> For AI agents: the complete documentation index is available at /llms.txt, the full documentation bundle is available at /llms-full.txt.

# Retaintive Insight Digest — 产品文件

> 在数据看板之上，提供一层由 Retaintive 团队主动解读数据、给出精准结论的服务。

***

## 一、产品定位

**一句话**：客户付钱买的不只是看板，是有人替他们看懂看板。

**核心逻辑**：

Retaintive 给客户提供的数据看板已经很完整——任务趋势、漏斗分析、通话质量、效率指标都在。问题是，健身房 GM 和 Owner 通常没有时间和能力自己分析数据，他们看着图表不知道该怎么办。

Insight Digest 就是这个缺口的答案：**我们在后台替客户看他们的数据，告诉他们问题在哪、问题有多严重**。

| 现有产品        | Insight Digest |
| ----------- | -------------- |
| 客户自己登录看数据   | 我们替客户读数据       |
| 图表和数字       | 精准结论 + 问题定位    |
| 客户自己判断是否有问题 | 我们直接告诉客户有没有问题  |
| 包含在订阅内      | **单独收费的增值服务**  |

**这是服务，不是功能。** 不是给产品加一个按钮，是 Retaintive 作为客户的外包数据分析师介入他们的运营。

***

## 二、服务内容

### 2.1 做什么

定期（或按触发条件）查看客户的数据，判断当前运营状态，输出一份结论报告：

- **问题在哪**：哪个环节出了问题，数据依据是什么
- **严重程度**：是一般观察还是需要立刻处理
- **下一步建议**（进阶版）：具体建议采取什么行动

示例输出：

> "本周你们的 Lead Outreach 完成率只有 31%，意味着大约一半进来的潜在会员没有收到回电。同期 Lead Follow-up 积压也在增加，说明问题不是线索少，是跟进没做到位。建议本周优先回听这 8 通未完成跟进的通话，看看是卡在哪一步。"

这句话能说出来，是因为我们知道每种任务类型的业务含义，知道什么是正常基准，知道几个信号组合起来意味着什么——这是客户自己看图表看不出来的。

### 2.2 不做什么

- 不是实时监控（不是告警系统）
- 不承诺客户按建议做了结果一定好
- 不替代客户的运营决策，只提供数据层的结论

### 2.3 交付方式

结论报告怎么送到客户手里，是可以灵活选择的，不绑定某一种渠道：

- 邮件（最简单，异步）
- in-app 通知 / 消息（客户下次登录时看到）
- 客户经理一对一沟通（高客单价场景）
- 未来：自动生成报告推送（需要 AI 生成文案足够准确后才做）

**现阶段不预设交付渠道**，先验证"结论准不准、客户有没有反应"，再决定用哪种方式交付效率最高。

***

## 三、服务形态演进

### 阶段一：纯人工（现在可以做）

Retaintive 团队手动查看客户数据，对照信号规则（见 task-trend-signals.md）判断问题，写结论，发给客户。

- 成本：每家客户每周 30-60 分钟人工
- 适合：2-5 家种子客户，验证结论准不准、客户有没有反应
- 目标：找到什么信号最重要、客户最关心什么

### 阶段二：工具辅助（2-3 个月后）

写脚本自动拉取数据、计算信号，输出结构化的问题清单，人工在此基础上写结论，减少重复劳动。

前端已有的 Issues 检测系统（Task Trends 页面的信号标签）是这一步的基础，可以直接复用。

### 阶段三：AI 生成结论（条件成熟后）

把信号数据喂给 LLM，自动生成自然语言结论。人工转变为 reviewer（而不是 writer），最终实现规模化交付。

**注意**：这一步需要阶段一和阶段二积累足够多的"准确结论样本"来训练和评估 AI 输出，不能跳过前两步直接做。

***

## 四、定价策略

**Insight Digest 独立于现有订阅收费。**

定价逻辑：这是一项需要人力（或 AI 算力 + 人工审核）的服务，不是软件功能，边际成本不为零。

| 层级             | 内容                  | 定价方向      |
| -------------- | ------------------- | --------- |
| 基础版（现有）        | 数据看板 + 自助分析         | 现有订阅价格不变  |
| Insight Digest | 我们替客户读数据 + 定期结论报告   | 加价 / 单独包月 |
| 进阶 Digest      | 结论 + 具体行动建议 + 优先级排序 | 更高定价      |

**定价锚点**：如果一份报告帮助客户多转化 1 个会员/月，以平均会员费估算，服务费的 ROI 对客户来说很容易算正。

***

## 五、当前不确定的事

### 高不确定性

**信号准不准**
数据反映的问题是否与客户的实际感知吻合？第一步纯人工阶段的核心任务就是验证这一点。误报的代价是信任损失，宁可少说，不要说错。

**客户愿不愿意为此付费**
看板本身是 SaaS，客户习惯按功能付费，为"有人替我分析"这件事单独付费是不同的心智。需要在种子客户阶段验证付费意愿，而不是假设。

### 中等不确定性

**人工成本能否覆盖**
纯人工阶段每家客户每周需要多少时间？如果一个人能同时服务 20 家客户，人工成本是可接受的；如果只能服务 5 家，需要尽快推进 AI 辅助。

**每家店的基准线不同**
规模不同的门店，同样数字代表的意义不同。信号规则需要随时间按店校准，不能用统一阈值对所有客户。

### 低不确定性（可以晚点再想）

- 报告格式（纯文字 / 带图 / 结构化列表）
- 发送频率（周报 / 月报 / 按触发条件）
- 交付渠道（邮件 / in-app / 电话）

***

## 六、最重要的事

**结论必须准。**

客户付钱请我们看数据，如果结论和实际情况对不上，不只是退款的问题，是整个服务信誉的问题。

第一批客户的反馈不是"这个报告写得好不好看"，是"这个说的对不对"。只要说对了，交付方式、格式、频率都是可以调的。

***

## 七、下一步行动

- [ ] 确定 2-3 家愿意参与的种子客户
- [ ] 手动查看其中一家的数据，写第一份结论报告
- [ ] 发给客户，收集反馈（说对了什么、说错了什么）
- [ ] 根据反馈调整信号规则和结论语言
- [ ] 评估人工成本，决定何时推进工具辅助阶段
- [ ] 与种子客户讨论付费意愿和定价