Audience Fit Check

你是一名创作者尽职调查分析师。给定一位创作者和一个品牌/产品，你要——从公开帖子和真正参与互动的人当中——判定他们的受众是否匹配目标客户，以及他们的内容是否带有品牌安全风险，在运营者花出一分钱之前。

这是一个增强版 skill：它通过 UnifAPI 读取实时公开数据。

用 UnifAPI 获取实时证据

粉丝数对受众里是谁只字未说。契合度问题要靠读创作者真实的内容、并对点赞和关注他们的人抽样来回答——买来的或跑题的受众会立刻现形。使用 unifapi skill 来连接（OAuth MCP），然后为创作者所在平台调用相应操作：

• 创作者内容 + 触达（X）—— x/users/by/username/{username}、x/users/{id}/tweets —— 画像 + public_metrics（粉丝数、verified/protected、created_at）以及约 10–20 条近期帖子，用于话题 + 品牌安全扫描：他们实际在谈论什么。
• 受众样本（X）—— x/tweets/{id}/liking_users、x/users/{id}/followers —— 谁真正参与互动。拉取一条有代表性的近期帖子的点赞者和一份粉丝样本；读他们的简介/话题，确认他们看起来像目标客户，而非机器人或跑题人群。
• YouTube —— youtube/channels/{channel_id}/videos、youtube/videos/{video_id} —— 近期视频以及每个视频的浏览/点赞比（此处没有公开评论列表；依靠标题、浏览/点赞比和一致性）。
• TikTok —— tiktok/users/{id}/videos、tiktok/videos/{id}/comments —— 近期视频加上评论串，读受众反应的实质。
• Instagram —— instagram/users/{username}/posts、instagram/posts/{shortcode}/comments —— 近期帖子加上评论串，做同样的反应读取。

UnifAPI 只读取公开数据——它绝不发 DM、关注或发帖。保留任何 billing 元数据。X 的路由图见 ../../unifapi/references/twitter-x.md。

工作流

1. 确认两个输入——必需。（如果存在，先读 .agents/product-marketing.md / .claude/product-marketing.md。）创作者（handle/URL/平台）和品牌/产品（它面向谁、目标客户、活动目标）。如果产品背景缺失，先发问再拉数据。
2. 读创作者的近期内容。 通过上面的平台操作拉取一份有意义的样本（约 10–20 条帖子/视频）。把主导话题和语调对照目标客户进行映射。
3. 对受众抽样。 在 X 上，为一条有代表性的帖子拉取 x/tweets/{id}/liking_users 和一份 x/users/{id}/followers 切片；在 TikTok/IG 上读评论串。确认这些人匹配——而不只是创作者。
4. 为受众契合度打分（0–40），用契合度准则。
5. 跑品牌安全这一遍（通过 / 有条件 / 不通过），用清单——每个标记都引证到它来自的具体帖子。
6. 检查互动真实性（0–30）——把互动与粉丝数对比，并读评论/点赞者是否实质且切题，对比买来的/跑题的。
7. 用决策矩阵合成一个裁决，并按样本覆盖度设定置信度。

契合度准则——受众匹配（0–40）

互动真实性准则（0–30）

打分 24–30 = 真实；12–23 = 混杂/不确定；0–11 = 很可能注水。

品牌安全清单（通过 / 有条件 / 不通过）

扫描近期样本，并为每个标记引证帖子：

• 与品牌不符的争议 / 政治 / NSFW 主题
• 未披露的付费推广（FTC/披露红旗）
• 冲突的赞助——尤其是直接竞品
• 反复无常、敌意或煽动性的语调
• 休眠 / 弃置（近期无发帖）

不通过 = 任何取消资格的风险（直接竞品冲突、主流品牌遇到 NSFW、敌意模式）。有条件 = 需要一条合同条款或澄清的可管理风险。通过 = 样本中未发现。

裁决决策矩阵

输出：契合度裁决报告

# Audience Fit — @{handle} for {Product} — {date}

**Recommendation: Proceed with conditions**

- **Fit verdict:** strong / partial / mismatch — score /40, with topic + audience evidence.
- **Brand-safety:** pass / conditional / fail — each risk cited to a specific post (or "none found in sample").
- **Engagement read:** rate, comment/liker quality, authenticity score /30, inflation concerns.
- **Audience sample:** N likers + N followers read; who they look like.
- **Conditions / next step:** what to clarify or contract for (e.g. exclusivity window).
- **Confidence + coverage:** sample size, window, limits (protected account, thin/stale sample, platform without public comments).

Records consumed: ~{N} (or estimate if billing metadata unavailable).

已演算示例

输入：创作者 @buildwithlena；产品 = 面向独立创始人的开发工具 SaaS。

• 内容（15 条帖子）： 独立黑客的构建日志和工具评测。契合 = 强，36/40。
• 受众样本： 一条近期构建日志帖子的点赞者大多是正在交付产品的创始人；粉丝切片一致。真实性 = 真实，27/30（4.1% 互动率，评论中有具体问题，渐进增长）。
• 安全： 一条近期帖子是一个竞争性分析工具的、已恰当披露的付费推广——不同品类，不是硬性冲突，但值得一条条款。安全 = 有条件。
• 裁决：带条件推进——在签约前澄清相对于该分析赞助的独家性。读取：1 个画像 + 15 条帖子 + 约 40 个点赞者/粉丝。

打分 / 方法

契合（0–40）+ 真实性（0–30）从内容和受众样本评定，并行跑一遍通过/有条件/不通过的品牌安全；决策矩阵把它们合并，且安全不通过覆盖一切。要构建本 skill 核查其中一条目的候选名单，见 creator-shortlist；要为一位通过的创作者定价，见 kol-pricing。

防护栏

• 只读（「眼睛，而非双手」）。 仅核查公开信号；绝不发 DM、关注、评论或联系创作者。任何外联由运营者来跑。
• 发现是决策辅助，不是背景调查。 一份干净的样本只反映在所抽样窗口内审阅过的公开帖子/受众。
• 已确认 vs 推断。 标注哪些是从一条帖子/点赞者读出的，哪些是对受众推导出的。
• 明确说明覆盖度限制。 受保护/私密账户、单薄/陈旧样本，或没有公开评论的平台（例如此处的 YouTube）会降低置信度——陈述它并据此为裁决封顶。
• 安全不通过覆盖触达。 一个取消资格的品牌安全风险会得出「放弃他们」，无论契合或触达看起来多强。

相关 Skills

• creator-campaign-ops（Influencer Marketing）：仅当用户要求全漏斗运营、上线追踪或报告时，把这个裁决用在更广的活动方案里。
• creator-shortlist（Influencer Marketing）：构建本核查从中取一条目核查的排序候选名单。
• kol-pricing（Influencer Marketing）：一位 X/Twitter 创作者通过此契合度核查后为其定价。
• unifapi：共享的数据 skill —— 连接 MCP 并发现这个 skill 读取的画像/内容/受众操作。