← → 翻页 · ESC 索引
DEWBU PERSONA SKILL · VOL.01
Consumer Insight / Evidence / Persona

把用户声音
变成可追问的洞察

Dewbu Skill 不是传统 BI 看板，而是一套能安装到 agent、直接问数、追证据、构造画像、模拟访谈的消费者洞察系统。

database: dewbu_persona_v2format: magazine html deck2026
INSTALL FIRST
先让 agent 学会 Dewbu

安装入口就是 GitHub 指南

这套能力不是网页后台，而是安装到 Claude / Codex / Agent 运行环境里的 skill。安装后，你可以像问同事一样问 Dewbu 数据。

Installation Guide
https://raw.githubusercontent.com/reorc/dewbu-persona-skill/refs/heads/main/INSTALL.md
一句话：先装 db9 CLI 并登录，再运行 dewbu-persona-skill 的 install.sh。
INSTALL FLOW
从 API key 到可查询

三步完成安装

db9 → dewbu → skills
01
安装 db9
curl -fsSL https://db9.ai/install | sh
02
API key 登录
db9 login --api-key <YOUR_API_KEY>，再用 db9 status 检查权限。
03
安装 Dewbu skill
curl -fsSL .../install.sh | bash，安装 dewbu binary 与三个 skill。
04
验证
dewbu version + dewbu tags search battery 返回数据即成功。
WHY IT EXISTS
问题不在数据少

问题在声音太散

评论、邮件、订单、客服记录都在讲用户需求，但业务同事需要的不是“再开一个表”，而是直接问：这群人到底在乎什么？证据在哪里？

From raw signals to decisions

Dewbu 把用户证据标准化为标签、画像与可追溯原文，让销售、产品、客服、项目负责人都能用自然问题切入。

DATA POSTER
实际查询结果 / dewbu_persona_v2

一套可问的用户证据库

Evidence
10,478
统一检索层
Profiles
10,291
跨渠道用户画像
Tags
215
标准标签字典
Sources
4
评论 / 邮件 / 订单
Amazon reviews 5,245Shopify orders 4,929Email 211Shopify reviews 93
THREE-LAYER MODEL
不是关键词搜索，而是结构化洞察

三层数据模型

Evidence → Profile → Dictionary
01
Evidence 层
Amazon 评论、客服邮件、Shopify 评论和订单，被抽取为可检索证据。
02
User Profile 层
跨渠道沉淀用户画像，用来回答“哪类人最值钱、最在意什么”。
03
Tag Dictionary 层
把痛点、优势、场景、动机、职业、人群信号标准化成 215 个标签。
SKILL FAMILY
三件套

Shared 是底座，Persona 做洞察，Interview 让数据开口说话

dewbu-shared
CLI 用法、数据模型、查询套路、通用搜索方法。
dewbu-persona
痛点、优势、人群画像、渠道对比、证据追溯。
dewbu-interview
基于真实证据构造 persona，像采访真实用户一样追问。
WHAT TO ASK
适合问什么

从“问数”到“问人”

Dewbu 最适合把模糊业务问题拆成可查询标签、样本规模、原始证据和可复用结论。

事实型
用户最常见的电池问题是什么？
画像型
高消费用户有什么共性？
证据型
给我看几条原始邮件。
对比型
打猎 vs 通勤需求差异？
访谈型
模拟一个犹豫下单的送礼用户。
渠道型
邮件和 Amazon 评论问题结构有什么不同？
QUERY WORKFLOW
推荐搜索套路

先找标签，再收证据

Fuzzy to precise
A
探索标签
dewbu tags search battery 找系统里真正存在的标准标签。
B
缩小问题
用 pain points、use cases、source、star 等结构化条件过滤。
C
取证据
返回 evidence id、原文片段、标签、渠道和样本规模。
D
沉淀画像
从证据上卷到人群画像，再转成业务建议、话术或 SOP。
REAL PROBE · BATTERY
实际跑出来的 tag 分布

一个词，拆成一组可行动问题

搜索 battery，不是得到一堆散文档，而是得到可比较的标签：续航短、兼容性、故障、重量、充电慢、缺件。

battery_life_too_short
532
evidence / 527 users
battery_design_or_compatibility_issue
353
evidence / 337 users
Evidence snippet
“battery takes a very long time to charge and only lasts for 6 hours...”
SCENARIO · GIFTING
销售和产品最容易理解的场景

送礼不是一个词，是一组犹豫

gift 相关标签能把“送礼用户”拆成圣诞、丈夫、妻子、父母、孩子、家庭成员等多个业务场景。

gifting
245
use cases
gift_christmas
163
motivation
gift_husband
94
motivation
可问的问题
送礼人群下单前最担心什么？礼物收件人的真实反馈是什么？哪些话术能降低退货/犹豫？
SIMULATED INTERVIEW
dewbu-interview

让数据变成一个可以追问的人

传统报告停在“用户有电池痛点”。模拟访谈可以继续问：你什么时候发现的？为什么让你失望？你本来期待什么？

Persona prompt
“扮演一个因为电池续航不满意、考虑退货的用户。每轮回答后附 1-2 条 evidence 依据。”
价值：客服培训、产品需求澄清、销售话术设计、管理层听真实语境。
FIT / MISFIT
怎么用才不会用歪

它不是万能 AI，它是带证据边界的洞察工具

最适合
消费者洞察、产品复盘、客服 SOP、销售话术、PPT 证据页、竞品/渠道对比。
不适合
凭空预测市场、替代财务口径、无证据泛泛创意、要求它“猜”数据库外的问题。
工作原则
先问标签，再看样本规模；先追证据，再写结论；所有重要判断都要能回到 evidence。
APPENDIX · REAL ANSWERS
真实问答效果

下面几页不是概念，是实际跑出来的结果

我用 dewbu CLI 实际查询了 battery、gift、low-star warmth 等问题，把返回样本规模、标签和 evidence snippet 整理成附录。

Q&A 01 · BATTERY
问题

用户最常见的电池问题是什么？

命令：dewbu tags search battery

battery_life_too_short
532
最高频痛点 / 527 users
compatibility / design issue
353
电池设计或兼容问题
defective / not working
262
故障或无法工作
结论
电池不是单一问题，至少要拆成续航、兼容、故障、重量、充电慢、缺件六类处理。
Q&A 02 · GIFTING
问题

送礼用户在真实语境里担心什么？

命令：dewbu evidence search --use-cases gifting --limit 5

gifting evidence
245
可直接追溯的送礼场景证据
Evidence 01
“This was supposed to be a Valentine’s day gift for my wife...”
Evidence 02
“This jacket was a gift to my disabled elderly aunt who lives in the mountains...”
业务启发
送礼场景关心的不只是产品本身，还有履约、收件人使用难度、售后和体面感。
Q&A 03 · LOW-STAR REVIEWS
问题

低星评论里，warmth 相关问题长什么样？

命令：dewbu evidence search --query warmth --source amazon_review --star-max 2

matched evidence
33
1-2 星 Amazon review
Evidence
“I was excited about being warm outside... ability to create warmth is very underwhelming.”
Evidence
“Jacket turns on... all I feel is a small, SMALL amount of warmth.”
结论
低星不是泛泛“不满意”，而是能落到 heating performance、value、battery life 等可行动方向。
Q&A 04 · WHAT CUSTOMERS CARE
问题

整体上，用户最常提到什么？

overall satisfaction
1,721
strength
warmth
1,331
strength
insufficient warmth
581
pain point
battery life too short
532
pain point
真实回答效果
同一个主题里，优点和痛点会同时出现：用户既认可 warmth，也会在特定情境下抱怨 insufficient warmth。这正是产品、客服、销售需要一起看的地方。
TAKEAWAY
最后一句

不要只看数据，
要能追问数据背后的人。

Dewbu Skill 的价值，是把散落的用户声音变成可查询、可追溯、可模拟、可交付的业务洞察。

CLI: dewbuSkills: shared / persona / interviewOutput: evidence-backed insight