 AI 生成的情报报告
  - 基于情报做最终决策
  
CrossScope Agent 集群
  - 自动采集跨平台社媒数据
  - 交叉分析竞品策略
  - 评估 KOL 匹配度
  - 生成可执行的市场进入建议

2.3 与竞品的位置关系

┌─ CrossScope（本项目）───────────────────────┐
│                                              │
│  市场洞察 → 竞品分析 → KOL评估 → 策略制定    │
│                                              │
└──────────────────┬───────────────────────────┘
                   │ 输出：情报报告 + 执行建议
                   ▼
┌─ 内容生产工具（AIO Bridge等）──────────────────┐
│                                                │
│  多语言内容创作 → SEO优化 → 平台适配 → 分发    │
│                                                │
└────────────────────────────────────────────────┘

CrossScope 不做内容生产，而是回答"应该做什么内容、投给谁、在哪个平台、参考谁的策略"。这是内容生产工具的 前置情报层。

2.4 核心价值主张

价值维度	传统方式	CrossScope
时间	市场调研 2-4 周	情报报告 30 分钟生成
成本	咨询/代运营 5-30 万/次	OPC 模式下 <500元/月 API 成本
深度	表面数据搬运	跨平台交叉分析 + 决策建议
时效	报告即过时	支持实时追踪和持续更新
门槛	需要中英双语团队	单人 + AI 即可操作

---

三、应用场景

场景一：海外品牌入华——韩国美妆品牌小红书冷启动

背景

韩国美妆品牌 LANEIGE（兰芝）计划在中国市场加大小红书投放，但中国团队只有 1 名市场经理，对小红书 KOL 生态不熟悉。

CrossScope 工作流

Step 1：市场扫描

输入：

{
  "task": "market_scan",
  "brand": "LANEIGE 兰芝",
  "category": "美妆个护/面霜",
  "target_platform": "小红书",
  "market_direction": "outside_in",
  "budget_range": "月投放预算 10-20 万 RMB",
  "competitors": ["雪花秀", "悦诗风吟", "后 Whoo"]
}

输出：情报报告

{
  "market_overview": {
    "category_heat_index": 87,
    "monthly_note_volume": 12500,
    "avg_engagement_rate": "3.2%",
    "top_content_formats": ["素人日常分享(42%)", "成分测评(28%)", "开箱vlog(18%)", "对比测评(12%)"],
    "peak_posting_times": ["周二 20:00-22:00", "周五 12:00-14:00"],
    "trending_keywords": ["保湿面霜", "换季干皮", "韩系护肤", "平替"]
  },
  "competitor_analysis": [
    {
      "brand": "雪花秀",
      "monthly_investment_est": "15-25万",
      "kol_count": 45,
      "avg_note_engagement": 520,
      "top_performing_note": {
        "title": "韩国人真的在用的面霜...",
        "reads": 85000,
        "likes": 3200,
        "spillover_conversion": 2100,
        "content_strategy": "强调韩国本土热销 + 素人日常场景"
      },
      "kol_selection_pattern": "60% 素人号(1-5万粉)，30% 腰部(5-20万粉)，10% 头部(20万+)",
      "effective_content_type": "日韩小众品推荐合集 > 单品测评 > 品牌广告"
    }
  ],
  "actionable_insights": [
    "竞品主投素人号，说明该品类'真实感'比'专业感'更重要——品牌应优先选择日常分享型博主",
    "外溢转化最高的笔记类型是'多品推荐合集'而非单品硬广，建议首批投放以'韩系面霜推荐'合集笔记为主",
    "竞品在蒲公英平台的报价中位数为 2000-3000元/篇，建议预算按此区间规划",
    "粉丝画像需重点筛选：女性占比>85%、18-30岁占比>60%、一二线城市占比>50%"
  ]
}

Step 2：KOL 智能匹配

输入：

{
  "task": "kol_matching",
  "brand": "LANEIGE 兰芝",
  "category": "面霜",
  "platform": "小红书",
  "requirements": {
    "budget_per_note": "1500-3500 RMB",
    "min_engagement_median": 200,
    "min_spillover_rate": "1%",
    "audience_female_ratio": ">85%",
    "audience_age_18_30": ">60%",
    "content_style": "素人日常/日韩好物分享",
    "exclude_pure_ad_accounts": true
  }
}

输出：KOL 推荐列表

{
  "recommended_kols": [
    {
      "account": "小熊早点睡",
      "followers": 25000,
      "pricing": 2500,
      "engagement_median": 350,
      "exposure_median": 8500,
      "spillover_avg": 480,
      "audience_match_score": 92,
      "historical_beauty_notes": 45,
      "brand_collaboration_history": ["百雀羚", "彩棠", "ONCUR安修泽"],
      "strength": "日韩小众美妆赛道精准，外溢数据稳定，评论区真实度高",
      "risk": "近30天粉丝微降(-200)，需关注数据趋势"
    }
  ],
  "selection_summary": {
    "total_matched": 35,
    "tier_distribution": "素人(1-3万粉): 20, 腰部(3-10万粉): 12, 中腰部(10-20万粉): 3",
    "estimated_total_budget": "87,500 - 122,500 RMB (35篇)",
    "predicted_avg_spillover": "380次/篇",
    "predicted_total_reach": "297,500 曝光"
  }
}

Step 3：策略方案生成

基于 Step 1-2 的数据，CrossScope 生成完整的小红书冷启动方案，包含：投放节奏（第1周测试5-8个博主 → 第2-3周追加表现好的同类型 → 第4周复盘调整）、内容方向建议、预算分配、预期效果、风险提示。

场景价值

	传统方式	CrossScope
完成以上分析所需时间	2-3 周（人工调研）	30 分钟
所需人力	市场经理 + 数据分析师 + 本地 MCN 对接	1 人
费用	5-15 万（咨询费/代运营费）	API 调用成本 <50 元

---

场景二：中国品牌出海——国货美妆 TikTok 东南亚冷启动

背景

国货美妆品牌"花西子"计划通过 TikTok Shop 进入泰国市场，需要了解当地美妆市场格局和达人生态。

CrossScope 工作流

Step 1：目标市场情报

输入：

{
  "task": "market_scan",
  "brand": "Florasis 花西子",
  "category": "彩妆/散粉",
  "target_platform": "TikTok",
  "target_region": "泰国",
  "market_direction": "inside_out",
  "reference_markets": ["印尼", "马来西亚"],
  "language": "zh-CN"
}

输出：

{
  "market_overview": {
    "tiktok_shop_status": "已开放彩妆类目",
    "category_gmv_trend": "月环比+22%",
    "top_local_brands": ["Srichand", "4U2", "Cathy Doll"],
    "chinese_brand_presence": ["完美日记(已入驻)", "花知晓(测试中)"],
    "content_language_mix": "泰语(78%) + 英语(15%) + 中文(7%)",
    "popular_content_types": ["makeup tutorial(55%)", "GRWM(25%)", "haul/开箱(12%)", "对比测评(8%)"]
  },
  "competitor_intelligence": [
    {
      "brand": "完美日记 Perfect Diary",
      "tiktok_strategy": "KOL矩阵+直播带货",
      "monthly_kol_collabs": 30,
      "avg_video_views": 45000,
      "localization_approach": "全泰语内容，本地模特，本地达人",
      "pricing_strategy": "定价低于本地品牌10-15%，走性价比路线",
      "effective_hooks": ["affordable luxury", "Chinese beauty secret", "same quality as XX for half price"]
    }
  ],
  "entry_recommendations": [
    "泰国美妆消费者对'中国品牌'认知度低但好奇心高——建议以'东方美学'而非'国货平替'定位",
    "散粉类目竞争激烈(Srichand是本地头部)，但花西子的包装差异化在泰国市场有视觉冲击力",
    "应优先合作1-5万粉的泰国本地美妆达人(成本低+真实感强)，避免直接投头部(ROI不确定)",
    "内容形式建议：tutorial/教程 > 开箱 > 测评——泰国用户更信任'教你怎么用'的内容"
  ]
}

Step 2：KOL 发现与风险评估

CrossScope 自动扫描 TikTok Thailand 达人库，按品类匹配度、数据真实性（识别刷量账号）、历史品牌合作满意度排名，输出推荐列表及每个达人的风险评估（如粉丝质量、互动真实性、历史争议等）。

Step 3：跨市场对比分析

将花西子在印尼、马来西亚（如已有数据）的已有表现与泰国市场预测做横向对比，帮助品牌方判断泰国是否值得重点投入、应该参考哪个已有市场的打法。

---

场景三：持续竞品监控——品牌社媒情报订阅

背景

某跨境美妆品牌的运营负责人，需要持续跟踪 3-5 个竞品在小红书和 TikTok 上的投放动态，及时调整自身策略。

CrossScope 工作流

配置订阅：

{
  "task": "competitive_monitoring",
  "mode": "subscription",
  "frequency": "weekly",
  "monitored_brands": ["雪花秀", "悦诗风吟", "珂润", "Cerave"],
  "platforms": ["小红书", "TikTok"],
  "tracked_metrics": [
    "新增KOL合作数",
    "爆款笔记(互动>1000)",
    "新品发现",
    "投放策略变化",
    "负面舆情"
  ],
  "alert_conditions": [
    {"metric": "竞品新品上线", "action": "即时通知"},
    {"metric": "竞品爆款笔记", "threshold": "互动>5000", "action": "深度分析"},
    {"metric": "负面舆情", "action": "即时通知 + 影响评估"}
  ]
}

周报输出（自动生成）：

{
  "report_period": "2026-05-19 ~ 2026-05-25",
  "executive_summary": "本周竞品动态：雪花秀加大素人投放(+40%)，珂润出现一篇10万+爆文，Cerave疑似调整定价策略",
  "highlights": [
    {
      "brand": "珂润",
      "event": "爆款笔记",
      "detail": {
        "title": "干皮亲妈面霜，用了三年的真实感受",
        "reads": 120000,
        "engagement": 8500,
        "content_analysis": "成功因素：真实使用时间线(3年)、干皮精准定位、无广告感、评论区大量真实讨论",
        "replicable_elements": ["时间线叙事(用了X年)的真实感", "精准肤质定位", "评论区引导互动问题"]
      }
    }
  ],
  "strategy_shifts_detected": [
    {
      "brand": "雪花秀",
      "change": "KOL层级下移",
      "detail": "本周新增合作博主中70%为1-3万粉素人号(此前为40%)，推测正在测试素人矩阵策略",
      "implication": "如果效果好，素人号报价可能被推高，建议提前锁定优质素人博主"
    }
  ],
  "recommended_actions": [
    "珂润爆文中的'时间线叙事'手法值得借鉴——可要求合作博主在笔记中加入'使用X个月'的真实时间维度",
    "雪花秀下移KOL层级是行业趋势信号，建议本月测试增加5个素人号合作"
  ]
}

场景价值

传统竞品监控需要专人每天刷各平台 + 每周整理报告，至少占 1 个人 50% 的工时。CrossScope 实现全自动监控 + 智能摘要 + 策略建议，OPC 操作者仅需审阅报告并决策。

---

四、核心业务逻辑

4.1 数据流架构

数据采集层                     智能分析层                     情报输出层
┌──────────┐              ┌──────────────┐              ┌──────────────┐
│ 小红书API │─┐            │ 数据清洗     │              │ 情报报告     │
│ /爬虫     │ │            │ & 结构化     │              │ (Markdown)   │
├──────────┤ │   汇聚    ├──────────────┤   编排      ├──────────────┤
│ TikTok   │─┼──────────►│ 多维度分析   │──────────►  │ KOL推荐表    │
│ API      │ │            │ & 交叉比对   │              │ (结构化JSON) │
├──────────┤ │            ├──────────────┤              ├──────────────┤
│ Instagram│─┤            │ 趋势检测     │              │ 策略建议     │
│ /YouTube │ │            │ & 预测       │              │ (可执行)     │
├──────────┤ │            ├──────────────┤              ├──────────────┤
│ 品牌方   │─┘            │ 策略生成     │              │ 周报/警报    │
│ 自有数据 │              │ & 建议       │              │ (订阅推送)   │
└──────────┘              └──────────────┘              └──────────────┘

4.2 统一输入格式

所有任务共享统一的请求结构：

{
  "task_type": "market_scan | kol_matching | competitive_monitoring | trend_analysis",
  "brand_context": {
    "name": "品牌名称",
    "category": "品类",
    "positioning": "品牌定位描述",
    "existing_presence": ["已入驻平台列表"]
  },
  "target": {
    "platform": "小红书 | TikTok | Instagram | YouTube | 多平台",
    "region": "中国 | 泰国 | 印尼 | 东南亚 | 全球",
    "direction": "outside_in | inside_out | cross_market"
  },
  "parameters": {
    "budget_range": "预算区间",
    "timeline": "时间范围",
    "competitors": ["竞品列表"],
    "focus_areas": ["重点关注维度"],
    "language": "报告语言"
  },
  "output_preferences": {
    "format": "full_report | executive_summary | data_only",
    "depth": "quick_scan | standard | deep_dive",
    "include_raw_data": false
  }
}

4.3 统一输出格式

{
  "report_id": "cs-20260526-001",
  "generated_at": "2026-05-26T14:30:00Z",
  "task_type": "market_scan",
  "confidence_score": 0.85,
  "data_freshness": "2026-05-25",
  "sections": {
    "executive_summary": "...",
    "market_data": { "..." },
    "analysis": { "..." },
    "recommendations": [
      {
        "priority": "high",
        "action": "具体可执行行动",
        "rationale": "数据支撑的理由",
        "expected_impact": "预期效果",
        "risk_level": "low | medium | high"
      }
    ]
  },
  "methodology": {
    "data_sources": ["数据来源列表"],
    "sample_size": 1500,
    "analysis_methods": ["使用的分析方法"],
    "limitations": ["数据局限性说明"]
  },
  "metadata": {
    "processing_time_seconds": 180,
    "api_calls_made": 45,
    "tokens_consumed": 125000,
    "estimated_cost_usd": 2.50
  }
}

---

五、Agent 架构设计

5.1 多 Agent 协作架构

                        ┌─────────────────────┐
                        │  Orchestrator Agent  │  ← 任务理解 & 编排
                        │  (指挥官)             │
                        └─────────┬───────────┘
                                  │
                ┌─────────────────┼─────────────────┐
                │                 │                 │
    ┌───────────▼──┐   ┌────────▼────────┐   ┌───▼──────────┐
    │ Market        │   │ Content         │   │ Audience     │
    │ Scanner Agent │   │ Decoder Agent   │   │ Profiler     │
    │ (市场扫描)     │   │ (内容解码)       │   │ Agent        │
    │               │   │                 │   │ (受众画像)    │
    └───────┬───────┘   └────────┬────────┘   └───┬──────────┘
            │                    │                 │
            └────────────────────┼─────────────────┘
                                 │
                    ┌────────────▼────────────┐
                    │  Strategy Architect      │  ← 综合分析 & 策略生成
                    │  Agent (策略架构师)        │
                    └────────────┬────────────┘
                                 │
                    ┌────────────▼────────────┐
                    │  Trend Radar Agent       │  ← 持续监控 & 预警
                    │  (趋势雷达)               │
                    └─────────────────────────┘

5.2 各 Agent 职责详解

Orchestrator Agent（指挥官）

职责：接收用户任务，拆解为子任务，分配给功能 Agent，收集结果并整合输出。

输入：用户的自然语言需求 或 结构化任务请求
处理：
  1. 理解任务意图（市场扫描 / KOL匹配 / 竞品监控 / 趋势分析）
  2. 判断所需数据范围（哪些平台、哪些市场、多大时间跨度）
  3. 生成执行计划，分配子任务给功能 Agent
  4. 收集各 Agent 产出，去重、交叉校验、合并
  5. 格式化最终输出
输出：结构化情报报告

关键能力：

• 任务歧义消解（用户说"帮我看看竞品在做什么"→ 拆解为：竞品识别 → 投放数据采集 → 内容分析 → 策略推断）
• 执行计划优化（判断哪些子任务可并行、哪些有依赖关系）
• 结果一致性校验（多 Agent 交叉验证数据可靠性）

Market Scanner Agent（市场扫描）

职责：执行跨平台数据采集、市场基本面分析和搜索意图挖掘。

输入：目标平台 + 品类 + 市场 + 竞品清单
处理：
  1. 按平台调用数据采集接口/解析公开数据
  2. 抓取指定品类的热门笔记/视频/帖子
  3. 提取品牌投放规模估算（合作博主数 × 平均报价）
  4. 汇总品类大盘数据（话题热度、月度笔记量、互动趋势）
  5. 识别该品类的头部内容创作者
  6. 语义关键词图谱构建（见下方）
输出：市场基本面数据集 + 结构化关键词图谱（JSON）

语义关键词图谱（Semantic Keyword Graph）：

Market Scanner 内置自动化搜索意图挖掘引擎，从品类种子词出发，逐层衍生扩展：

种子词（品类大词）
  → 衍生词挖掘（下拉联想 + 相关搜索 + 评论区高频词）
    → 高互动内容共性提取（Top 10% 笔记的标题/封面关键词聚合）
      → 四维结构化分类输出

输出的关键词库按四个维度自动分类：

维度	说明	示例（面霜品类）
痛点词	用户正在被什么困扰	"换季爆皮"、"敏感肌泛红"
场景词	什么时候/在哪里会用	"通勤补水"、"熬夜急救"
人群词	谁在搜索	"学生党平价"、"孕期护肤"
竞品词	正在和谁比较	"XX vs XX"、"XX平替"

该图谱直接为 Content Decoder 和 Strategy Architect 提供选题弹药，同时帮品牌方发现竞争度低但需求精准的蓝海关键词。

数据源：

• 小红书：蒲公英平台公开数据、千瓜/新红数据 API、笔记公开页面
• TikTok：TikTok Creative Center、Kalodata API、公开视频数据
• Instagram/YouTube：公开 API + 页面数据

Content Decoder Agent（内容解码）

职责：对内容进行多层结构化拆解，诊断每篇内容的说服力层级和视角偏差，提取可复用的高效模式。

输入：一批笔记/视频的内容数据（标题、正文、图片描述、互动数据）
处理：
  1. 按互动效果排序，识别 Top 10% 高效内容
  2. ⭐ 内容价值阶梯分析（Content Value Ladder）——对每篇内容进行三阶诊断：
     - L1 事实层（Foundation）：内容是否在堆砌参数、成分、规格？→ 用户仅"知道"
     - L2 体验层（Bridge）：内容是否展示了真实使用感受和场景？→ 用户开始"相信"
     - L3 想象层（Hook）：内容是否激发了身份认同或生活向往？→ 用户产生"想要"
     分析结果示例："该品牌 80% 的笔记停留在 L1 事实层（堆砌 SPF 值、成分表），
     仅 5% 触及 L3 想象层，这是互动率低于竞品的核心原因"
  3. ⭐ 卖点-买点视角诊断（Perspective Diagnostic）：
     - 识别内容是"品牌在自说自话"（卖点视角：产品有什么）
       还是"用户在自我对话"（买点视角：我能得到什么）
     - 示例："防晒力 SPF50+"（卖点）vs "海边暴晒一整天回来没黑"（买点）
     - 竞品对比：分析竞品内容的买点转化率，找到差距
  4. 分析爆款内容的共性要素：
     - 标题/文案句式模式（如"后悔没早买"、"用了X年的真实感受"）
     - 内容结构模式（如 痛点→产品→使用感受→推荐 vs 日常vlog植入）
     - 图片/封面风格（素人自拍 vs 精修图 vs 产品平铺）
     - 互动引导策略（评论区提问、投票、求推荐）
  5. 对比高效内容与低效内容，找出"反面模式"（停留在事实层的硬广、纯品牌视角的自嗨文案等）
  6. 总结该品类/平台的"内容密码"
输出：内容价值阶梯诊断报告 + 视角偏差矩阵 + 可执行的内容创作建议

关键差异化：Content Decoder 不只是统计"什么火了"，而是回答"为什么火"和"为什么你的不火"。融合真实社媒商业运营经验，Content Decoder 理解"为什么这篇互动中位数 300 的笔记其实比互动 2000 的那篇更有商业价值"——因为前者的外溢转化率是后者的 3 倍。这种 行业 know-how 编码进 Agent 的分析逻辑中，是纯技术团队无法复制的护城河。

Audience Profiler Agent（受众画像）

职责：构建多维深度用户画像，识别购买决策驱动因子，评估品牌-受众匹配度。

传统画像工具止步于"她是谁"（性别/年龄/地域），CrossScope 的 Audience Profiler 追问到**"她被什么打动"**——八个递进层次，从人口统计一路穿透到价值观。

输入：品牌信息 + 目标平台 + 竞品账号/KOL列表
处理：
  1. 抓取竞品/KOL 的粉丝画像数据（性别、年龄、地域、兴趣标签）
  2. 分析互动用户特征（谁在点赞/收藏/评论，而非仅看粉丝）
  3. ⭐ 用户认知光谱构建（User Cognition Spectrum Analysis）：
     L1 自然属性 → 性别、年龄
     L2 社会属性 → 职业、收入、城市线级
     L3 消费模式 → 购买频次、价格敏感度、品牌偏好
     L4 行为场景 → 什么时候/在哪里触发购买行为
     L5 生活方式 → 她是什么类型的人（精致妈妈/职场新人/成分党…）
     L6 当下情绪 → 她正在经历什么情绪状态（焦虑/期待/释放…）
     L7 深层动机 → 她为什么真的要买（购买背后的心理驱动力）
     L8 价值观   → 她长期相信什么（自然主义/效率至上/悦己消费…）
  4. ⭐ 决策触发矩阵分析（Decision Trigger Matrix Analysis）：
     对目标人群的购买决策进行因子级拆解——不是"她是谁"，而是"什么理由让她下单"：
     - 功效因子：解决具体痛点（"3天少起皮" 优于 "保湿持久"）
     - 场景因子：嵌入生活画面（"地铁上单手掏东西不翻包" 优于 "适合通勤"）
     - 身份因子：精准圈定人群（"宝宝6个月了还在手忙脚乱的你" 优于 "新手妈妈"）
     - 情绪因子：命中深层心理（"出门前检查一遍就能放心走" 优于 "让你安心"）
     - 信任因子：降低决策风险（"200个敏感肌试过没翻车" 优于 "经过测试"）
     - 审美因子：匹配用户调性（"放在桌上就像一个小摆件" 优于 "设计精美"）
  5. 评估各 KOL 的受众匹配度得分
  6. 发现受众空白机会（未被竞品覆盖的细分人群）
输出：用户认知光谱报告 + 决策触发矩阵 + KOL受众匹配度评分

核心指标体系（来源于真实品牌方选号逻辑）：

• 粉丝性别占比（美妆需女性 >85%）
• 年龄占比（需匹配品牌目标人群）
• 互动中位数（比平均数更反映真实水平）
• 曝光中位数（反映真实流量能力）
• 外溢转化率（最硬指标，造假成本最高）
• 粉丝增长趋势（判断账号健康度）
• 评论区"活人感"（品牌方实际会审核的维度）

Strategy Architect Agent（策略架构师）

职责：整合所有 Agent 的分析结果，基于内容漏斗分层和用户说服路径模型，生成可执行的市场策略方案。

输入：Market Scanner + Content Decoder + Audience Profiler 的分析结果
处理：
  1. 交叉分析：市场机会 × 内容策略 × 受众匹配
  2. ⭐ A1-A5 内容漏斗规划（Content Funnel Planning）——为品牌方制定每个阶段的内容配比：
     - A1 认知层（10-20%）：行业科普与问题唤醒，解决"用户不知道自己不知道"
     - A2 了解层（30-35%）：效果展示与兴趣建立，突出专业能力和真实效果
     - A3 比较层（15-20%）：横向测评与决策支持，面向已有明确需求的搜索人群
     - A4 决策层（30-35%）：疑虑解答与信任构建，移除下单前的最后障碍
     - A5 传播层（10%）：情感共鸣与 UGC 激发，制造"晒点"推动自发传播
     根据品牌所处阶段（冷启动 vs 成熟品牌），动态调整各层权重
  3. ⭐ 用户说服路径分析（Persuasion Path Analysis）：
     诊断品牌方当前的内容转化链路是走"短路径"还是"完整路径"：
     - 短路径（低效）：产品 → 价格——用户买是因为便宜，无品牌粘性
     - 完整路径（高效）：故事 → 认知 → 需求 → 产品 → 价格——用户被说服后购买，复购率高
     输出品牌方目前内容在说服路径上的断点位置，并给出修复建议
  4. 评估多条可行路线（如：素人矩阵 vs 头部引爆 vs 品牌自播）
  5. 基于品牌预算和目标，推荐最优策略组合
  6. 制定详细执行计划（投放节奏、KOL组合、内容配比）
  7. 预估效果范围（保守/中性/乐观三个情景）
  8. 标注风险点和应对预案
输出：完整策略方案书（含 A1-A5 内容配比建议、说服路径诊断、预算分配、时间表、KPI设定）

Trend Radar Agent（趋势雷达）

职责：持续监控数据变化，实现预警和趋势发现。

运行模式：后台持续运行（订阅制）
处理：
  1. 定期扫描监控品牌和竞品的社媒动态
  2. 检测异常信号（突增/突降的互动、新品上线、KOL变动、舆情事件）
  3. 识别0→1趋势（新兴话题/热词在该品类中的出现频率突增）
  4. 生成定期摘要报告（日报/周报/月报，按配置）
  5. 触发条件满足时发送即时警报
输出：周期性监控报告 + 实时警报

5.3 技术实现

组件	技术选型	说明
Agent 框架	Claude Agent SDK (TypeScript)	Anthropic 官方 SDK，支持多 Agent 编排、流式输出
LLM	Claude Sonnet / Opus	Sonnet 用于数据处理和分析，Opus 用于策略生成等高推理任务
数据采集	Coze + Feishu Workflow	已验证的数据抓取工作流，支持小红书数据结构化采集
数据存储	SQLite / PostgreSQL	采集数据、分析结果、历史报告的持久化存储
前端	Next.js + React	情报仪表盘、KOL 推荐表、报告查看器
报告生成	Markdown + PDF Export	结构化报告输出，支持品牌方直接使用
部署	Docker + Nginx	一键部署，OPC 友好

5.4 Agent 间通信协议

Orchestrator → 功能Agent：任务指令
{
  "task_id": "unique-id",
  "agent": "market_scanner",
  "instruction": "扫描小红书美妆/面霜品类近30天数据",
  "parameters": { ... },
  "deadline": "30s",
  "priority": "high"
}

功能Agent → Orchestrator：任务结果
{
  "task_id": "unique-id",
  "agent": "market_scanner",
  "status": "completed",
  "confidence": 0.88,
  "data": { ... },
  "data_sources_used": ["蒲公英公开数据", "千瓜API"],
  "limitations": ["未获取到近7天最新数据，API有1周延迟"]
}

---

六、竞品分析

6.1 市场现有方案

方案类型	代表产品	能力范围	局限性
社媒数据 SaaS	千瓜（小红书）、Kalodata（TikTok）、新红（小红书）	单平台数据查询和基础分析	单平台孤岛，无跨平台对比；提供数据不提供策略；无 AI 智能分析
咨询/市调公司	尼尔森、凯度、本地市调公司	深度市场研究报告	周期 2-4 周，费用 5-30 万/次；报告交付即过时
MCN/代运营	各类 MCN 公司	帮执行投放和内容生产	利益冲突（推荐自有达人），信息不透明
AI 内容工具	AIO Bridge、CultureOS（本次赛事项目）	AI 生成跨境内容/翻译	不解决"做什么"问题，只解决"怎么做"

6.2 CrossScope 差异化

维度	数据 SaaS	咨询公司	CrossScope
跨平台	单平台	多平台但人工整合	AI 自动跨平台交叉分析
分析深度	数据展示	深度分析但慢	AI 深度分析 + 实时
策略建议	无	有但通用	有且基于实时数据个性化
成本	月费 2K-2W	单次 5-30W	API 成本<500/月
时效	实时数据	2-4周	30分钟出报告
行业 Know-how	无	有	内置MCN运营经验
OPC 可行性	需人工解读	需整个团队	一人 + AI 完成全链路

6.3 核心护城河

1. 行业经验编码：一手社媒运营数据和经验（外溢转化规律、品牌选号逻辑、报价体系、蒲公英平台运作机制）直接编码进 Agent 的分析模型中——包括内容价值阶梯诊断、买点视角转换、用户认知光谱分析和决策触发矩阵等独有分析框架，不是训练数据能替代的
2. 已验证的数据工作流：Coze + 飞书的数据采集工作流已在生产环境验证，小红书数据结构化采集方案已跑通
3. 双向服务能力：既理解中国社媒生态（运营者视角），又理解海外品牌需求（服务过海外品牌投放），这种"跨境双语能力"在 AI 工具领域极为稀缺
4. 上游卡位：占据决策链最上游，下游内容工具（包括 AIO Bridge）的使用者也是 CrossScope 的潜在用户——先做情报，再做内容

---

七、评测标准

7.1 核心量化指标

指标类别	指标	基线	目标	测量方法
时效性	市场扫描报告生成时间	人工 2-4 周	< 30 分钟	从任务提交到报告输出的端到端时间
准确性	竞品投放规模估算误差	±50%（人工估算）	±20%	与品牌方实际投放数据对比（获取合作品牌的真实数据）
准确性	KOL 数据指标准确率	N/A	>90%	与蒲公英/千瓜等平台数据交叉验证
有效性	KOL 推荐匹配度	人工选号 60% 满意度	>80% 满意度	品牌方对推荐 KOL 的采纳率
覆盖度	跨平台数据采集覆盖率	单平台	≥3 平台	可稳定采集数据的平台数量
成本	单次完整情报报告成本	5-15 万	<50 元	API 调用 + 数据源费用总计
OPC 效率	单人可服务品牌数/月	2-3 个	10-15 个	OPC 操作者月度服务品牌数量

7.2 质量评估维度

维度	评估标准	评分方式
洞察深度	报告是否提供了超越"数据搬运"的深层分析？	专家评审 1-5 分
可执行性	建议是否具体到可以直接执行（而非泛泛而谈）？	品牌方反馈 1-5 分
数据透明度	是否清晰标注了数据来源、采样方法和局限性？	自检清单
跨平台整合	多平台数据是否形成了有机整合（而非简单拼接）？	内部评审
本地化深度	对目标市场文化/消费习惯的理解是否准确？	本地从业者验证

7.3 对照实验设计

实验一：情报质量对比

• 同一品牌（如某韩国美妆品牌入华需求），分别用 CrossScope 和人工方式完成市场扫描
• 对比维度：完成时间、覆盖品牌数、洞察数量和质量、可执行建议数

实验二：KOL 推荐效果验证

• CrossScope 推荐的 Top 10 KOL vs 品牌方自选的 10 个 KOL
• 同时投放一个月后对比：平均互动率、外溢转化率、ROI

实验三：竞品监控及时性验证

• 模拟竞品活动（如竞品突然加大投放、上线新品、出现公关事件）
• 检测 CrossScope 的发现延迟：目标 <24 小时

---

八、原型验证计划

8.1 MVP 范围

Phase 1：最小可用原型（2 周）

只做一个方向（外→内，海外品牌入华小红书），验证核心链路：

• Orchestrator Agent 基础编排逻辑
• Market Scanner Agent：小红书品类数据采集
• Content Decoder Agent：爆款笔记分析
• 策略报告生成（Markdown 格式输出）
• 最简 Web 界面（输入需求 → 查看报告）

验证目标：给一个真实品牌生成一份市场扫描报告，评估报告质量是否达到可用水平。

8.2 验证数据来源

数据	来源	可用性
小红书笔记数据	Coze + 飞书现有工作流	✅ 已验证
蒲公英平台数据	合作 MCN 真实账号后台	✅ 实际运营数据
KOL 报价和数据	合作 MCN 历史合作记录	✅ 一手数据
品牌方选号逻辑	一线 MCN 运营经验	✅ 真实业务知识
TikTok 海外数据	TikTok Creative Center + Kalodata	⏳ 需接入

8.3 里程碑

阶段	时间	交付物	验证方式
W1 ✅	第 1 周	Specs（本文档）	社区评审 + AI 评审
W2 ✅	第 2-3 周	核心 Agent 工作流	对模拟场景输出报告
W3 ✅	第 4-5 周	可交互 Web 应用	已上线 scope.starrycross.com
W4	第 6-8 周	完整产品 + 验证数据	量化评测指标

---

九、风险与边界

9.1 技术风险

风险	等级	影响	缓解方案
数据采集稳定性	高	平台反爬策略变化可能导致数据断供	多数据源冗余 + Coze 工作流快速适配 + 使用官方 API 优先
LLM 幻觉	中	生成不准确的市场数据或建议	数据溯源标注 + 置信度打分 + 强制引用原始数据
跨平台数据格式差异	中	不同平台数据口径不一致	统一数据模型 + 平台适配层 + 显式标注数据定义差异
API 成本失控	低	复杂分析任务消耗大量 Token	maxBudgetUsd 限制 + 任务复杂度预估 + 缓存中间结果

9.2 业务风险

风险	等级	影响	缓解方案
数据合规	高	采集行为可能违反平台 ToS	优先使用官方 API 和开放数据；明确标注数据使用范围；不存储用户个人信息
信息时效衰减	中	社媒数据变化快，分析结论有保鲜期	报告强制标注"数据截至日期"和"建议有效期"；订阅模式持续更新
品牌方付费意愿	中	中小品牌可能不愿为"前期调研"付费	提供免费试用（Quick Scan）+ 按深度阶梯定价

9.3 明确的边界

CrossScope 不做的事：

• ❌ 不做内容生产：不写文案、不做翻译、不做图片/视频——这是 AIO Bridge 等工具的领域
• ❌ 不做直接投放：不代替品牌方操作蒲公英/TikTok Ads 后台——情报和执行分离
• ❌ 不做数据保证：不对第三方平台数据的绝对准确性做承诺——始终标注数据来源和局限性
• ❌ 不做全品类覆盖：MVP 聚焦美妆个护品类——这是我们有一手经验的领域
• ❌ 不代替人类决策：提供情报和建议，但最终决策权始终在 OPC 操作者手中

---

十、迭代路线图

Phase 1：情报核心（W1-W3）

• 聚焦小红书单平台，外→内方向
• 实现 Market Scanner + Content Decoder 核心能力
• MVP 级别 Web 界面
• 验证方式：合作品牌方的真实场景评估

Phase 2：双向打通（W3-W5）

• 加入 TikTok 数据源，实现内→外方向
• 完善 Audience Profiler Agent
• KOL 智能匹配和推荐功能
• 竞品自动监控订阅

Phase 3：策略增强（W5-W8）

• Strategy Architect Agent 上线
• 完整策略方案自动生成
• 历史案例库积累和智能推荐
• 报告模板系统和品牌白标

Phase 4：生态扩展（W8+）

• 接入 Instagram、YouTube 等更多平台
• 与下游内容工具（如 AIO Bridge）打通数据接口
• 支持更多品类（食品、服饰、3C 等）
• 临港跨境企业本地化服务

---

附录：临港落地可行性

临港 + 跨境的天然契合

• 临港新片区是上海自贸试验区的核心区域，定位为跨境贸易和数字经济高地
• 临港跨境电商综试区聚集了大量跨境电商企业，是 CrossScope 的天然客户群
• 数据跨境流通政策在临港有先行先试优势，有利于跨境数据服务的合规运营

商业模式

模式	定价	目标客户
Quick Scan（免费体验）	0 元 / 次	潜在客户引流
Standard Report	299 元 / 次	中小品牌单次调研
Pro 订阅	2,999 元 / 月	持续监控 + 每周报告
Enterprise	面议	大品牌定制情报服务

OPC 模式下的成本结构：

• LLM API 成本：约 500 元/月
• 数据源订阅：约 1,000 元/月
• 服务器/部署：约 500 元/月
• 单人月度成本 <3,000 元，服务 10-15 个品牌客户可实现盈利

---

CrossScope——让一个人拥有一个市场部的情报能力。