From be2b03d1aff2f5da81580f7a19df0e912a87a0fa Mon Sep 17 00:00:00 2001
From: stewart hu <stewarthu@gmail.com>
Date: Mon, 1 Jun 2026 16:13:51 -0400
Subject: [PATCH] Consolidate product roadmaps

---
 roadmap/product-roadmap-2-zh.md       | 880 +++++++++++++-------------
 roadmap/product-roadmap-unified-zh.md | 721 +++++++++++++++++++++
 roadmap/product-roadmap-unified.md    | 849 +++++++++++++++++++++++++
 3 files changed, 2010 insertions(+), 440 deletions(-)
 create mode 100644 roadmap/product-roadmap-unified-zh.md
 create mode 100644 roadmap/product-roadmap-unified.md

diff --git a/roadmap/product-roadmap-2-zh.md b/roadmap/product-roadmap-2-zh.md
index 6b1ee48..a93480f 100644
--- a/roadmap/product-roadmap-2-zh.md
+++ b/roadmap/product-roadmap-2-zh.md
@@ -2,749 +2,749 @@
 
 ## 路线图理念
 
-最優路徑不是立刻構建完整的"AI首席增長官"。完整願景很強大，但第一個產品必須是狹窄的、可信的、商業上可驗證的。
+最优路径不是立刻构建完整的"AI首席增长官"。完整愿景很强大，但第一个产品必须是狭窄的、可信的、商业上可验证的。
 
-產品應該分三層演進：
+产品应该分三层演进：
 
-1. **產品機會雷達** — 從市場信號中發現高質量的產品和 messaging 機會。
-2. **決策智能系統** — 幫助品牌決定構建什麼、改變什麼、測試什麼或傳達什麼。
-3. **增長協調平台** — 協調產品、內容、廣告、用戶運營和服務工作流。
+1. **产品机会雷达** — 从市场信号中发现高质量的产品和 messaging 机会。
+2. **决策智能系统** — 帮助品牌决定构建什么、改变什么、测试什么或传达什么。
+3. **增长协调平台** — 协调产品、内容、广告、用户运营和服务工作流。
 
-前12個月幾乎應全部專注於驗證一件事：
+前12个月几乎应全部专注于验证一件事：
 
-> 我們能否比美妝和個人護理品牌自身更可靠、更早、更準確地幫助他們發現可執行的產品機會？
+> 我们能否比美妆和个人护理品牌自身更可靠、更早、更准确地帮助他们发现可执行的产品机会？
 
-如果是，更大的"首席增長官"平台就能從這個楔子自然生長。
+如果是，更大的"首席增长官"平台就能从这个楔子自然生长。
 
 ---
 
-# 階段 0：ICP 與問題驗證
+# 阶段 0：ICP 与问题验证
 
-## 時間線
+## 时间线
 
-0–6週
+0–6周
 
-## 目標
+## 目标
 
-在構建廣泛的SaaS產品之前，驗證最狹窄、價值最高的客戶細分市場，確認第一個付費用例。
+在构建广泛的SaaS产品之前，验证最狭窄、价值最高的客户细分市场，确认第一个付费用例。
 
-## 目標 ICP
+## 目标 ICP
 
-初始 ICP 應為：
+初始 ICP 应为：
 
-> 年GMV在人民幣3,000萬至3億元之間、主要通過天貓、抖音、小紅書、京東或私域渠道銷售的中國美妝、護膚、個人護理或頭髮護理品牌。
+> 年GMV在人民币3,000万至3亿元之间、主要通过天猫、抖音、小红书、京东或私域渠道销售的中国美妆、护肤、个人护理或头发护理品牌。
 
-優先選擇滿足以下至少三個條件的品牌：
+优先选择满足以下至少三个条件的品牌：
 
-- 頻繁推出新產品或SKU迭代。
-- 重度依賴成分、功效、質地或功能性宣稱。
-- 創始人或產品負責人直接參與產品決策。
-- 競品壓力大。
-- 現有識別新產品機會的痛點。
-- 現有客戶反饋分散在多個平台。
+- 频繁推出新产品或SKU迭代。
+- 重度依赖成分、功效、质地或功能性宣称。
+- 创始人或产品负责人直接参与产品决策。
+- 竞品压力大。
+- 现有识别新产品机会的痛点。
+- 现有客户反馈分散在多个平台。
 
-## 需驗證的關鍵客戶問題
+## 需验证的关键客户问题
 
-- 他們目前如何發現產品機會？
-- 誰負責產品創新決策？
-- 他們信任哪些數據？
-- 他們多久審視一次競品評論、社交內容和客服對話？
-- 他們願意為改進哪些決策付費？
-- 他們願意為機會卡片、每週簡報還是儀表盤訪問付費？
-- 什麼會讓他們信任AI生成的推薦？
+- 他们目前如何发现产品机会？
+- 谁负责产品创新决策？
+- 他们信任哪些数据？
+- 他们多久审视一次竞品评论、社交内容和客服对话？
+- 他们愿意为改进哪些决策付费？
+- 他们愿意为机会卡片、每周简报还是仪表盘访问付费？
+- 什么会让他们信任AI生成的推荐？
 
 ## 交付物
 
-- 20–30次客戶訪談。
-- 5–8個試點設計合作夥伴。
-- 經驗證的3–5個最高價值用例列表。
-- 第一個付費產品包層的清晰定義。
+- 20–30次客户访谈。
+- 5–8个试点设计合作伙伴。
+- 经验证的3–5个最高价值用例列表。
+- 第一个付费产品包层的清晰定义。
 
-## 成功指標
+## 成功指标
 
-- 至少5個品牌同意付費或半付費試點。
-- 至少70%的受訪品牌確認產品機會發現是真正的痛點。
-- 至少3個品牌提供歷史產品發布或客戶反饋數據用於測試。
+- 至少5个品牌同意付费或半付费试点。
+- 至少70%的受访品牌确认产品机会发现是真正的痛点。
+- 至少3个品牌提供历史产品发布或客户反馈数据用于测试。
 
 ---
 
-# 階段 1：禮賓 MVP — 產品機會雷達
+# 阶段 1：礼宾 MVP — 产品机会雷达
 
-## 時間線
+## 时间线
 
-第1–3個月
+第1–3个月
 
-## 產品名稱
+## 产品名称
 
-產品機會雷達
+产品机会雷达
 
-"首席增長官"名稱應保留為母公司願景。第一個可銷售的產品應有更鋒利的名稱。
+"首席增长官"名称应保留为母公司愿景。第一个可销售的产品应有更锋利的名称。
 
-## 核心承諾
+## 核心承诺
 
-> 我們幫助美妝品牌從競品反饋、消費者痛點和市場信號中發現新的產品、質地、成分、功效和 messaging 機會。
+> 我们帮助美妆品牌从竞品反馈、消费者痛点和市场信号中发现新的产品、质地、成分、功效和 messaging 机会。
 
-## 產品形態
+## 产品形态
 
-不要從完整的SaaS儀表盤開始。
+不要从完整的SaaS仪表盘开始。
 
-從混合模式開始：
+从混合模式开始：
 
-- AI驅動的數據分析。
-- 專家審核的機會卡片。
-- 每週機會簡報。
-- 輕量級網頁工作空間。
-- 緊急競品信號的推送通知。
+- AI驱动的数据分析。
+- 专家审核的机会卡片。
+- 每周机会简报。
+- 轻量级网页工作空间。
+- 紧急竞品信号的推送通知。
 
-## 核心數據源
+## 核心数据源
 
-從有限但可靠的集合開始：
+从有限但可靠的集合开始：
 
-- 競品產品評論。
-- 電商問答。
-- 在法律和技術允許範圍內獲取的小紅書帖子和評論。
-- 在可獲取範圍內的抖音產品和內容信號。
-- 公開的社交提及。
-- 品牌提供的客服對話（用於專業試點）。
+- 竞品产品评论。
+- 电商问答。
+- 在法律和技术允许范围内获取的小红书帖子和评论。
+- 在可获取范围内的抖音产品和内容信号。
+- 公开的社交提及。
+- 品牌提供的客服对话（用于专业试点）。
 
 ## 核心功能
 
-### 1. 競品評論情報
+### 1. 竞品评论情报
 
-每個客戶追蹤20–50個競品SKU。
+每个客户追踪20–50个竞品SKU。
 
-識別：
+识别：
 
-- 上升中的負面反饋。
-- 重複投訴。
-- 質地問題。
-- 功效質疑。
-- 包裝問題。
-- 成分疑慮。
-- 價格/價值抱怨。
+- 上升中的负面反馈。
+- 重复投诉。
+- 质地问题。
+- 功效质疑。
+- 包装问题。
+- 成分疑虑。
+- 价格/价值抱怨。
 - 使用困惑。
 
-### 2. 痛點排名
+### 2. 痛点排名
 
-按以下維度對消費者痛點進行排名：
+按以下维度对消费者痛点进行排名：
 
-- 頻率。
-- 增長率。
-- 嚴重程度。
-- 與品牌定位的相關性。
-- 競爭空白。
+- 频率。
+- 增长率。
+- 严重程度。
+- 与品牌定位的相关性。
+- 竞争空白。
 
-### 3. 產品機會卡片
+### 3. 产品机会卡片
 
-每張卡片應包含：
+每张卡片应包含：
 
-- 機會名稱。
-- 消費者痛點。
-- 來自真實反饋的證據。
-- 信號強度。
-- 競品弱點。
+- 机会名称。
+- 消费者痛点。
+- 来自真实反馈的证据。
+- 信号强度。
+- 竞品弱点。
 - 品牌契合度。
-- 建議的產品方向。
-- 建議的宣稱或 messaging 角度。
-- 建議的後續行動。
+- 建议的产品方向。
+- 建议的宣称或 messaging 角度。
+- 建议的后续行动。
 - 置信度。
-- 風險等級。
+- 风险等级。
 
-### 4. 每週創始人簡報
+### 4. 每周创始人简报
 
-一份簡短的每週報告，回答：
+一份简短的每周报告，回答：
 
-- 本週發生了什麼變化？
-- 哪個競品正在顯現弱點？
-- 哪個消費者痛點正在上升？
-- 哪個機會值得關注？
-- 品牌下一步應該做什麼？
+- 本周发生了什么变化？
+- 哪个竞品正在显现弱点？
+- 哪个消费者痛点正在上升？
+- 哪个机会值得关注？
+- 品牌下一步应该做什么？
 
-### 5. 戰略過濾器
+### 5. 战略过滤器
 
-允許品牌配置：
+允许品牌配置：
 
-- 品類。
-- 價格帶。
+- 品类。
+- 价格带。
 - 品牌定位。
 - 成分理念。
-- 目標消費者。
-- 產品組合。
-- 戰略優先級。
+- 目标消费者。
+- 产品组合。
+- 战略优先级。
 
-這防止了泛泛的AI建議。
+这防止了泛泛的AI建议。
 
-## 此時不構建的內容
+## 此时不构建的内容
 
-不要構建：
+不要构建：
 
-- 完整的AI代理編排。
+- 完整的AI代理编排。
 - 五引擎平台。
-- 自動化廣告優化。
-- 沉重的儀表盤BI系統。
-- 廣泛的品類覆蓋。
-- 完全自動化的決策。
+- 自动化广告优化。
+- 沉重的仪表盘BI系统。
+- 广泛的品类覆盖。
+- 完全自动化的决策。
 
-## 成功指標
+## 成功指标
 
-- 5–8個付費試點客戶。
-- 每個試點客戶在30天內至少接受1個可執行的機會。
-- 每週簡報打開率超過70%。
-- 至少3個客戶在內部產品、內容或發布討論中使用輸出結果。
-- 試點後至少2個客戶要求繼續付費服務。
+- 5–8个付费试点客户。
+- 每个试点客户在30天内至少接受1个可执行的机会。
+- 每周简报打开率超过70%。
+- 至少3个客户在内部产品、内容或发布讨论中使用输出结果。
+- 试点后至少2个客户要求继续付费服务。
 
 ---
 
-# 階段 2：付費測試版 — 從洞察到決策
+# 阶段 2：付费测试版 — 从洞察到决策
 
-## 時間線
+## 时间线
 
-第3–6個月
+第3–6个月
 
-## 目標
+## 目标
 
-將MVP從"有趣的市場情報"轉變為可重複的產品決策系統。
+将MVP从"有趣的市场情报"转变为可重复的产品决策系统。
 
-## 產品升級
+## 产品升级
 
-產品現在應幫助客戶從洞察走向行動。
+产品现在应帮助客户从洞察走向行动。
 
 ## 新能力
 
-### 1. 機會評分模型
+### 1. 机会评分模型
 
-對每個機會進行多維度評分：
+对每个机会进行多维度评分：
 
-- 市場需求。
-- 競爭差距。
+- 市场需求。
+- 竞争差距。
 - 品牌契合度。
-- 執行難度。
-- 內容潛力。
-- 利潤潛力。
-- 時機緊迫性。
+- 执行难度。
+- 内容潜力。
+- 利润潜力。
+- 时机紧迫性。
 
-### 2. 產品決策工作空間
+### 2. 产品决策工作空间
 
-客戶可以保存、比較、拒絕或優先排序機會卡片。
+客户可以保存、比较、拒绝或优先排序机会卡片。
 
-每個機會應有決策狀態：
+每个机会应有决策状态：
 
 - 新增。
-- 審查中。
-- 測試中。
-- 已採納。
-- 已拒絕。
-- 已歸檔。
+- 审查中。
+- 测试中。
+- 已采纳。
+- 已拒绝。
+- 已归档。
 
-### 3. 證據層
+### 3. 证据层
 
-每個AI推薦必須顯示背後的證據。
+每个AI推荐必须显示背后的证据。
 
-證據應包括：
+证据应包括：
 
-- 代表性客戶引述。
-- 競品SKU示例。
-- 趨勢方向。
-- 平台來源。
-- 時間窗口。
+- 代表性客户引述。
+- 竞品SKU示例。
+- 趋势方向。
+- 平台来源。
+- 时间窗口。
 - 置信度。
 
-### 4. Messaging 與內容橋樑
+### 4. Messaging 与内容桥梁
 
-對於每個產品機會，生成：
+对于每个产品机会，生成：
 
-- 核心賣點。
-- 小紅書內容角度。
-- 抖音短視頻角度。
-- 產品詳情頁文案方向。
-- 與競品對比的角度。
-- FAQ或異議處理文案。
+- 核心卖点。
+- 小红书内容角度。
+- 抖音短视频角度。
+- 产品详情页文案方向。
+- 与竞品对比的角度。
+- FAQ或异议处理文案。
 
-這還不是完整的內容引擎。它是從產品洞察到市場傳播的橋樑。
+这还不是完整的内容引擎。它是从产品洞察到市场传播的桥梁。
 
-### 5. 每月策略複審
+### 5. 每月策略复审
 
-對於專業客戶，包括每月一次的AI輔助策略會議。
+对于专业客户，包括每月一次的AI辅助策略会议。
 
-目的是複審：
+目的是复审：
 
-- 首要機會。
-- 產品風險。
-- 競品動態。
-- 客戶投訴。
-- 建議的決策。
+- 首要机会。
+- 产品风险。
+- 竞品动态。
+- 客户投诉。
+- 建议的决策。
 
-## 包裝
+## 包装
 
-### 入門版
+### 入门版
 
-適用於小型品牌或早期用戶。
+适用于小型品牌或早期用户。
 
 包含：
 
-- 競品監控。
-- 痛點排名。
-- 每週機會簡報。
-- 有限的機會卡片。
+- 竞品监控。
+- 痛点排名。
+- 每周机会简报。
+- 有限的机会卡片。
 
-建議價格：
+建议价格：
 
-人民幣19,800–29,800元/年。
+人民币19,800–29,800元/年。
 
-### 專業版
+### 专业版
 
-適用於認真的品牌。
+适用于认真的品牌。
 
 包含：
 
-- 更多競品SKU。
-- 私有數據上傳。
-- 產品決策工作空間。
-- 每月策略複審。
-- 更詳細的證據層。
+- 更多竞品SKU。
+- 私有数据上传。
+- 产品决策工作空间。
+- 每月策略复审。
+- 更详细的证据层。
 
-建議價格：
+建议价格：
 
-人民幣59,800–99,800元/年。
+人民币59,800–99,800元/年。
 
-### 戰略共創
+### 战略共创
 
-適用於需要更深度分析的品牌。
+适用于需要更深度分析的品牌。
 
 包含：
 
-- 定制分類法。
-- 更多私有數據。
-- 專家審核。
+- 定制分类法。
+- 更多私有数据。
+- 专家审核。
 - 每月策略工作坊。
-- 定制機會報告。
+- 定制机会报告。
 
-建議價格：
+建议价格：
 
-人民幣150,000–300,000元/年。
+人民币150,000–300,000元/年。
 
-## 成功指標
+## 成功指标
 
-- 20個付費客戶。
-- 50%以上的客戶每週使用產品。
-- 30%以上的機會卡片被保存、討論或執行。
-- 5個以上的客戶將至少一個推薦採納到產品、內容或發布計劃中。
-- 續費意向超過60%。
+- 20个付费客户。
+- 50%以上的客户每周使用产品。
+- 30%以上的机会卡片被保存、讨论或执行。
+- 5个以上的客户将至少一个推荐采纳到产品、内容或发布计划中。
+- 续费意向超过60%。
 
 ---
 
-# 階段 3：V1 SaaS — 產品創新引擎
+# 阶段 3：V1 SaaS — 产品创新引擎
 
-## 時間線
+## 时间线
 
-第6–12個月
+第6–12个月
 
-## 目標
+## 目标
 
-將經驗證的服務密集型MVP轉變為可擴展的SaaS產品，同時保持信任和決策質量。
+将经验证的服务密集型MVP转变为可扩展的SaaS产品，同时保持信任和决策质量。
 
-## 產品定位
+## 产品定位
 
-> 面向美妝和個人護理品牌的AI產品創新引擎。
+> 面向美妆和个人护理品牌的AI产品创新引擎。
 
-## 核心模塊
+## 核心模块
 
-### 1. 戰略配置中心
+### 1. 战略配置中心
 
 品牌配置：
 
-- 品類。
+- 品类。
 - 定位。
-- 價格帶。
-- 核心競品。
-- 產品線。
+- 价格带。
+- 核心竞品。
+- 产品线。
 - 核心成分。
-- 關鍵宣稱。
-- 目標消費者。
-- 戰略優先級。
+- 关键宣称。
+- 目标消费者。
+- 战略优先级。
 
-### 2. 市場信號雷達
+### 2. 市场信号雷达
 
-監控：
+监控：
 
-- 競品評論變化。
-- 投訴飆升。
-- 成分趨勢。
-- 質地和使用反饋。
-- 社交內容主題。
-- 新興痛點。
+- 竞品评论变化。
+- 投诉飙升。
+- 成分趋势。
+- 质地和使用反馈。
+- 社交内容主题。
+- 新兴痛点。
 
-### 3. 機會卡片系統
+### 3. 机会卡片系统
 
-標準化的機會卡片成為產品的核心對象。
+标准化的机会卡片成为产品的核心对象。
 
-每張卡片應可追蹤、可搜索、可比較、可導出。
+每张卡片应可追踪、可搜索、可比较、可导出。
 
-### 4. 決策工作空間
+### 4. 决策工作空间
 
-團隊可以：
+团队可以：
 
-- 分配機會。
-- 添加評論。
-- 投票或評分。
-- 標記決策狀態。
-- 導出內部簡報。
-- 追蹤機會是否被採納。
+- 分配机会。
+- 添加评论。
+- 投票或评分。
+- 标记决策状态。
+- 导出内部简报。
+- 追踪机会是否被采纳。
 
-### 5. AI分析師
+### 5. AI分析师
 
-自然語言界面，用於回答如下問題：
+自然语言界面，用于回答如下问题：
 
-- "競品A最近最弱在哪裡？"
-- "防曬產品有哪些投訴在上升？"
-- "哪個產品機會適合我們的敏感肌定位？"
-- "哪個機會最適合我們下一次發布？"
+- "竞品A最近最弱在哪里？"
+- "防晒产品有哪些投诉在上升？"
+- "哪个产品机会适合我们的敏感肌定位？"
+- "哪个机会最适合我们下一次发布？"
 
-### 6. 可導出簡報生成器
+### 6. 可导出简报生成器
 
 生成：
 
-- 新產品概念簡報。
-- 產品改進簡報。
-- 內容策略簡報。
-- 競品應對簡報。
-- 創始人每週摘要。
+- 新产品概念简报。
+- 产品改进简报。
+- 内容策略简报。
+- 竞品应对简报。
+- 创始人每周摘要。
 
-## 重要的產品原則
+## 重要的产品原则
 
-儀表盤不是產品。
+仪表盘不是产品。
 
-核心產品是決策對象：機會卡片。
+核心产品是决策对象：机会卡片。
 
-一切應圍繞幫助客戶發現、評估、討論和執行機會展開。
+一切应围绕帮助客户发现、评估、讨论和执行机会展开。
 
-## 成功指標
+## 成功指标
 
-- 50–80個付費客戶。
-- 淨收入留存超過100%。
-- 60%以上的月活躍帳戶率。
-- 40%以上的客戶每月導出或分享至少一份簡報。
-- 至少20個有文件記錄的案例，證明產品影響了真實的業務決策。
+- 50–80个付费客户。
+- 净收入留存超过100%。
+- 60%以上的月活跃账户率。
+- 40%以上的客户每月导出或分享至少一份简报。
+- 至少20个有文件记录的案例，证明产品影响了真实的业务决策。
 
 ---
 
-# 階段 4：專業智能層
+# 阶段 4：专业智能层
 
-## 時間線
+## 时间线
 
-第12–18個月
+第12–18个月
 
-## 目標
+## 目标
 
-通過添加私有數據、反饋循環和行業特定情報來加強防禦性。
+通过添加私有数据、反馈循环和行业特定情报来加强防御性。
 
 ## 新能力
 
-### 1. 私有數據整合
+### 1. 私有数据整合
 
-允許客戶上傳或連接：
+允许客户上传或连接：
 
-- 客服對話。
-- 退款和退貨原因。
-- 購買後評論。
-- 產品滿意度調查。
-- CRM標籤。
-- 按SKU的銷售數據。
-- 區域銷售和退貨數據。
+- 客服对话。
+- 退款和退货原因。
+- 购买后评论。
+- 产品满意度调查。
+- CRM标签。
+- 按SKU的销售数据。
+- 区域销售和退货数据。
 
-### 2. 自牌診斷
+### 2. 自牌诊断
 
-將自牌問題與競品問題進行對比。
+将自牌问题与竞品问题进行对比。
 
 回答：
 
-- 我們的用戶投訴什麼？
-- 競品用戶投訴什麼？
-- 我們在哪裡更弱？
-- 我們在哪裡更強？
-- 我們首先應該修復什麼？
+- 我们的用户投诉什么？
+- 竞品用户投诉什么？
+- 我们在哪里更弱？
+- 我们在哪里更强？
+- 我们首先应该修复什么？
 
 ### 3. 流失原因分析
 
-分析用戶詢問但未購買的客服對話。
+分析用户询问但未购买的客服对话。
 
-識別：
+识别：
 
-- 價格異議。
-- 成分疑慮。
-- 功效擔憂。
+- 价格异议。
+- 成分疑虑。
+- 功效担忧。
 - 信任差距。
 - 使用困惑。
-- 競品對比失利。
+- 竞品对比失利。
 
-### 4. 產品反饋循環
+### 4. 产品反馈循环
 
-追蹤機會是否：
+追踪机会是否：
 
-- 被採納。
-- 被測試。
-- 被拒絕。
-- 轉化為產品。
-- 用於內容。
-- 與性能改善相關聯。
+- 被采纳。
+- 被测试。
+- 被拒绝。
+- 转化为产品。
+- 用于内容。
+- 与性能改善相关联。
 
-這創造了真正的護城河。
+这创造了真正的护城河。
 
-最強大的專有資產不是原始數據。而是以下關係：
+最强大的专有资产不是原始数据。而是以下关系：
 
-> 市場信號 → 品牌決策 → 執行 → 業務結果。
+> 市场信号 → 品牌决策 → 执行 → 业务结果。
 
-## 成功指標
+## 成功指标
 
-- 100個以上付費客戶。
-- 30個以上客戶連接或上傳私有數據。
-- 20個以上客戶使用系統進行每月產品複審。
-- 清晰的證據表明，有私有數據的客戶比僅有公開數據的客戶留存更好。
-- 首批案例研究顯示產品決策改善或失敗發布減少。
+- 100个以上付费客户。
+- 30个以上客户连接或上传私有数据。
+- 20个以上客户使用系统进行每月产品复审。
+- 清晰的证据表明，有私有数据的客户比仅有公开数据的客户留存更好。
+- 首批案例研究显示产品决策改善或失败发布减少。
 
 ---
 
-# 階段 5：第一個相鄰引擎 — 內容激活
+# 阶段 5：第一个相邻引擎 — 内容激活
 
-## 時間線
+## 时间线
 
-第18–24個月
+第18–24个月
 
-## 目標
+## 目标
 
-只在產品機會情報已證明留存和決策影響後才擴展。
+只在产品机会情报已证明留存和决策影响后才扩展。
 
-第一個相鄰引擎應是內容激活，而非廣告、用戶運營或全鏈路運營。
+第一个相邻引擎应是内容激活，而非广告、用户运营或全链路运营。
 
-## 為什麼內容其次
+## 为什么内容其次
 
-產品洞察自然會轉化為內容角度。
+产品洞察自然会转化为内容角度。
 
-如果系統發現消費者抱怨"防曬霜黏膩"，它可以生成：
+如果系统发现消费者抱怨"防晒霜黏腻"，它可以生成：
 
-- 對比內容。
-- 成分解釋。
-- 創始人解釋腳本。
-- 產品詳情頁文案。
-- 小紅書種草簡報。
-- 抖音短視頻腳本。
+- 对比内容。
+- 成分解释。
+- 创始人解释脚本。
+- 产品详情页文案。
+- 小红书种草简报。
+- 抖音短视频脚本。
 
-這是最自然的擴展路徑。
+这是最自然的扩展路径。
 
 ## 新能力
 
-### 1. 內容角度生成器
+### 1. 内容角度生成器
 
-將機會卡片轉化為：
+将机会卡片转化为：
 
-- 小紅書帖子角度。
-- 抖音視頻腳本。
-- 直播帶貨話術。
-- 產品頁面文案。
-- 博主簡報。
-- 對比宣稱。
+- 小红书帖子角度。
+- 抖音视频脚本。
+- 直播带货话术。
+- 产品页面文案。
+- 博主简报。
+- 对比宣称。
 
-### 2. 宣稱風險檢查
+### 2. 宣称风险检查
 
-幫助品牌識別有風險的、過度的或不支持的宣稱。
+帮助品牌识别有风险的、过度的或不支持的宣称。
 
-### 3. 內容測試反饋
+### 3. 内容测试反馈
 
-追蹤哪些生成的角度被使用及其表現如何。
+追踪哪些生成的角度被使用及其表现如何。
 
-### 4. 產品到內容工作流
+### 4. 产品到内容工作流
 
-每張機會卡片可以轉化為：
+每张机会卡片可以转化为：
 
-- 產品概念。
-- 賣點。
-- 內容活動。
-- 博主簡報。
-- 發布信息。
+- 产品概念。
+- 卖点。
+- 内容活动。
+- 博主简报。
+- 发布信息。
 
-## 此時仍不構建的內容
+## 此时仍不构建的内容
 
-除非有強烈的客戶拉動，仍應避免完整的廣告自動化。
+除非有强烈的客户拉动，仍应避免完整的广告自动化。
 
-廣告優化是一個有更強在位者、更高度複雜性和更清晰性能問責制的獨立市場。
+广告优化是一个有更强在位者、更高度复杂性和更清晰性能问责制的独立市场。
 
-## 成功指標
+## 成功指标
 
-- 30%以上的產品創新客戶激活內容激活。
-- 50%以上的激活客戶每月導出內容簡報。
-- 客戶報告從產品洞察到內容簡報的時間減少。
-- 早期證據表明，基於真實痛點的內容表現優於泛泛的AI生成內容。
+- 30%以上的产品创新客户激活内容激活。
+- 50%以上的激活客户每月导出内容简报。
+- 客户报告从产品洞察到内容简报的时间减少。
+- 早期证据表明，基于真实痛点的内容表现优于泛泛的AI生成内容。
 
 ---
 
-# 階段 6：多引擎增長系統
+# 阶段 6：多引擎增长系统
 
-## 時間線
+## 时间线
 
-第24–36個月
+第24–36个月
 
-## 目標
+## 目标
 
-從產品創新和內容激活演進為更廣泛的AI增長操作系統。
+从产品创新和内容激活演进为更广泛的AI增长操作系统。
 
-## 進入此階段的條件
+## 进入此阶段的条件
 
-除非以下條件滿足，否則不要構建完整的五引擎平台：
+除非以下条件满足，否则不要构建完整的五引擎平台：
 
-- 產品創新引擎有強留存。
-- 內容激活有可觀的附加率。
-- 客戶正在使用系統進行真實決策，而不僅僅是閱讀報告。
-- 私有數據整合運轉正常。
-- 公司有足夠的實施能力。
-- 對下一個引擎有明確需求。
+- 产品创新引擎有强留存。
+- 内容激活有可观的附加率。
+- 客户正在使用系统进行真实决策，而不仅仅是阅读报告。
+- 私有数据整合运转正常。
+- 公司有足够的实施能力。
+- 对下一个引擎有明确需求。
 
-## 可能的引擎擴展順序
+## 可能的引擎扩展顺序
 
-### 1. 產品創新引擎
+### 1. 产品创新引擎
 
-已經構建。
+已经构建。
 
-### 2. 內容激活引擎
+### 2. 内容激活引擎
 
 最自然的第二引擎。
 
-### 3. 用戶反饋與留存引擎
+### 3. 用户反馈与留存引擎
 
-利用購買後、社區和CRM反饋來識別復購驅動因素和不滿意點。
+利用购买后、社区和CRM反馈来识别复购驱动因素和不满意点。
 
-### 4. 廣告學習引擎
+### 4. 广告学习引擎
 
-一開始不是完整的廣告自動化。
+一开始不是完整的广告自动化。
 
-從以下開始：
+从以下开始：
 
-- 獲勝信息分析。
-- 創意角度診斷。
-- 廣告評論挖掘。
-- 落地頁異議分析。
+- 获胜信息分析。
+- 创意角度诊断。
+- 广告评论挖掘。
+- 落地页异议分析。
 
-### 5. 全鏈路運營引擎
+### 5. 全链路运营引擎
 
-稍後才做。
+稍后才做。
 
-這應專注於：
+这应专注于：
 
-- 退貨原因分析。
-- 客服問題聚類。
-- 物流或區域異常檢測。
-- 產品質量反饋循環。
+- 退货原因分析。
+- 客服问题聚类。
+- 物流或区域异常检测。
+- 产品质量反馈循环。
 
-## 編排層
+## 编排层
 
-代理編排器應只在多個引擎被同一批客戶使用後才出現。
+代理编排器应只在多个引擎被同一批客户使用后才出现。
 
-它的角色應是：
+它的角色应是：
 
-- 將產品機會轉化為內容簡報。
-- 將內容表現轉化為產品洞察。
-- 將客戶投訴轉化為產品改進任務。
-- 將廣告異議轉化為落地頁或產品 messaging 改進。
-- 將退貨原因轉化為產品或服務修復。
+- 将产品机会转化为内容简报。
+- 将内容表现转化为产品洞察。
+- 将客户投诉转化为产品改进任务。
+- 将广告异议转化为落地页或产品 messaging 改进。
+- 将退货原因转化为产品或服务修复。
 
-## 成功指標
+## 成功指标
 
-- 25%以上的客戶使用至少兩個引擎。
-- 多引擎客戶的留存明顯好於單引擎客戶。
-- 多引擎客戶產生更高的ARPA。
-- 系統創建的跨引擎推薦被客戶實際採納。
+- 25%以上的客户使用至少两个引擎。
+- 多引擎客户的留存明显好于单引擎客户。
+- 多引擎客户产生更高的ARPA。
+- 系统创建的跨引擎推荐被客户实际采纳。
 
 ---
 
-# 長期願景：首席增長官平台
+# 长期愿景：首席增长官平台
 
-## 時間線
+## 时间线
 
-36個月及更遠
+36个月及更远
 
-## 願景
+## 愿景
 
-成為消費品牌的AI增長決策基礎設施。
+成为消费品牌的AI增长决策基础设施。
 
-平台最終應支持：
+平台最终应支持：
 
-- 產品創新。
-- 內容策略。
-- 廣告學習。
-- 用戶運營。
-- 客服情報。
-- 產品反饋循環。
-- 行業基準。
-- 供應鏈和成分情報。
+- 产品创新。
+- 内容策略。
+- 广告学习。
+- 用户运营。
+- 客服情报。
+- 产品反馈循环。
+- 行业基准。
+- 供应链和成分情报。
 
-## 長期護城河
+## 长期护城河
 
-防禦性應來自：
+防御性应来自：
 
-1. 美妝特定的產品機會分類法。
-2. 競品和痛點知識庫。
-3. 私有品牌反饋循環。
-4. 信號、決策和結果之間的歷史關係。
-5. 跨品牌匿名行業情報。
+1. 美妆特定的产品机会分类法。
+2. 竞品和痛点知识库。
+3. 私有品牌反馈循环。
+4. 信号、决策和结果之间的历史关系。
+5. 跨品牌匿名行业情报。
 6. 多引擎工作流整合。
 
-## 潛在的第二收入曲線
+## 潜在的第二收入曲线
 
-一旦有足夠的匿名數據，公司可以向以下各方銷售行業情報：
+一旦有足够的匿名数据，公司可以向以下各方销售行业情报：
 
-- 原料供應商。
-- OEM/ODM製造商。
-- 投資公司。
-- 大型消費集團。
+- 原料供应商。
+- OEM/ODM制造商。
+- 投资公司。
+- 大型消费集团。
 - 零售渠道。
 
-但在核心品牌產品有強留存之前，這不應被優先考慮。
+但在核心品牌产品有强留存之前，这不应被优先考虑。
 
 ---
 
-# 推薦路線圖摘要
+# 推荐路线图摘要
 
-## 0–6週
+## 0–6周
 
-驗證ICP、痛點、付費意願和第一個用例。
+验证ICP、痛点、付费意愿和第一个用例。
 
-## 第1–3個月
+## 第1–3个月
 
-構建禮賓MVP：產品機會雷達。
+构建礼宾MVP：产品机会雷达。
 
-## 第3–6個月
+## 第3–6个月
 
-推出付費測試版，具備機會評分、證據層和決策工作空間。
+推出付费测试版，具备机会评分、证据层和决策工作空间。
 
-## 第6–12個月
+## 第6–12个月
 
-推出V1 SaaS：產品創新引擎。
+推出V1 SaaS：产品创新引擎。
 
-## 第12–18個月
+## 第12–18个月
 
-添加私有數據、自牌診斷和決策反饋循環。
+添加私有数据、自牌诊断和决策反馈循环。
 
-## 第18–24個月
+## 第18–24个月
 
-推出內容激活作為第一個相鄰引擎。
+推出内容激活作为第一个相邻引擎。
 
-## 第24–36個月
+## 第24–36个月
 
-只有當留存和附加率數據支持時，才擴展到多引擎增長系統。
+只有当留存和附加率数据支持时，才扩展到多引擎增长系统。
 
-## 36個月+
+## 36个月+
 
-構建完整的首席增長官平台和行業情報層。
+构建完整的首席增长官平台和行业情报层。
 
 ---
 
-# 關鍵戰略選擇
+# 关键战略选择
 
-公司不應試圖通過以下方式取勝：
+公司不应试图通过以下方式取胜：
 
-> 我們是一個能做一切的AI首席增長官。
+> 我们是一个能做一切的AI首席增长官。
 
-而應首先通過以下方式取勝：
+而应首先通过以下方式取胜：
 
-> 我們幫助美妝品牌從真實的消費者和競品信號中發現更好的產品機會。
+> 我们帮助美妆品牌从真实的消费者和竞品信号中发现更好的产品机会。
 
-一旦這個楔子變得可信，更廣泛的首席增長官願景就變得可信了。
+一旦这个楔子变得可信，更广泛的首席增长官愿景就变得可信了。
diff --git a/roadmap/product-roadmap-unified-zh.md b/roadmap/product-roadmap-unified-zh.md
new file mode 100644
index 0000000..b5a70b0
--- /dev/null
+++ b/roadmap/product-roadmap-unified-zh.md
@@ -0,0 +1,721 @@
+# 首席增长官 - 统一产品路线图
+
+_这是一份合并后的首席增长官产品路线图。核心原则是：先有证据，再做扩张。每个阶段只有在证明了本阶段要消除的关键风险后，才进入下一阶段。_
+
+---
+
+## 读者与读后行动
+
+本文面向创始人、产品负责人、增长负责人和投资人。读完后，团队应能明确：下一步该验证什么、构建什么、如何设置阶段门槛、如何设计早期定价，以及什么时候应该拒绝过早的平台化扩张。
+
+---
+
+## 路线图理念
+
+不要一开始就构建完整的"AI首席增长官"。长期愿景可以很大，但第一个产品必须足够窄、足够可信、法律上可持续，并且商业上可验证。
+
+产品应分三层演进：
+
+1. **产品机会雷达** - 从市场信号中发现高质量的产品和传播机会。
+2. **决策智能系统** - 帮助品牌决定要做什么产品、改什么、测什么、说什么。
+3. **增长编排平台** - 协调产品、内容、广告、用户运营和服务工作流。
+
+前 12 个月最重要的问题是：
+
+> 我们能否通过合法、可持续的数据管道和可行的单位经济模型，帮助美妆与个护品牌比自己更早、更准地发现可执行的产品机会？
+
+如果答案是肯定的，更大的"首席增长官"平台才有资格从这个楔子自然生长。如果答案是否定的，增加更多引擎只会叠加风险，而不是形成护城河。
+
+---
+
+## 指导原则
+
+1. **按风险排序，而不是按功能排序。** 真正会杀死公司的风险是数据获取、客户信任、在可行价格下的付费意愿，以及入门产品能否低摩擦接入私有数据。
+2. **把阶段 0 设为硬性数据门。** 不要默认可以获取竞品评论、社交评论、平台信号、知识图谱来源或客户私有数据。必须先证明 PIPL 就绪、数据授权、API 可行性，以及哪些数据源不能碰。
+3. **楔子必须独立成立。** 产品创新引擎本身必须是毛利为正的业务，不能依赖未来多引擎加购来证明经济性。
+4. **信任是逐级赢得的。** 先做决策支持，再逐步走向编排和执行。只有当客户反复采纳系统输出后，才提高自主权。
+5. **深度优先于广度。** 先在一个美妆子品类做深，再加一个相邻引擎。除非有证据表明多引擎使用改善留存、ARPA 或 CAC 回收期，否则不要投入五引擎平台。
+6. **私有数据锁定从入门层开始。** 旗舰问题"我们比竞品 X 弱在哪里？"需要客户自己的数据。入门层必须包含轻量私有数据连接，否则大多数客户买到的核心体验是空的。
+7. **行业情报是可选且高风险的后期业务。** 匿名化或聚合的跨品牌情报必须放在后期，且需要客户明确授权、监管审查和渠道冲突管理。它不是默认资产。
+
+---
+
+## 信任阶梯
+
+信任阶梯贯穿所有阶段。定价权和"首席增长官"定位不是一开始宣称出来的，而是通过逐级爬升赢得的。
+
+| 阶梯 | 产品角色 | AI 做什么 | 主要阶段 |
+| --- | --- | --- | --- |
+| 1 | 洞察 | 呈现信号、排序痛点、标记异常 | 阶段 0-1 |
+| 2 | 推荐 | 给出具体行动建议，并附推理、证据和置信度 | 阶段 1 |
+| 3 | 起草 | 生成可直接使用、供人工审核的材料 | 阶段 2 |
+| 4 | 编排 | 在人工参与下协调跨职能多步骤工作流 | 阶段 2-3 |
+| 5 | 运营 | 在批准的护栏内执行受限工作流，由人工监督 | 阶段 3+ |
+
+每个产品决策都应说明它服务于哪个阶梯。任何暗示高于当前证据水平的功能，都应推迟。
+
+---
+
+## 初始 ICP
+
+初始客户应是中国美妆、护肤、个护或洗护品牌，年 GMV 在人民币 3,000 万至 3 亿元之间，主要通过天猫、抖音、小红书、京东或私域渠道销售。
+
+优先选择满足以下至少三个条件的品牌：
+
+- 频繁推出新品或进行 SKU 迭代。
+- 高度依赖成分、功效、质地或功能性宣称。
+- 创始人或产品负责人直接参与产品决策。
+- 竞品压力大。
+- 明确痛于发现新产品机会。
+- 客户反馈分散在多个平台。
+- 愿意连接轻量私有数据以获得更好的诊断。
+
+---
+
+# 阶段 0：数据门、ICP 与问题验证
+
+## 阶段命题
+
+先赢得构建产品机会雷达的资格。
+
+本阶段把任何"默认能拿到数据"的假设，替换为硬性的可行性门槛。团队应以最少工程投入证明业务成立所依赖的关键假设。
+
+## 时间盒
+
+0-8 周可作为规划估计，但是否进入下一阶段取决于证据，而不是时间。
+
+## 要证明什么
+
+- 竞品评论、电商问答、社交内容和社交评论，能否通过官方 API、授权数据供应商、直接合作、客户授权导出或其他合规方式合法且可持续地获得。
+- 私有数据接入所涉及的 PIPL 与数据处理要求是否清楚，包括客服对话、退款原因、SOV 数据、CRM 标签、销售和流失数据。
+- 能否在一个细分美妆品类中，用可靠来源播种一个窄而深的知识图谱，例如护肤精华、防晒或洗护修复。
+- 目标 ICP 是否存在迫切的产品机会发现痛点，并愿意在完整 SaaS 出现前为专家审核、AI 辅助的输出付费。
+- 战略意图过滤器是否会以客户能感知并重视的方式改变输出。
+
+## 工作流
+
+### 1. 数据获取与合规调查
+
+逐项梳理核心数据源：
+
+- 竞品产品评论。
+- 电商问答。
+- 法律与技术允许范围内的小红书帖子和评论。
+- 法律与技术允许范围内的抖音产品和内容信号。
+- 公开社交提及。
+- 客户提供的客服对话、退款原因、调研、CRM 标签、SKU 销售和区域退货数据。
+
+每个数据源都要记录：
+
+- 法律依据和授权模型。
+- API 或供应商可行性。
+- 限流、稳定性和成本。
+- 爬取是否被禁止或过于脆弱。
+- 数据保留要求。
+- PIPL 义务。
+- 该来源可用于产品、仅可用于礼宾式分析，还是必须排除。
+
+### 2. ICP 与问题验证
+
+访谈 20-30 位创始人、产品负责人和增长负责人，验证：
+
+- 他们当前如何发现产品机会。
+- 哪些产品决策一旦做错成本最高。
+- 他们信任哪些数据。
+- 他们多久看一次竞品评论、社交内容和客服对话。
+- 什么会让他们信任 AI 生成的建议。
+- 他们是否愿意为机会卡、周报或决策工作台付费。
+
+### 3. 礼宾式产品机会雷达
+
+为 5-10 个设计合作伙伴交付 done-with-you 版本，并收取真实费用。AI 可以在后台辅助，但必须保留专家审核。
+
+交付物包括：
+
+- 排序后的痛点。
+- 机会卡。
+- 每周创始人简报。
+- 证据层：代表性反馈、来源、时间窗口、置信度和风险等级。
+- 战略意图变体，例如高端成分导向 vs 性价比导向。
+
+### 4. 知识图谱种子
+
+在一个狭窄品类建立深度，沉淀：
+
+- 成分分类。
+- 功效宣称。
+- 质地词汇。
+- 常见投诉。
+- 监管和宣称风险备注。
+- 竞品 SKU 图谱。
+- 品牌定位维度。
+
+## 继续标准
+
+只有全部满足时，才进入阶段 1：
+
+- 核心雷达有可重复、法律上可防御的数据路径。
+- PIPL 与私有数据处理要求清楚到足以影响产品架构和销售承诺。
+- 至少 5 个付费或半付费设计合作伙伴参与。
+- 至少 70% 受访品牌确认产品机会发现是真实痛点。
+- 至少 3 个品牌在合规流程下提供历史发布、反馈或客服数据用于测试。
+- 至少 5 个品牌的创始人或产品负责人基于输出改变、排序或认真讨论了真实决策。
+- 付费意愿清晰，并且价格能支持预期销售和 onboarding 动作。
+
+## 停止或转向标准
+
+出现以下情况应暂停或转向：
+
+- 核心外部数据无法合法、稳定或可负担地获取。
+- 客户拒绝轻量私有数据连接，导致旗舰诊断过浅。
+- 输出被视为有趣研究，但不影响决策。
+- 付费意愿无法支撑 CAC 回收期和服务成本。
+- 战略意图过滤器不能改善客户感知质量。
+
+---
+
+# 阶段 1：产品机会雷达与产品创新引擎
+
+## 阶段命题
+
+构建一个能自负盈亏的产品。
+
+阶段 1 将经过验证的礼宾式流程产品化为聚焦的 SaaS 加服务楔子。它主要服务于信任阶梯 1-2 级：洞察和推荐。
+
+## 时间盒
+
+第 2-12 个月可作为规划估计。是否进入下一阶段取决于下方证据门槛。
+
+## 定位
+
+第一个可销售包使用"产品机会雷达"，阶段 1 的更完整产品使用"产品创新引擎"。"首席增长官"保留为母愿景，而不是第一天的承诺。
+
+核心承诺：
+
+> 我们帮助美妆品牌从竞品反馈、消费者痛点、市场信号和轻量私有数据中，发现新的产品、质地、成分、功效和传播机会。
+
+## 产品形态
+
+先从混合形态开始，再逐步产品化：
+
+- AI 驱动的数据分析。
+- 专家审核的机会卡。
+- 每周机会简报。
+- 轻量网页工作台。
+- 紧急竞品信号提醒。
+- 入门层包含轻量私有数据连接。
+
+不要从重仪表盘 BI 系统开始。核心产品对象是机会卡。
+
+## 核心模块
+
+### 1. 战略配置中心
+
+客户配置：
+
+- 品类。
+- 价格带。
+- 品牌定位。
+- 核心竞品。
+- 产品线。
+- 英雄成分。
+- 关键宣称。
+- 目标消费者。
+- 战略优先级。
+
+### 2. 市场信号雷达
+
+监测：
+
+- 竞品评论变化。
+- 投诉峰值。
+- 成分趋势。
+- 质地和使用反馈。
+- 社交内容主题。
+- 新兴痛点。
+- 电商问答信号。
+
+### 3. 轻量私有数据连接
+
+这应包含在入门体验中，而不只属于专业版。范围要足够小，以保证快速 onboarding：
+
+- CSV 或平台导出上传。
+- 有限客服对话样本。
+- 退款和退货原因样本。
+- 购后评论样本。
+- 基础本品 SKU 反馈。
+
+它使旗舰比较真正成立：
+
+> 我们比竞品 X 弱在哪里？应该先修什么？
+
+### 4. 竞品评论情报
+
+每个客户跟踪 20-50 个竞品 SKU，识别：
+
+- 正在上升的负面反馈。
+- 重复投诉。
+- 质地问题。
+- 功效质疑。
+- 包装问题。
+- 成分担忧。
+- 价格/价值抱怨。
+- 使用困惑。
+
+### 5. 痛点排序
+
+按以下维度排序痛点：
+
+- 频次。
+- 增长率。
+- 严重程度。
+- 与品牌定位的相关性。
+- 竞争空白。
+- 证据质量。
+
+### 6. 机会卡系统
+
+每张卡应包含：
+
+- 机会名称。
+- 消费者痛点。
+- 代表性证据。
+- 信号强度。
+- 竞品弱点。
+- 在连接私有数据时的本品对比。
+- 品牌适配度。
+- 建议产品方向。
+- 建议宣称或传播角度。
+- 推荐下一步行动。
+- 置信度。
+- 风险等级。
+- 决策状态。
+
+### 7. 决策工作台
+
+团队可以：
+
+- 保存、比较、拒绝、排序和归档机会卡。
+- 分配机会。
+- 添加评论。
+- 投票或打分。
+- 导出内部简报。
+- 跟踪机会是否被采纳。
+
+决策状态包括：
+
+- 新建。
+- 评估中。
+- 测试中。
+- 已采纳。
+- 已拒绝。
+- 已归档。
+
+### 8. AI 分析师与可导出简报
+
+支持自然语言问题：
+
+- "竞品 A 最近弱在哪里？"
+- "防晒品类哪些投诉在上升？"
+- "我们比竞品 X 弱在哪里？"
+- "什么机会最符合我们的敏感肌定位？"
+- "哪个机会最适合下一次上新？"
+
+生成：
+
+- 创始人每周总结。
+- 新品概念简报。
+- 产品改进简报。
+- 内容策略桥接简报。
+- 竞品回应简报。
+
+## 暂不构建什么
+
+不要构建：
+
+- 完整 AI agent 编排。
+- 五引擎平台。
+- 自动广告优化。
+- 广泛品类覆盖。
+- 完全自动化决策。
+- 行业数据产品。
+
+## 包装与定价
+
+定价必须与 CAC 回收期和销售动作经济性共同设计，不能只依赖付费意愿访谈。
+
+### 入门版
+
+面向进入楔子的小型和中型品牌。
+
+包含：
+
+- 竞品监测。
+- 痛点排序。
+- 每周机会简报。
+- 有限机会卡。
+- 轻量私有数据连接。
+- 基础本品 vs 竞品诊断。
+
+入门价格必须足以覆盖 onboarding、数据成本，并支持 12 个月内的目标 CAC 回收期。人民币 19,800-29,800 元/年可以作为起始假设，但只有当真实销售动作在这个价格下成立时才能接受。
+
+### 专业版
+
+面向把产品用于周期性产品复盘的品牌。
+
+包含：
+
+- 更多竞品 SKU。
+- 更深的私有数据连接。
+- 产品决策工作台。
+- 月度策略复盘。
+- 更详细证据层。
+- 从决策到结果的反馈闭环。
+
+人民币 59,800-99,800 元/年只有在毛利和回收期能承受必要服务层时才合理。
+
+### 战略共创版
+
+面向需要更深分析和专家参与的品牌。
+
+包含：
+
+- 自定义分类体系。
+- 更多私有数据。
+- 专家审核。
+- 月度战略工作坊。
+- 定制机会报告。
+
+人民币 150,000-300,000 元/年可作为起始假设，但关键门槛是：该包是否为产品创造可重复学习，而不是退化成定制咨询。
+
+## GTM
+
+- 创始人主导销售。
+- 设计合作伙伴推荐。
+- 围绕创始人的增长方法论做内容营销。
+- 面向美妆创始人社区做教育。
+- 只有当价格支撑时，才采用高触点 onboarding。
+
+必须明确埋点：
+
+- 分渠道 CAC。
+- 销售周期。
+- Onboarding 成本。
+- 数据集成成本。
+- 分层毛利。
+- CAC 回收期。
+- 扩张率。
+- 推荐采纳率。
+
+## 继续标准
+
+只有全部满足时，才进入阶段 2：
+
+- 50-80 个付费客户，或客户数更少但留存和价格证据足以支持聚焦扩张。
+- 净收入留存达到或超过团队目标。
+- 入门产品本身的 CAC 回收期小于 12 个月。
+- 阶段 1 独立毛利为正。
+- 60%+ 月活账户率，或另一个与产品复盘相关的明确活跃基准。
+- 40%+ 客户每月至少导出或分享一份简报。
+- 至少 20 个真实业务决策被产品影响，并有记录。
+- 连接私有数据的客户在留存或活跃上明显优于仅使用公开数据的客户。
+
+## 停止或转向标准
+
+出现以下情况应暂停扩张：
+
+- 产品被当作报告消费，而不是用于决策。
+- 入门层无法包含私有数据且不破坏 onboarding 经济性。
+- 毛利依赖不可规模化的专家工作。
+- CAC 回收期需要不现实的销售动作。
+- 客户在信任机会引擎前就主要索要通用 AI 内容。
+
+---
+
+# 阶段 2：深化楔子，并增加一个相邻引擎
+
+## 阶段命题
+
+先用两个引擎证明协同，再宣称多引擎护城河。
+
+本阶段从推荐走向起草和早期编排。只有在产品创新楔子证明留存和决策影响后，才增加一个相邻引擎。
+
+## 时间盒
+
+第 12-24 个月可作为规划估计。是否继续取决于多引擎价值证据。
+
+## 构建顺序
+
+### 1. 先深化产品创新引擎
+
+在增加广度前：
+
+- 将知识图谱扩展到更多美妆子品类。
+- 改善置信度校准。
+- 强化证据可追溯性。
+- 强化宣称风险意识。
+- 改善私有数据反馈闭环。
+- 跟踪市场信号、品牌决策、执行和业务结果之间的关系。
+
+最强的专有资产不是原始数据，而是历史关系：
+
+> 市场信号 -> 品牌决策 -> 执行 -> 业务结果。
+
+### 2. 将内容激活作为第一个相邻引擎
+
+内容是自然的第二个引擎，因为产品洞察可以直接转化为内容角度。
+
+例如，当机会是"消费者抱怨防晒黏腻厚重"时，系统可以起草：
+
+- 小红书笔记角度。
+- 抖音短视频脚本。
+- 直播卖点。
+- 商品详情页文案。
+- 达人 brief。
+- 创始人解释脚本。
+- 对比宣称。
+- FAQ 和异议处理文案。
+
+### 3. 构建产品到内容工作流
+
+每张机会卡可以转化为：
+
+- 产品概念。
+- 卖点。
+- 内容活动。
+- 达人 brief。
+- 上市传播信息。
+
+跟踪哪些草稿被使用，以及表现如何。这是第一次真正的编排证明：洞察 -> 推荐 -> 起草 -> 执行反馈。
+
+### 4. 增加宣称风险检查
+
+帮助品牌识别高风险、夸大、不受支持或不合规的宣称。这能保护信任，也能让产品区别于通用 AI 内容生成工具。
+
+## 定价与扩张
+
+- 将从产品创新到内容激活的转化作为可衡量的队列变量，而不是假设。
+- 避免 25-40 倍的价格悬崖。
+- 基于实际协同价值、实施成本和回收期影响来定价套餐。
+- 跟踪多引擎账户是否比单引擎账户有更好留存、更高 ARPA 或更短回收期。
+
+## 多引擎证明门
+
+在至少一项被客户数据证明前，不要投入工程资源开发下一个引擎：
+
+- 多引擎客户留存显着好于单引擎客户。
+- 多引擎客户带来明显更高 ARPA，且 CAC 回收期没有恶化。
+- 内容激活提高了产品创新的使用频率或质量。
+- 产品到内容工作流产出的内容被采纳，且区别于通用 AI 内容工具。
+- 扩张销售可以重复，而不是依赖定制咨询。
+
+## 仍然不构建什么
+
+仍不要构建完整广告自动化。广告优化是另一个市场，既有更强的竞争者，也有更高复杂度和更明确的效果责任。
+
+除非证明门显示广度正在改善经济性，否则不要构建用户运营、全链路运营或行业情报。
+
+## 继续标准
+
+只有全部满足时，才进入阶段 3：
+
+- 内容激活 attach rate 达到团队目标，30%+ 可作为初始基准。
+- 50%+ 已激活客户每月导出或使用内容 brief。
+- 多引擎客户在留存或扩张上明显优于可比单引擎客户。
+- 多引擎 ARPA 或 CAC 回收期变好，而不是只带来更高收入和更重服务负担。
+- 跨引擎推荐被客户采纳。
+- 公司在美妆垂直领域拥有可防御的参考客户基础。
+
+## 停止或转向标准
+
+出现以下情况应暂停进一步引擎扩张：
+
+- 内容激活表现得像通用 AI 文案工具。
+- 内容用户没有比楔子用户更高留存或扩张。
+- 第二引擎分散了产品创新留存的注意力。
+- 每次扩张销售都需要定制工作流设计。
+- 宣称风险引发责任或信任问题。
+
+---
+
+# 阶段 3：多引擎增长系统
+
+## 阶段命题
+
+只有当广度改善留存、ARPA 或回收期时，才继续扩张。
+
+阶段 3 走向跨增长职能的编排，但每增加一个引擎都必须通过自己的价值门槛。
+
+## 时间盒
+
+第 24-36 个月及以后可作为规划估计。不能仅因时间到了就进入。
+
+## 进入条件
+
+必须全部成立：
+
+- 产品创新有强留存。
+- 内容激活有有意义的 attach rate 和可衡量协同。
+- 客户把系统用于真实决策，而不仅是读报告。
+- 私有数据集成已经跑通。
+- 公司有足够实施能力。
+- 下一个引擎有明确客户拉力。
+- 多引擎使用已经改善留存、ARPA 或回收期。
+
+## 候选引擎扩张顺序
+
+下一引擎应根据客户拉力和经济证据选择。
+
+### 1. 用户反馈与留存引擎
+
+使用购后、社群、私域和 CRM 反馈识别：
+
+- 复购驱动因素。
+- 不满意点。
+- 流失信号。
+- 产品改进任务。
+- 分人群异议。
+
+### 2. 广告学习引擎
+
+先做学习和诊断，不做自主广告优化：
+
+- 胜出信息分析。
+- 创意角度诊断。
+- 广告评论挖掘。
+- 落地页异议分析。
+- 信息到产品的反馈。
+
+### 3. 全链路运营引擎
+
+只在后期、且客户数据支持时构建：
+
+- 退货原因分析。
+- 客服问题聚类。
+- 物流或区域异常检测。
+- 产品质量反馈闭环。
+- 服务到产品改进任务。
+
+## 编排层
+
+编排器应在同一客户使用多个引擎之后自然出现。它的职责是连接工作流：
+
+- 产品机会变成内容 brief。
+- 内容表现变成产品洞察。
+- 客户投诉变成产品改进任务。
+- 广告异议变成落地页或产品信息改进。
+- 退货原因变成产品或服务修复。
+
+本阶段主要服务于信任阶梯第 4 级：有人参与的编排。
+
+## 继续标准
+
+只有满足以下条件，才走向完整平台：
+
+- 25%+ 客户使用至少两个引擎，或另一个明确阈值达成且经济性更强。
+- 多引擎客户留存显着优于单引擎客户。
+- 多引擎客户产生更高 ARPA，且 CAC 回收期没有变差。
+- 跨引擎推荐被采纳。
+- 系统能协调工作流，而不是靠服务团队手动拼接。
+
+## 停止或转向标准
+
+出现以下情况应暂停平台扩张：
+
+- 广度带来的实施成本增长快于收入。
+- 多引擎采用是销售驱动，但真实使用很浅。
+- 客户不信任跨引擎推荐。
+- 团队无法在多个引擎上维持准确性和证据质量。
+
+---
+
+# 阶段 4：首席增长官平台与可选第二曲线
+
+## 阶段命题
+
+先成为美妆增长决策的记录系统，再决定是否扩展边界。
+
+只有在公司已经赢得美妆防御性滩头阵地，并证明多引擎经济性后，本阶段才可信。
+
+## 时间盒
+
+36 个月及以后。
+
+## 平台能力
+
+- 在合规前提下统一天猫、京东、抖音、小红书、私域和线下来源。
+- 记录市场信号、推荐、草稿、执行和结果的完整决策历史。
+- 在批准护栏内运行更高自主度工作流。
+- 对受限任务采用人工监督的运行模式。
+- 覆盖产品创新、内容、广告学习、用户运营、客服智能和产品反馈闭环的增长决策基础设施。
+
+此时，信任阶梯第 5 级才变得合理：在受限工作流内运营。
+
+## 行业情报谨慎原则
+
+跨品牌匿名化或聚合情报可能成为第二收入曲线，客户包括：
+
+- 原料供应商。
+- OEM/ODM 厂商。
+- 投资机构。
+- 大型消费品集团。
+- 零售渠道。
+
+但它必须被视为高风险后期选项，而不是既定资产。它需要：
+
+- 客户明确 opt-in。
+- 监管审查和许可。
+- PIPL 安全的聚合与匿名化。
+- 合同授权。
+- 与客户机密战略清晰隔离。
+- 渠道冲突分析。
+- 对现有品牌客户进行信任测试。
+
+如果它削弱核心品牌产品的信任或私有数据锁定，就不要推进。
+
+## 可能的第二垂直
+
+只有在以下条件成立时，才考虑第二行业：
+
+- 美妆打法可重复，且不依赖创始人个人经验。
+- 知识图谱方法可迁移。
+- 数据获取在法律和经济上可行。
+- 扩张不会拖慢美妆楔子。
+
+---
+
+# 推荐路线图摘要
+
+## 阶段 0：数据门与礼宾式验证
+
+证明合法数据获取、PIPL 就绪、知识图谱来源、ICP 痛点、付费设计合作伙伴需求和战略意图过滤器。
+
+## 阶段 1：产品机会雷达与产品创新引擎
+
+发布聚焦楔子：机会卡、证据层、决策工作台、AI 分析师、每周简报，以及入门层轻量私有数据连接。定价基于 CAC 回收期和销售动作经济性。
+
+## 阶段 2：深化楔子，加内容激活
+
+先深化楔子，再将内容激活作为唯一相邻引擎。证明洞察 -> 推荐 -> 起草 -> 反馈，并要求可衡量的多引擎协同后才投入更多引擎。
+
+## 阶段 3：多引擎增长系统
+
+只有当客户数据证明更好留存、ARPA 或回收期时，才一次增加一个引擎。编排应来自真实重复工作流，而不是平台野心。
+
+## 阶段 4：完整 CGO 平台与可选行业情报
+
+成为美妆增长决策的记录系统。只有在明确授权、监管许可，以及不会伤害信任的证据存在时，才考虑行业数据或第二垂直。
+
+---
+
+# 关键战略选择
+
+公司不应先用这句话取胜：
+
+> 我们是一个什么都能做的 AI 首席增长官。
+
+而应先证明：
+
+> 我们能帮助美妆品牌从真实消费者、竞品和私有数据信号中发现更好的产品机会，并解释清楚为什么每条建议值得行动。
+
+当这个楔子变得可信、有留存且经济性成立后，更大的首席增长官愿景才可信。
diff --git a/roadmap/product-roadmap-unified.md b/roadmap/product-roadmap-unified.md
new file mode 100644
index 0000000..9136a44
--- /dev/null
+++ b/roadmap/product-roadmap-unified.md
@@ -0,0 +1,849 @@
+# Chief Growth Officer - Unified Product Roadmap
+
+_A consolidated roadmap for the Chief Growth Officer product. The core
+principle is evidence before expansion: each phase advances only when the
+company has proven the risk that phase exists to retire._
+
+---
+
+## Reader and Post-Read Action
+
+This roadmap is for founders, product leaders, growth leaders, and investors
+deciding what the Chief Growth Officer product should prove and build next.
+After reading it, the team should be able to sequence work, define phase gates,
+price the early product, and reject premature platform expansion.
+
+---
+
+## Roadmap Philosophy
+
+Do not start by building a full "AI Chief Growth Officer." The long-term vision
+is credible only if the first product is narrow, trusted, legally durable, and
+commercially provable.
+
+The product should evolve through three layers:
+
+1. **Product Opportunity Radar** - find high-quality product and messaging
+   opportunities from market signals.
+2. **Decision Intelligence System** - help brands decide what to build, change,
+   test, or communicate.
+3. **Growth Orchestration Platform** - coordinate product, content,
+   advertising, user operation, and service workflows.
+
+The first 12 months should prove one question:
+
+> Can we reliably help beauty and personal-care brands discover actionable
+> product opportunities earlier and more accurately than they can on their own,
+> with a legally durable data pipeline and viable unit economics?
+
+If yes, the broader platform can grow naturally from the wedge. If no, adding
+more engines will compound risk instead of creating a moat.
+
+---
+
+## Guiding Principles
+
+1. **Sequence by risk, not by feature.** The risks that can kill the company are
+   data access, customer trust, willingness to pay at a workable price, and
+   whether private-data connection can be made easy enough for the entry
+   product.
+2. **Make Phase 0 a hard data gate.** Do not assume access to competitor
+   reviews, social comments, platform signals, knowledge-graph sources, or
+   private customer data. Prove PIPL readiness, data licensing, API feasibility,
+   and off-limits areas before productizing the wedge.
+3. **The wedge must stand alone.** The Product Innovation Engine has to work as
+   a gross-margin-positive business on its own. It cannot depend on a future
+   multi-engine upsell to justify its economics.
+4. **Trust is earned in steps.** Start as decision support. Move toward
+   orchestration and operation only after customers repeatedly act on the
+   system's output.
+5. **Depth before breadth.** Build depth in one beauty sub-category, then one
+   adjacent engine. Do not fund a five-engine platform until there is proof that
+   multi-engine usage improves retention, ARPA, or CAC payback.
+6. **Private-data lock-in starts at entry.** The hero question, "Where are we
+   weaker than competitor X?", requires customer data. The entry tier must
+   include a light private-data connection so the flagship experience is real
+   where most customers land.
+7. **Industry intelligence is optional and risky.** Anonymized or aggregated
+   cross-brand intelligence is a later-stage revenue option that requires
+   explicit opt-in, regulatory clearance, and careful management of channel
+   conflict. It is not an assumed asset.
+
+---
+
+## Trust Ladder
+
+The trust ladder runs across all phases. Pricing power and the "Chief Growth
+Officer" positioning are earned by climbing it, not asserted at launch.
+
+| Rung | Product role | What the AI does | Primary phases |
+| --- | --- | --- | --- |
+| 1 | Insight | Surfaces signals, ranks pain points, flags anomalies | Phase 0-1 |
+| 2 | Recommendation | Proposes specific actions with reasoning, evidence, and confidence | Phase 1 |
+| 3 | Draft | Produces ready-to-use artifacts for human approval | Phase 2 |
+| 4 | Orchestration | Coordinates multi-step workflows across functions with human-in-the-loop control | Phase 2-3 |
+| 5 | Operation | Executes bounded workflows inside approved guardrails with human-on-the-loop oversight | Phase 3+ |
+
+Every product decision should state which rung it serves. Features that imply a
+higher rung than the evidence supports should be deferred.
+
+---
+
+## Initial ICP
+
+Start with Chinese beauty, skincare, personal-care, or haircare brands with
+annual GMV between RMB 30 million and RMB 300 million, selling mainly through
+Tmall, Douyin, Xiaohongshu, JD, or private channels.
+
+Prioritize brands with at least three of these traits:
+
+- Frequent product launches or SKU iteration.
+- Heavy reliance on ingredients, efficacy, texture, or functional claims.
+- Founder or product lead directly involved in product decisions.
+- Strong competitor pressure.
+- Existing pain around identifying new product opportunities.
+- Customer feedback scattered across multiple platforms.
+- Willingness to connect lightweight private data for better diagnosis.
+
+---
+
+# Phase 0: Data Gate, ICP, and Problem Validation
+
+## Phase Thesis
+
+Earn the right to build the Product Opportunity Radar.
+
+This phase replaces any assumed data access with a hard feasibility gate. The
+team should spend as little engineering effort as possible while proving the
+business-critical assumptions.
+
+## Timebox
+
+0-8 weeks is a useful planning estimate, but transition is evidence-based, not
+timeline-based.
+
+## What to Prove
+
+- Competitor review, e-commerce Q&A, social content, and social comments can be
+  obtained legally and durably through official APIs, licensed providers, direct
+  partnerships, customer-authorized exports, or other compliant channels.
+- PIPL and data-handling requirements are understood for private-data ingestion,
+  including customer service conversations, refund reasons, SOV data, CRM tags,
+  and sales/loss data.
+- A narrow beauty knowledge graph can be seeded from reliable sources in one
+  sub-category, such as skincare serums, sunscreen, or haircare repair.
+- The target ICP has urgent product-opportunity pain and will pay for an
+  expert-reviewed, AI-assisted output before a full SaaS product exists.
+- The strategic-intent filter changes outputs in a way customers notice and
+  value.
+
+## Workstreams
+
+### 1. Data Access and Compliance Investigation
+
+Map each core data source:
+
+- Competitor product reviews.
+- E-commerce Q&A.
+- Xiaohongshu posts and comments where legally and technically available.
+- Douyin product and content signals where legally and technically available.
+- Public social mentions.
+- Customer-provided service conversations, refund reasons, surveys, CRM tags,
+  SKU sales, and regional return data.
+
+For each source, document:
+
+- Legal basis and consent model.
+- API or provider feasibility.
+- Rate limits, durability, and cost.
+- Whether scraping is prohibited or too fragile.
+- Data retention requirements.
+- PIPL obligations.
+- Whether the source is allowed in product, only allowed in concierge analysis,
+  or off-limits.
+
+### 2. ICP and Problem Validation
+
+Run 20-30 customer interviews with founders, product leads, and growth leads.
+Validate:
+
+- How they currently find product opportunities.
+- Which product decisions are expensive when wrong.
+- What data they already trust.
+- How often they review competitor reviews, social content, and customer service
+  conversations.
+- What would make them trust an AI-generated recommendation.
+- Whether they would pay for opportunity cards, weekly briefings, or a decision
+  workspace.
+
+### 3. Concierge Product Opportunity Radar
+
+Deliver a done-with-you version to 5-10 design partners. Charge real money.
+Use AI behind the scenes, but keep expert review in the loop.
+
+Deliverables:
+
+- Ranked pain points.
+- Opportunity cards.
+- Weekly founder briefing.
+- Evidence layer with representative feedback, source, time window, confidence,
+  and risk level.
+- Strategic-intent variants, such as premium ingredient-led vs value-led
+  positioning.
+
+### 4. Knowledge Graph Seed
+
+Build depth in one narrow category. Capture:
+
+- Ingredient taxonomy.
+- Efficacy claims.
+- Texture vocabulary.
+- Common complaints.
+- Regulatory and claim-risk notes.
+- Competitor SKU map.
+- Brand-positioning dimensions.
+
+## Continue Criteria
+
+Advance to Phase 1 only if all are true:
+
+- A repeatable, legally defensible data path exists for the core radar.
+- PIPL and private-data handling requirements are documented clearly enough to
+  shape product architecture and sales promises.
+- At least 5 paying or semi-paid design partners participate.
+- At least 70% of interviewed brands confirm product opportunity discovery as a
+  real pain.
+- At least 3 brands provide historical launch, feedback, or customer-service data
+  for testing under a compliant process.
+- Founders or product leads at 5+ brands change, prioritize, or seriously
+  discuss a real decision based on the output.
+- There is clear willingness to pay at a price that can support the expected
+  sales and onboarding motion.
+
+## Stop or Pivot Criteria
+
+Pause or pivot if:
+
+- Core external data cannot be acquired legally, durably, or affordably.
+- Customers refuse even lightweight private-data connection, making the hero
+  diagnosis too shallow.
+- The output is treated as interesting research but does not affect decisions.
+- Willingness to pay cannot support CAC payback and service cost.
+- The strategic-intent filter does not improve perceived quality.
+
+---
+
+# Phase 1: Product Opportunity Radar and Product Innovation Engine
+
+## Phase Thesis
+
+Build one product that pays for itself.
+
+Phase 1 productizes the validated concierge workflow into a focused SaaS-plus-
+service wedge. It should operate at trust ladder rungs 1-2: insight and
+recommendation.
+
+## Timebox
+
+Months 2-12 as a planning estimate. Transition depends on the evidence gates
+below.
+
+## Positioning
+
+Use "Product Opportunity Radar" for the first sellable package and "Product
+Innovation Engine" as the broader Phase 1 product. Keep "Chief Growth Officer"
+as the parent vision, not the day-one promise.
+
+Core promise:
+
+> We help beauty brands discover new product, texture, ingredient, efficacy, and
+> messaging opportunities from competitor feedback, consumer pain points, market
+> signals, and lightweight private data.
+
+## Product Form
+
+Start hybrid, then progressively productize:
+
+- AI-powered data analysis.
+- Expert-reviewed opportunity cards.
+- Weekly opportunity briefing.
+- Lightweight web workspace.
+- Push alerts for urgent competitor signals.
+- Light private-data connection in the entry tier.
+
+Do not start with a dashboard-heavy BI system. The core product object is the
+opportunity card.
+
+## Core Modules
+
+### 1. Strategic Configuration Center
+
+Customers configure:
+
+- Category.
+- Price band.
+- Brand positioning.
+- Core competitors.
+- Product lines.
+- Hero ingredients.
+- Key claims.
+- Target consumers.
+- Strategic priorities.
+
+### 2. Market Signal Radar
+
+Monitor:
+
+- Competitor review changes.
+- Complaint spikes.
+- Ingredient trends.
+- Texture and usage feedback.
+- Social content themes.
+- Emerging pain points.
+- E-commerce Q&A signals.
+
+### 3. Light Private-Data Connection
+
+Include this in the entry experience, not only the professional tier. Keep scope
+small enough for fast onboarding:
+
+- A CSV or platform export upload.
+- A limited customer-service conversation sample.
+- Refund/return reason sample.
+- Post-purchase review sample.
+- Basic own-brand SKU feedback.
+
+This enables the hero comparison:
+
+> Where are we weaker than competitor X, and what should we fix first?
+
+### 4. Competitor Review Intelligence
+
+Track 20-50 competitor SKUs per customer. Identify:
+
+- Rising negative feedback.
+- Repeated complaints.
+- Texture issues.
+- Efficacy doubts.
+- Packaging problems.
+- Ingredient concerns.
+- Price/value complaints.
+- Usage confusion.
+
+### 5. Pain Point Ranking
+
+Rank pain points by:
+
+- Frequency.
+- Growth rate.
+- Severity.
+- Relevance to brand positioning.
+- Competitive whitespace.
+- Evidence quality.
+
+### 6. Opportunity Card System
+
+Each card should include:
+
+- Opportunity name.
+- Consumer pain point.
+- Representative evidence.
+- Signal strength.
+- Competitor weakness.
+- Own-brand comparison where private data is connected.
+- Brand fit.
+- Suggested product direction.
+- Suggested claim or messaging angle.
+- Recommended next action.
+- Confidence level.
+- Risk level.
+- Decision status.
+
+### 7. Decision Workspace
+
+Teams can:
+
+- Save, compare, reject, prioritize, and archive cards.
+- Assign opportunities.
+- Add comments.
+- Vote or score.
+- Export internal briefs.
+- Track whether an opportunity was adopted.
+
+Decision statuses:
+
+- New.
+- Under review.
+- Testing.
+- Adopted.
+- Rejected.
+- Archived.
+
+### 8. AI Analyst and Exportable Briefs
+
+Support natural-language questions:
+
+- "Where is Competitor A weakest recently?"
+- "What complaints are rising in sunscreen?"
+- "Where are we weaker than competitor X?"
+- "What product opportunity fits our sensitive-skin positioning?"
+- "Which opportunity is most suitable for our next launch?"
+
+Generate:
+
+- Founder weekly summary.
+- Product concept brief.
+- Product improvement brief.
+- Content strategy bridge.
+- Competitor response brief.
+
+## What Not to Build Yet
+
+Do not build:
+
+- Full AI agent orchestration.
+- Five-engine platform.
+- Automated ad optimization.
+- Broad category coverage.
+- Fully automated decision-making.
+- Industry data products.
+
+## Packaging and Pricing
+
+Pricing must be co-designed with CAC payback and sales motion economics, not
+only willingness-to-pay interviews.
+
+### Entry
+
+For small and mid-market brands landing in the wedge.
+
+Includes:
+
+- Competitor monitoring.
+- Pain point ranking.
+- Weekly opportunity briefing.
+- Limited opportunity cards.
+- Light private-data connection.
+- Basic own-brand vs competitor diagnosis.
+
+The entry price should be high enough to support onboarding, data costs, and a
+target CAC payback under 12 months. RMB 19,800-29,800/year may be a starting
+hypothesis, but it should not be accepted unless the actual motion works at that
+price.
+
+### Professional
+
+For brands using the product in recurring product reviews.
+
+Includes:
+
+- More competitor SKUs.
+- Deeper private-data connection.
+- Product decision workspace.
+- Monthly strategy review.
+- More detailed evidence layer.
+- Feedback loop from decision to outcome.
+
+RMB 59,800-99,800/year is plausible only if gross margin and payback survive the
+required service layer.
+
+### Strategic Co-Creation
+
+For brands that want deeper analysis and expert involvement.
+
+Includes:
+
+- Custom taxonomy.
+- More private data.
+- Expert review.
+- Monthly strategic workshops.
+- Custom opportunity reports.
+
+RMB 150,000-300,000/year is a useful starting hypothesis, but the main gate is
+whether the package creates repeatable learning for the product instead of
+becoming bespoke consulting.
+
+## GTM
+
+- Founder-led sales.
+- Design-partner referrals.
+- Content marketing built from the founder's growth methodology.
+- Beauty-founder community education.
+- High-touch onboarding only where pricing supports it.
+
+Explicitly instrument:
+
+- CAC by channel.
+- Sales cycle length.
+- Onboarding cost.
+- Data integration cost.
+- Gross margin by tier.
+- CAC payback.
+- Expansion rate.
+- Recommendation action rate.
+
+## Continue Criteria
+
+Advance to Phase 2 only if all are true:
+
+- 50-80 paying customers, or a smaller number with clear retention and pricing
+  evidence sufficient to fund focused expansion.
+- Net revenue retention at or above the team's target.
+- CAC payback under 12 months on the entry product alone.
+- Positive gross margin for Phase 1 in isolation.
+- 60%+ monthly active account rate or another explicit activity benchmark tied
+  to product reviews.
+- 40%+ of customers export or share at least one brief per month.
+- Documented evidence that at least 20 real business decisions were influenced
+  by the product.
+- Customers with private-data connection retain or engage materially better than
+  public-data-only customers.
+
+## Stop or Pivot Criteria
+
+Pause expansion if:
+
+- The product is consumed as a report but not used in decisions.
+- The entry tier cannot include private data without breaking onboarding
+  economics.
+- Gross margin depends on unscalable expert work.
+- CAC payback requires an unrealistic sales motion.
+- Customers ask for generic AI content before trusting the opportunity engine.
+
+---
+
+# Phase 2: Depth Plus One Adjacent Engine
+
+## Phase Thesis
+
+Prove synergy with two engines before claiming a multi-engine moat.
+
+This phase climbs from recommendation to draft and early orchestration. It adds
+one adjacent engine only after the product innovation wedge has proven retention
+and decision impact.
+
+## Timebox
+
+Months 12-24 as a planning estimate. Advancement is gated by proof of
+multi-engine value.
+
+## Build Order
+
+### 1. Deepen the Product Innovation Engine
+
+Before adding breadth:
+
+- Expand the knowledge graph to more beauty sub-categories.
+- Improve confidence calibration.
+- Improve evidence traceability.
+- Strengthen claim-risk awareness.
+- Improve private-data feedback loops.
+- Track the relationship between market signal, brand decision, execution, and
+  business result.
+
+The strongest proprietary asset is not raw data. It is the historical
+relationship:
+
+> Market signal -> brand decision -> execution -> business result.
+
+### 2. Add Content Activation as the First Adjacent Engine
+
+Content is the natural second engine because product insights become content
+angles.
+
+For an opportunity such as "consumers complain sticky sunscreen feels heavy,"
+the system can draft:
+
+- Xiaohongshu post angles.
+- Douyin short video scripts.
+- Live-stream selling points.
+- Product page copy.
+- Influencer briefs.
+- Founder explanation scripts.
+- Comparison claims.
+- FAQ and objection-handling copy.
+
+### 3. Build the Product-to-Content Workflow
+
+Each opportunity card can become:
+
+- Product concept.
+- Selling point.
+- Content campaign.
+- Influencer brief.
+- Launch message.
+
+Track which drafts are used and how they perform. This is the first real
+orchestration proof: insight -> recommendation -> draft -> execution feedback.
+
+### 4. Add Claim Risk Check
+
+Help brands identify risky, exaggerated, unsupported, or non-compliant claims.
+This protects trust and reinforces the difference between strategic AI and
+generic content generation.
+
+## Pricing and Expansion
+
+- Treat conversion from Product Innovation to Content Activation as a measured
+  cohort variable, not an assumption.
+- Avoid a 25-40x price cliff between tiers.
+- Price bundles based on observed synergy value, implementation cost, and
+  payback impact.
+- Track whether multi-engine accounts have better retention, higher ARPA, or
+  shorter payback than single-engine accounts.
+
+## Multi-Engine Proof Gate
+
+Do not commit engineering resources to the next engine until at least one of
+these is proven with customer data:
+
+- Multi-engine customers retain materially better than single-engine customers.
+- Multi-engine customers produce meaningfully higher ARPA without worse payback.
+- Content Activation improves the frequency or quality of Product Innovation
+  usage.
+- Product-to-content workflows create adopted outputs that generic AI content
+  tools do not.
+- Expansion sales are repeatable without bespoke consulting.
+
+## What Still Not to Build
+
+Do not build full ad automation yet. Advertising optimization is a separate
+market with stronger incumbents, higher complexity, and clearer performance
+accountability.
+
+Do not build user operations, full-chain operations, or industry intelligence
+unless the proof gate says breadth is improving economics.
+
+## Continue Criteria
+
+Advance to Phase 3 only if all are true:
+
+- Content Activation attach rate reaches the team's target, with 30%+ as an
+  initial benchmark.
+- 50%+ of activated customers export or use content briefs monthly.
+- Multi-engine customers materially out-retain or out-expand comparable
+  single-engine customers.
+- Multi-engine ARPA or CAC payback is better, not merely larger revenue with
+  higher service burden.
+- Cross-engine recommendations are adopted by customers.
+- The company has a defensible reference base in beauty.
+
+## Stop or Pivot Criteria
+
+Pause further engine expansion if:
+
+- Content Activation behaves like a generic AI copy tool.
+- Content users do not retain better or expand more than wedge-only users.
+- The second engine distracts from Product Innovation retention.
+- Each expansion sale requires bespoke workflow design.
+- Claim-risk concerns create liability or trust issues.
+
+---
+
+# Phase 3: Multi-Engine Growth System
+
+## Phase Thesis
+
+Expand only where breadth improves retention, ARPA, or payback.
+
+Phase 3 moves toward orchestration across multiple growth functions, but each
+additional engine must pass its own value gate.
+
+## Timebox
+
+Months 24-36+ as a planning estimate. Do not enter on timeline alone.
+
+## Conditions Before Entering
+
+All must be true:
+
+- Product Innovation has strong retention.
+- Content Activation has meaningful attach rate and measurable synergy.
+- Customers use the system for real decisions, not just reports.
+- Private-data integration is working.
+- The company has enough implementation capacity.
+- There is clear customer pull for the next engine.
+- Multi-engine usage has improved retention, ARPA, or payback.
+
+## Candidate Engine Expansion Order
+
+Choose the next engine based on customer pull and economic evidence.
+
+### 1. User Feedback and Retention Engine
+
+Use post-purchase, community, private-domain, and CRM feedback to identify:
+
+- Repeat-purchase drivers.
+- Dissatisfaction points.
+- Churn signals.
+- Product improvement tasks.
+- Segment-specific objections.
+
+### 2. Advertising Learning Engine
+
+Start with learning and diagnosis, not autonomous ad optimization:
+
+- Winning message analysis.
+- Creative angle diagnosis.
+- Ad comment mining.
+- Landing-page objection analysis.
+- Message-to-product feedback.
+
+### 3. Full-Chain Operations Engine
+
+Only later, and only where customer data supports it:
+
+- Return reason analysis.
+- Customer service issue clustering.
+- Delivery or regional anomaly detection.
+- Product quality feedback loops.
+- Service-to-product improvement tasks.
+
+## Orchestration Layer
+
+The orchestrator should emerge after multiple engines are used by the same
+customers. Its job is to connect workflows:
+
+- Product opportunities become content briefs.
+- Content performance becomes product insight.
+- Customer complaints become product improvement tasks.
+- Ad objections become landing-page or product messaging improvements.
+- Return reasons become product or service fixes.
+
+This phase operates mainly at trust ladder rung 4: orchestration with
+human-in-the-loop control.
+
+## Continue Criteria
+
+Advance toward the full platform only if:
+
+- 25%+ of customers use at least two engines, or another explicit threshold is
+  met with stronger economics.
+- Multi-engine customers retain materially better than single-engine customers.
+- Multi-engine customers generate higher ARPA without worse CAC payback.
+- Cross-engine recommendations are adopted.
+- The system can coordinate workflows without a services team manually stitching
+  everything together.
+
+## Stop or Pivot Criteria
+
+Pause platform expansion if:
+
+- Breadth increases implementation cost faster than revenue.
+- Multi-engine adoption is sales-led but usage is shallow.
+- Customers do not trust cross-engine recommendations.
+- The team cannot maintain accuracy and evidence quality across engines.
+
+---
+
+# Phase 4: Chief Growth Officer Platform and Optional Second Curves
+
+## Phase Thesis
+
+Become the system of record for growth decisions in beauty, then decide whether
+to expand the surface.
+
+This phase is credible only after the company has earned a defensible beachhead
+in beauty and proven multi-engine economics.
+
+## Timebox
+
+36 months and beyond.
+
+## Platform Capabilities
+
+- Cross-platform data unification across Tmall, JD, Douyin, Xiaohongshu, private
+  channels, and offline sources where compliant.
+- Full decision history across market signal, recommendation, draft, execution,
+  and outcome.
+- Higher-autonomy workflows under approved guardrails.
+- Human-on-the-loop operation for bounded tasks.
+- Broader growth decision infrastructure across product innovation, content,
+  advertising learning, user operation, customer service intelligence, and
+  product feedback loops.
+
+This is where trust ladder rung 5 becomes plausible: operation inside carefully
+bounded workflows.
+
+## Industry Intelligence Caution
+
+Cross-brand anonymized or aggregated intelligence may become a second revenue
+curve for:
+
+- Ingredient suppliers.
+- OEM/ODM manufacturers.
+- Investment firms.
+- Large consumer groups.
+- Retail channels.
+
+Treat this as a risky later-stage option, not a planned asset. It requires:
+
+- Explicit customer opt-in.
+- Regulatory review and clearance.
+- PIPL-safe aggregation and anonymization.
+- Contractual permission.
+- Clear separation from customer-confidential strategy.
+- Channel-conflict analysis.
+- Trust testing with existing brand customers.
+
+Do not pursue it if it weakens the core brand product's trust or private-data
+lock-in.
+
+## Possible Second Vertical
+
+A second industry is an option only if:
+
+- The beauty playbook is repeatable without founder-dependent expertise.
+- The knowledge-graph approach transfers.
+- Data access is legally and economically feasible.
+- Expansion does not slow the beauty wedge.
+
+---
+
+# Recommended Roadmap Summary
+
+## Phase 0: Data Gate and Concierge Validation
+
+Prove legal data access, PIPL readiness, knowledge-graph sourcing, ICP pain,
+paid design-partner demand, and the strategic-intent filter.
+
+## Phase 1: Product Opportunity Radar and Product Innovation Engine
+
+Launch the focused wedge with opportunity cards, evidence, decision workspace,
+AI analyst, weekly briefings, and light private-data connection in the entry
+tier. Price from CAC payback and sales motion economics.
+
+## Phase 2: Depth Plus Content Activation
+
+Deepen the wedge, then add Content Activation as the only adjacent engine.
+Prove insight -> recommendation -> draft -> feedback, and require measured
+multi-engine synergy before funding more engines.
+
+## Phase 3: Multi-Engine Growth System
+
+Add engines one at a time only when customer data proves better retention, ARPA,
+or payback. Build orchestration from real repeated workflows, not platform
+ambition.
+
+## Phase 4: Full CGO Platform and Optional Industry Intelligence
+
+Become the growth decision system of record in beauty. Consider industry data or
+a second vertical only with explicit opt-in, regulatory clearance, and evidence
+that it will not damage trust.
+
+---
+
+# Key Strategic Choice
+
+The company should not try to win by saying:
+
+> We are an AI Chief Growth Officer that does everything.
+
+It should first win by proving:
+
+> We help beauty brands discover better product opportunities from real consumer,
+> competitor, and private-data signals, and we can show why each recommendation
+> is worth acting on.
+
+Once that wedge becomes trusted, retained, and economically sound, the broader
+Chief Growth Officer vision becomes credible.