提示工程架构师用AI诊断商业模式：3个prompt提示词+使用案例

关键词：提示工程架构师、AI商业模式诊断、Prompt设计方法论、价值主张分析、盈利模式优化、市场适配性评估、AI辅助决策

摘要：在商业竞争白热化的今天，每个创业者和企业都希望拥有“商业CT机”，快速扫描自己的商业模式是否健康。本文将揭秘“提示工程架构师”如何像设计精密仪器一样，通过3个核心Prompt提示词，让AI成为你的商业模式诊断专家。我们会从提示工程的底层逻辑讲起，用“给AI写‘体检指南’”的比喻，拆解商业模式诊断的关键维度（价值主张、盈利模式、市场适配），并通过3个真实场景案例（奶茶连锁、SaaS工具、跨境电商），手把手教你设计Prompt、解读AI诊断报告、落地优化方案。无论你是初创公司CEO、产品经理，还是想提升AI应用能力的职场人，读完本文，你将掌握用AI“透视”商业模式的核心技能，让AI从“聊天工具”升级为“商业决策脑”。

背景介绍

目的和范围

你有没有这样的经历：明明团队很努力，产品也做出来了，用户却不买单？投资人问“你的商业模式核心是什么”时，你说了半天对方还是皱眉？这时候，你可能需要给商业模式做个“全面体检”——但请咨询公司太贵，自己分析又容易“灯下黑”。

本文的目的，就是教你用提示工程这把“钥匙”，让AI成为你的“商业模式诊断医生”。我们会聚焦3个核心问题：

1. 如何设计“精准提问”（Prompt）让AI看懂你的商业模式？
2. 如何通过AI诊断发现商业模式的“隐形病灶”（比如价值主张模糊、盈利模式脆弱）？
3. 如何用AI输出的“诊断报告”制定优化方案？

范围覆盖商业模式诊断的全流程：从Prompt设计原则，到3个关键诊断维度的具体Prompt模板，再到真实案例中的应用方法。

预期读者

• 创业者/企业CEO：想快速验证商业模式可行性，避免“盲目试错”；
• 产品经理/战略分析师：需要系统化分析竞品商业模式，找到差异化机会；
• AI应用实践者：想提升提示工程能力，把AI从“文案工具”升级为“决策助手”；
• 投资人：希望用AI辅助快速评估项目商业模式的健康度。

文档结构概述

本文会像“拆解一台商业CT机”一样，分6个部分展开：

1. 核心概念：什么是“提示工程架构师”？AI如何“看懂”商业模式？
2. 诊断原理：商业模式诊断的3个“核心体检项”（价值主张、盈利模式、市场适配）；
3. Prompt设计：3个“黄金Prompt”模板及设计逻辑；
4. 实战案例：3个行业案例（奶茶连锁、SaaS工具、跨境电商）的完整诊断过程；
5. 工具与技巧：提升诊断 accuracy 的7个“Prompt微调技巧”；
6. 未来趋势：AI商业模式诊断的进化方向（多模态输入、实时动态诊断等）。

术语表

核心术语定义

• 提示工程架构师：不是“写提示词的人”，而是“设计AI任务流程的架构师”——他们懂AI能力边界，懂业务逻辑，能把复杂任务拆解为AI可执行的步骤，用Prompt“搭桥”让AI输出专业结果。
• 商业模式诊断：用系统化框架（如商业模式画布、价值链分析）评估商业模式的“健康度”，识别优势、风险和优化机会，类似“给企业做全身CT”。
• Prompt提示词：给AI的“任务说明书”，包含问题描述、背景信息、输出要求等，好的Prompt能让AI从“猜你想要什么”变成“明确知道该做什么”。

相关概念解释

• 商业模式画布：由9个模块组成的商业模式分析工具（价值主张、客户细分、渠道通路、客户关系、收入来源、核心资源、关键业务、重要伙伴、成本结构），本文会用它作为AI诊断的“基础体检表”。
• 价值主张：企业为客户创造的“独特价值”（比如“更便宜”“更方便”“解决别人解决不了的问题”），是商业模式的“心脏”——价值主张模糊，商业模式就像“没装发动机的车”。
• 盈利模式健康度：评估收入来源是否可持续、成本结构是否合理、利润率是否有提升空间，比如“靠补贴获客却找不到盈利点”就是典型的“盈利模式贫血症”。

缩略词列表

• AI：人工智能（Artificial Intelligence）
• Prompt：提示词（用于引导AI生成特定输出的文本指令）
• SaaS：软件即服务（Software as a Service，一种通过互联网提供软件的商业模式）
• MVP：最小可行产品（Minimum Viable Product，用最少资源验证商业模式的产品版本）

核心概念与联系

故事引入：小明的奶茶店为什么“火了却不赚钱”？

小明开了家“网红奶茶店”，凭借“高颜值包装+第二杯半价”，3个月开了3家分店，每天排队1小时——但月底一算账：亏了10万！他想不通：“用户这么多，为什么不赚钱？”

如果小明懂提示工程，他可以这样做：

1. 把奶茶店的商业模式信息（客户、产品、成本、收入）整理成“病历”；
2. 设计一个“商业模式诊断Prompt”，让AI像“商业医生”一样分析；
3. AI可能会告诉他：“你的价值主张是‘低价引流’，但成本结构里原料占比60%，第二杯半价导致单杯利润-5元，属于‘用亏损换流量’，不可持续。”

这个故事告诉我们：没有AI的商业模式分析，就像“用手摸脉”——凭经验；用AI但不会设计Prompt，就像“给医生递错病历”——得不到准确诊断；而提示工程架构师，就是那个“既会写病历又会选医生”的人，让AI给出专业诊断。

核心概念解释（像给小学生讲故事一样）

核心概念一：提示工程架构师——给AI写“体检指南”的人

想象你家有个超级聪明的机器人，但它“听不懂人话”——你说“帮我看看作业”，它可能只说“都对”；但你说“帮我检查数学作业，用红笔标出错误，写出错误原因，再出3道类似题”，它就会做得很好。

提示工程架构师，就是那个“给机器人写详细说明书的人”。他们知道AI擅长什么（分析文本、找规律）、不擅长什么（凭空创造数据、判断伦理），能把“诊断商业模式”这种复杂任务，拆解成AI能理解的步骤，比如：

1. “先告诉我这家公司的客户是谁，他们有什么痛点？”（收集信息）
2. “再分析他们的产品能不能解决这些痛点？有没有比竞品好？”（价值主张评估）
3. “最后算算他们卖一个产品能赚多少钱，要花多少成本？”（盈利模式分析）

生活类比：提示工程架构师就像“旅行攻略设计师”——普通人说“帮我规划去北京的行程”，AI可能随便列几个景点；而架构师会写：“我带父母（60岁，喜欢历史，腿不好）去北京3天，住海淀区，预算5000元，帮我规划每天行程（含交通方式、休息时间、必去历史景点），避开人挤人的地方。”——这样AI才能给出“量身定制”的方案。

核心概念二：AI诊断商业模式——让AI当“商业CT机”

商业模式就像“人的身体”，有“心脏”（价值主张）、“血管”（盈利模式）、“骨骼”（市场定位）。AI诊断商业模式，就是让AI像“CT机”一样，扫描这些“器官”是否健康。

但AI不是“神医”，它的诊断能力取决于两个东西：

1. 输入的“病历”是否完整：你只告诉AI“我卖奶茶”，它只能说“挺好”；你告诉它“原料成本30%，租金20%，客单价15元，复购率10%”，它才能算出“单店月利润=（15-30%*15）*客流量 - 租金”。
2. “体检项目”是否明确：你说“帮我看看商业模式”，AI可能泛泛而谈；你说“用商业模式画布的9个模块，给每个模块打分（1-10分），低于6分的模块写出3个改进建议”，它就会像“按清单体检”一样系统分析。

生活类比：AI诊断商业模式，就像“用导航找路”——你输入“我要去天安门”（模糊需求），导航只能给大概路线；你输入“我开新能源车，想走充电桩多的路，避开早高峰拥堵路段”（明确需求+约束条件），导航才能给出“最优路线”。

核心概念三：Prompt设计的“3大黄金法则”——让AI“听懂”你的需求

设计Prompt就像“给AI下指令”，但不是随便说句话就行。提示工程架构师总结了3个“让AI听话”的法则：

法则一：目标明确——告诉AI“你要做什么角色，输出什么结果”
比如不要说“帮我分析商业模式”，而要说“你现在是‘商业模式诊断专家’，请用商业模式画布评估以下企业，输出每个模块的评分（1-10分）和3个风险点”。

生活类比：这就像点外卖时说“我要一份番茄炒蛋，不要香菜，米饭换成杂粮饭，打包带走”（明确角色：厨师；明确结果：番茄炒蛋+无香菜+杂粮饭+打包），而不是只说“来份外卖”。

法则二：背景充分——给AI“足够的病历”
AI不知道你公司的具体情况，所以要提供关键数据：客户是谁？产品是什么？收入成本多少？比如诊断奶茶店时，要告诉AI“客单价15元，原料成本5元/杯，租金1万元/月，日均客流200人”。

生活类比：这就像去医院时，医生会问“你哪里疼？疼了多久？有没有发烧？”——你说得越详细，医生诊断越准确。

法则三：格式约束——告诉AI“用什么格式输出”
比如要求AI“用表格输出评分，用 bullet points 写改进建议，重点内容标红”，这样你能快速找到关键信息，而不是面对一大段文字“大海捞针”。

生活类比：这就像让秘书写会议纪要时说“按‘议题-讨论结果-责任人-截止时间’的格式整理，重点用加粗标出”，而不是只说“写个会议纪要”。

核心概念之间的关系（用小学生能理解的比喻）

提示工程架构师 × AI诊断：就像“医生+CT机”的合作

提示工程架构师是“医生”，AI是“CT机”。医生要知道：

• CT机能拍什么（AI擅长分析文本、数据），不能拍什么（AI不能判断“这个商业模式是否符合伦理”）；
• 怎么摆病人姿势（设计Prompt让AI聚焦关键问题）；
• 怎么解读CT片（分析AI输出的结果，判断哪些建议可行）。

没有医生，CT机拍了片也没人看得懂；没有CT机，医生只能凭经验猜测——两者结合才能做出准确诊断。

商业模式诊断 × Prompt设计：就像“体检项目表”和“填写说明”

商业模式诊断的“9个模块”（客户细分、价值主张等）是“体检项目表”（要查哪些项）；Prompt设计是“填写说明”（怎么告诉AI填这个表）。

比如“价值主张”这个体检项，普通Prompt可能只问“你的价值主张是什么？”，而好的Prompt会问：“请从‘客户痛点’‘产品功能’‘竞品对比’3个维度分析价值主张是否清晰，用1-10分评分，并举例说明为什么比竞品好（如果不好，说明哪里需要改进）。”

3大Prompt法则 × 诊断准确性：就像“做菜的3个步骤”

目标明确=“知道要做什么菜”（比如做番茄炒蛋）；背景充分=“准备好食材”（番茄、鸡蛋、调料）；格式约束=“按步骤做”（先炒蛋，再炒番茄，最后混合）。少一步，菜就可能做砸；三步都做好，才能做出“美味的诊断结果”。

核心概念原理和架构的文本示意图（专业定义）

AI诊断商业模式的核心流程（提示工程架构师视角）：

┌───────────────┐     ┌───────────────┐     ┌───────────────┐     ┌───────────────┐  
│  1. 需求拆解  │     │  2. Prompt设计 │     │  3. AI交互    │     │  4. 结果解读  │  
│ （把“诊断商   │────>│ （按“角色+任   │────>│ （输入Prompt  │────>│ （分析AI输出  │  
│ 业模式”拆解为 │     │ 务+格式”设计  │     │ 和背景数据，   │     │ 的评分和建议， │  
│ 可执行的子任务）│     │ 提示词模板）   │     │ 获取AI诊断报告）│     │ 结合业务落地） │  
└───────────────┘     └───────────────┘     └───────────────┘     └───────────────┘  

关键输入输出：

• 输入：商业模式信息（客户、产品、成本、收入等）、诊断维度（价值主张/盈利模式/市场适配）；
• 中间层：Prompt（角色定义+任务描述+背景数据+输出格式）；
• 输出：AI诊断报告（模块评分、风险点、改进建议）。

Mermaid 流程图：AI诊断商业模式的完整流程

graph TD  
    A[提示工程架构师] -->|拆解需求| B(确定诊断维度：价值主张/盈利模式/市场适配)  
    B --> C{设计Prompt模板}  
    C -->|法则1：目标明确| D[定义AI角色：商业模式诊断专家]  
    C -->|法则2：背景充分| E[收集商业模式数据：客户/产品/成本/收入]  
    C -->|法则3：格式约束| F[规定输出格式：评分表+风险点+改进建议]  
    D & E & F --> G[组合成完整Prompt]  
    G --> H[输入AI模型（如GPT-4）]  
    H --> I[AI输出诊断报告]  
    I --> J[提示工程架构师解读报告]  
    J --> K{是否需要优化？}  
    K -->|是| L[调整Prompt（补充数据/细化维度）]  
    L --> H  
    K -->|否| M[落地改进方案]  

核心算法原理 & 具体操作步骤

AI理解商业模式的底层逻辑：从“文本匹配”到“结构化分析”

AI（以GPT为例）诊断商业模式的核心能力，来自两个技术：

1. 大规模语言模型（LLM）的文本理解能力：AI能“读懂”商业模式描述中的关键信息（如“客单价15元”“月租金1万”），并关联到商业模式画布的对应模块；
2. 指令微调（Instruction Tuning）：通过训练，AI学会“遵循指令”——当你说“用商业模式画布分析”，它会自动调用相关知识，按9个模块拆解信息。

但AI不是“天生会诊断”，需要提示工程架构师“引导”它使用这些能力。比如，当AI输出模糊的“价值主张不错”时，架构师会追加Prompt：“请具体说明‘不错’体现在哪里？和竞品‘喜茶’相比，有哪些独特优势？”——这就是“逐步追问法”，让AI从“泛泛而谈”到“深度分析”。

商业模式诊断的“3大核心体检项”操作步骤

体检项1：价值主张诊断（商业模式的“心脏功能”检查）

目标：判断企业是否为客户提供了“不可替代的价值”，避免“产品很好但没人需要”。
操作步骤：

1. 列出客户核心痛点（如“奶茶消费者觉得‘排队太久’‘价格太贵’‘含糖量高’”）；
2. 分析产品功能是否匹配痛点（如“自助点单小程序解决排队问题，用代糖解决健康顾虑”）；
3. 对比竞品价值主张（如“喜茶主打‘高端口感’，蜜雪冰城主打‘低价’，你的‘健康+便捷’是否独特？”）；
4. 评分（1-10分）并输出风险点（如“健康概念未在包装/宣传中突出，客户感知不强”）。

体检项2：盈利模式健康度诊断（商业模式的“血液循环”检查）

目标：判断收入能否覆盖成本，盈利是否可持续，避免“烧钱获客却赚不到钱”。
操作步骤：

1. 拆解收入来源（如“奶茶店收入=饮品销售（80%）+周边产品（10%）+加盟费用（10%）”）；
2. 计算单位经济模型（单店盈利=（客单价-变动成本）×客流量 - 固定成本）；
3. 分析成本结构合理性（如“原料成本占比是否超过30%？租金是否超过月营收的20%？”）；
4. 评分并输出风险点（如“单杯变动成本6元，客单价15元，毛利率60%，但租金占营收25%，导致净利润率仅5%”）。

体检项3：市场适配性诊断（商业模式的“骨骼强度”检查）

目标：判断商业模式是否适配目标市场，能否规模化复制，避免“在小市场做得再好也赚不到大钱”。
操作步骤：

1. 分析目标市场规模（TAM：总可寻址市场；SAM：可服务市场；SOM：可获得市场）；
2. 评估获客成本（CAC）和客户生命周期价值（LTV）是否健康（健康标准：LTV/CAC > 3）；
3. 检查扩张可行性（如“开分店时，原料供应链能否支撑？标准化流程是否成熟？”）；
4. 评分并输出风险点（如“目标市场是‘一二线城市年轻女性’，但该群体已被喜茶/奈雪占据，获客成本高达客单价的2倍”）。

用Python实现AI诊断的调用示例

下面用Python调用OpenAI API，演示如何将“奶茶店商业模式数据”输入AI，获取价值主张诊断结果。

步骤1：准备背景数据（奶茶店案例）

business_data = {  
    "name": "健康轻饮奶茶店",  
    "customer_segment": "25-35岁女性，关注健康，月收入8000+",  
    "pain_points": ["想喝奶茶但怕胖", "排队时间长", "价格贵（喜茶均价28元）"],  
    "value_proposition": "使用代糖+新鲜水果，低卡健康；小程序自助点单，3分钟取餐；均价20元，比喜茶便宜8元",  
    "competitors": ["喜茶（高端，28元，口感好）", "蜜雪冰城（低价，8元，品质一般）"]  
}  

步骤2：设计Prompt模板

prompt_template = """  
你现在是“价值主张诊断专家”，请基于以下企业信息，完成3项任务：  

1. 评分：从“痛点匹配度”“竞品差异化”“客户感知清晰度”3个维度（各1-10分），给价值主张打分并说明理由；  
2. 风险点：列出3个价值主张可能存在的风险；  
3. 建议：针对风险点，给出3个改进建议。  

企业信息：{business_data}  

输出格式：  
评分表：  
| 维度               | 分数 | 理由                     |  
|--------------------|------|--------------------------|  
| 痛点匹配度         |      |                          |  
| 竞品差异化         |      |                          |  
| 客户感知清晰度     |      |                          |  

风险点：  
1. ...  
2. ...  
3. ...  

建议：  
1. ...  
2. ...  
3. ...  
"""  

# 填充数据到模板  
prompt = prompt_template.format(business_data=business_data)  

步骤3：调用OpenAI API获取诊断结果

import openai  

openai.api_key = "你的API密钥"  

response = openai.ChatCompletion.create(  
    model="gpt-4",  
    messages=[{"role": "user", "content": prompt}]  
)  

diagnosis_result = response.choices[0].message.content  
print(diagnosis_result)  

步骤4：AI输出的诊断结果示例

评分表：  
| 维度               | 分数 | 理由                     |  
|--------------------|------|--------------------------|  
| 痛点匹配度         | 9    | 精准解决“怕胖”（代糖）、“排队久”（自助点单）、“价格贵”（20元）3个核心痛点 |  
| 竞品差异化         | 7    | 相比喜茶有价格优势，相比蜜雪冰城有健康优势，但“健康+平价”定位在中端市场已有多个品牌（如古茗、茶百道），差异化不够突出 |  
| 客户感知清晰度     | 6    | “代糖+新鲜水果”的健康概念未量化（如“每杯仅120大卡”），客户难以直观感知“健康”程度 |  

风险点：  
1. 中端市场竞争激烈，“健康+平价”易被模仿，缺乏护城河；  
2. 健康概念未量化，客户可能认为“20元还是贵”，性价比感知弱；  
3. 小程序自助点单依赖用户习惯，中老年客户可能不适应，限制客群。  

建议：  
1. 量化健康价值，如包装标注“0蔗糖·120大卡/杯”，强化差异化认知；  
2. 推出“健康会员体系”，累计消费兑换免费饮品，提升复购率（针对中端市场客群忠诚度低的问题）；  
3. 在门店设置“自助点单引导员”，帮助中老年客户使用小程序，扩大客群覆盖。  

数学模型和公式 & 详细讲解 & 举例说明

商业模式健康度的综合评分模型

AI诊断商业模式时，除了定性分析，还需要定量评分。我们可以用加权评分模型计算商业模式的综合健康度：

$$\text{综合健康度}=\sum _{i=1}^n(w_i\times s_i)$$

其中：

• ( n )：诊断维度数量（如3个核心维度：价值主张、盈利模式、市场适配）；
• ( w_i )：第i个维度的权重（根据企业阶段调整，初创期价值主张权重高，成熟期盈利模式权重高）；
• ( s_i )：第i个维度的评分（1-10分）。

权重设定示例（初创企业）

诊断维度	权重 ( w_i )	说明
价值主张	0.4	初创期“有没有人需要”最重要
盈利模式	0.3	允许短期不盈利，但长期逻辑要通
市场适配性	0.3	市场规模决定天花板

计算示例（奶茶店案例）

假设奶茶店3个维度评分如下：

• 价值主张：7分（( s_1=7 )）
• 盈利模式：6分（( s_2=6 )）
• 市场适配性：5分（( s_3=5 )）

则综合健康度为：
$$\text{综合健康度}=(0.4\times 7)+(0.3\times 6)+(0.3\times 5)=2.8+1.8+1.5=6.1$$

评分解读：6.1分（满分10分），属于“亚健康”状态——价值主张有潜力，但盈利和市场适配需优化。

盈利模式健康度的关键公式：单位经济模型

判断盈利模式是否可持续，核心看单客户/单店的盈利能力，公式如下：

$$\text{单店月利润}=(\text{客单价}-\text{单杯变动成本})\times \text{日均客流量}\times 30-\text{月固定成本}$$

• 客单价：平均每个客户的消费金额（如15元）；
• 单杯变动成本：随销量变化的成本（原料、包装，如5元/杯）；
• 日均客流量：每天的客户数量（如200人）；
• 月固定成本：不随销量变化的成本（租金、人工，如1万元/月）。

计算示例（奶茶店案例）

已知：

• 客单价=15元，单杯变动成本=5元，日均客流量=200人，月固定成本=1万元

则：
单杯毛利 = 15 - 5 = 10元
月毛利总额 = 10元/杯 × 200杯/天 × 30天 = 60,000元
单店月利润 = 60,000 - 10,000 = 50,000元

解读：单店月利润5万元，看起来不错，但需进一步分析：

• 如果租金上涨到2万元/月，利润会降至4万元（风险点：租金敏感）；
• 如果客流量下降到150人/天，利润会降至3.5万元（风险点：依赖高客流量）。

市场适配性的关键指标：LTV/CAC比率

LTV（客户生命周期价值）：一个客户在合作期间给企业带来的总利润；
CAC（客户获取成本）：获取一个客户的平均成本；
健康标准：( \text{LTV/CAC} > 3 )（即一个客户带来的利润至少是获取成本的3倍）。

公式：
$$\text{LTV}=\text{年均消费额}\times \text{客户生命周期（年）}\times \text{毛利率}$$
$$\text{CAC}=\frac{\text{总营销费用}}{\text{新增客户数}}$$

计算示例（SaaS工具案例）

某企业SaaS工具：

• 年均消费额=1000元/客户，客户生命周期=3年，毛利率=80%
• 总营销费用=10万元，新增客户数=200人

则：
LTV = 1000 × 3 × 80% = 2400元
CAC = 100000 / 200 = 500元
LTV/CAC = 2400 / 500 = 4.8（>3，健康）

解读：该SaaS工具的市场适配性良好，获客成本低，客户生命周期价值高，适合规模化扩张。

项目实战：代码实际案例和详细解释说明

案例一：诊断奶茶店商业模式（价值主张优化）

场景背景

创业者小李开了家“健康轻饮”奶茶店，3个月后发现：客户说“挺好喝”，但复购率只有15%（行业平均25%），想知道问题出在哪。

开发环境搭建

• AI模型：GPT-4（需OpenAI账号和API密钥）
• 工具：Python 3.9，OpenAI Python库（pip install openai）

源代码详细实现和代码解读

步骤1：准备商业模式数据

# 奶茶店商业模式数据（小李提供）  
milk_tea_business = {  
    "name": "健康轻饮奶茶店",  
    "customer_segment": "25-35岁女性，白领，关注健康，月收入8000+",  
    "pain_points": ["想喝奶茶但怕胖（高糖）", "排队时间长（30分钟+）", "价格贵（喜茶28元/杯）"],  
    "value_proposition": "使用代糖+新鲜水果，低卡健康；小程序自助点单，3分钟取餐；均价20元/杯",  
    "competitors": [  
        "喜茶：高端定位，28元/杯，芝士奶盖特色，门店大排队",  
        "古茗：中端定位，18元/杯，水果茶为主，性价比高",  
        "蜜雪冰城：低端定位，8元/杯，低价走量，品质一般"  
    ],  
    "current_data": {  
        "复购率": "15%",  
        "客单价": "20元",  
        "日均客流": "150人",  
        "差评关键词": ["没感觉健康", "价格还是有点高", "小程序偶尔卡顿"]  
    }  
}  

步骤2：设计价值主张诊断Prompt

# Prompt模板：聚焦“复购率低”的价值主张问题  
value_proposition_prompt = """  
你是“商业模式诊断专家”，专注于“价值主张与复购率”分析。现有一家奶茶店复购率15%（行业平均25%），请完成以下任务：  

1. 分析复购率低是否与价值主张相关？为什么？  
2. 从“客户感知”“竞品对比”“痛点解决效果”3个维度，给价值主张打分（1-10分）并说明理由；  
3. 输出3个具体改进建议（需可落地，如营销话术调整、产品优化等）。  

企业数据：{business_data}  

输出格式：  
1. 复购率低与价值主张的关系：[是/否]，理由：...  
2. 价值主张评分表：  
| 维度               | 分数 | 理由                     |  
|--------------------|------|--------------------------|  
| 客户感知清晰度     |      |                          |  
| 竞品差异化         |      |                          |  
| 痛点解决效果       |      |                          |  
3. 改进建议：  
- 建议1：[具体做法]，预期效果：...  
- 建议2：[具体做法]，预期效果：...  
- 建议3：[具体做法]，预期效果：...  
"""  

# 填充数据  
prompt = value_proposition_prompt.format(business_data=milk_tea_business)  

步骤3：调用AI获取诊断结果

import openai  

openai.api_key = "你的API密钥"  

response = openai.ChatCompletion.create(  
    model="gpt-4",  
    messages=[{"role": "user", "content": prompt}]  
)  

result = response.choices[0].message.content  
print("AI诊断报告：\n", result)  

AI输出结果与解读

1. 复购率低与价值主张的关系：是，理由：  
   - 客户差评提到“没感觉健康”，说明价值主张中的“健康”未被客户感知，导致客户缺乏“非买不可”的理由；  
   - “价格还是有点高”表明“20元”的定价与客户感知的“健康价值”不匹配，客户认为“不值这个价”，从而选择复购更便宜的古茗（18元）。  

2. 价值主张评分表：  
| 维度               | 分数 | 理由                     |  
|--------------------|------|--------------------------|  
| 客户感知清晰度     | 5    | “健康”未量化（如“0蔗糖·120大卡”），客户无法直观判断“多健康”；小程序点单的“3分钟取餐”未在宣传中突出，客户未感知到便捷价值 |  
| 竞品差异化         | 6    | 相比喜茶有价格优势，相比古茗价格高2元但无明显健康优势（古茗也有水果茶），差异化模糊 |  
| 痛点解决效果       | 7    | 小程序解决了排队问题（痛点2），但“怕胖”（痛点1）和“价格贵”（痛点3）的解决效果未被客户认可 |  

3. 改进建议：  
- 建议1：在包装和菜单上标注“0蔗糖·120大卡/杯（相当于1个苹果）”，强化健康感知；预期效果：客户直观理解健康价值，减少“没感觉健康”的差评，复购率提升3-5%。  
- 建议2：推出“健康打卡活动”，客户扫码记录每月购买次数，满8次送1杯，提升复购激励；预期效果：利用“健康习惯养成”心理，复购率提升5-8%。  
- 建议3：与古茗对比，突出“每日鲜切水果（古茗用果酱）”的差异点，在门店海报标注“真水果·无果酱”；预期效果：强化差异化，让客户认为“20元买真水果更值”，减少价格敏感。  

落地效果

小李按建议优化后1个月：

• 复购率从15%提升至22%（接近行业平均）；
• “健康”相关好评增加30%；
• 日均客流从150人增至180人（健康概念吸引新客户）。

案例二：诊断SaaS工具盈利模式（3个Prompt串联使用）

场景背景

某企业SaaS工具“项目管理大师”，主打“中小团队协作”，当前用户1000人，月收入5万元，但团队每月成本8万元（亏损3万元），创始人想知道“如何实现盈利”。

3个核心Prompt设计与使用流程

Prompt 1：盈利模式现状诊断

你是“SaaS盈利模式专家”，请分析以下企业的盈利现状：  
1. 列出收入来源和成本结构；  
2. 判断当前是否存在“盈利模式漏洞”（如收入单一、成本过高）；  
3. 用单位经济模型计算“单客户盈利”。  

企业数据：{saas_business_data}  

输出格式：表格+文字分析  

AI输出关键结论：

• 收入来源单一（仅订阅费，99元/月/用户）；
• 成本结构：研发占60%，营销占30%，管理占10%；
• 单客户月均利润：99元×80%（毛利率） - （营销成本/用户数）= 79.2 - 24 = 55.2元（但用户生命周期仅8个月，LTV=55.2×8=441.6元，CAC=240元，LTV/CAC=1.85 < 3，不健康）。

Prompt 2：盈利模式优化方案

基于上一步诊断，你是“SaaS盈利模式优化专家”，请设计3个盈利优化方案，需满足：  
- 至少包含1个“增加收入”方案和1个“降低成本”方案；  
- 方案需具体（如“推出增值服务”需说明是什么服务）；  
- 估算每个方案的实施后利润提升幅度。  

当前数据：{previous_diagnosis}  

输出格式：方案名称+具体做法+预期效果+实施难度（1-5星）  

AI输出关键方案：

• 方案1：推出“高级版”增值服务（数据导出、定制报表），定价199元/月，预计20%用户升级，月收入增加1.99万元；
• 方案2：优化营销渠道，减少低效广告投放（如停止朋友圈广告，转向行业社群），CAC从240元降至180元，LTV/CAC提升至2.45；
• 方案3：引入“API对接服务”，向其他工具（如钉钉/企业微信）收取接口费，预计年增收5万元。

Prompt 3：方案优先级与落地计划

你是“项目管理专家”，请基于上一步的3个盈利优化方案，完成：  
1. 按“投入产出比”“实施难度”“风险”排序，确定优先级；  
2. 制定第一个方案（优先级最高）的详细落地计划（含步骤、责任人、时间节点）。  

方案信息：{optimization_schemes}  

输出格式：优先级排序表+落地甘特图（文字版）  

AI输出关键结论：

• 优先级：方案2（降低营销成本，实施难度低，见效快）> 方案1（增值服务，需开发但收入明确）> 方案3（API对接，周期长）；
• 方案2落地计划：
  • 第1周：统计各渠道CAC（朋友圈广告/CAC=350元，行业社群/CAC=150元）；
  • 第2周：停止朋友圈广告，将预算转向行业社群（如“中小团队CEO群”）；
  • 第3周：设计社群专属推广素材（“中小团队协作工具，首月免费”）；
  • 第4周：监测CAC变化，目标降至180元。

落地效果

3个月后：

• CAC从240元降至170元，LTV/CAC提升至2.6（接近健康值3）；
• 月收入从5万元增至7.5万元（增值服务贡献2.5万元）；
• 月成本从8万元降至7万元（营销成本减少1万元）；
• 实现月盈利0.5万元（扭亏为盈）。

实际应用场景

场景1：初创企业融资前的商业模式“体检”

• 痛点：创业者写BP时，常高估商业模式可行性，被投资人问“你的盈利模式怎么可持续”时答不上来。
• AI诊断应用：用本文3个Prompt（价值主张、盈利模式、市场适配）生成诊断报告，附在BP中，向投资人证明“我们已用AI验证商业模式健康度”，提升融资成功率。

场景2：成熟企业的“第二曲线”评估

• 痛点：大企业想拓展新业务（如奶茶店开咖啡店），但担心“新业务商业模式是否适配现有资源”。
• AI诊断应用：设计“资源适配性Prompt”，让AI分析新业务与现有供应链、渠道、品牌的匹配度，输出“协同效应评分”和“风险预警”。

场景3：投资机构的项目快速筛选

• 痛点：投资人每天看50份BP，难以快速判断商业模式优劣。
• AI诊断应用：设计标准化Prompt模板，输入BP关键信息（团队、产品、市场），AI自动输出“商业模式健康度评分”（1-10分），筛选出6分以上的项目深入沟通，提升效率。

工具和资源推荐

提示工程工具

1. PromptBase：社区分享优质Prompt模板（含商业模式诊断类）；
2. LangChain：用Python构建复杂Prompt流程（如自动调用多个AI工具分析商业模式）；
3. ChatGPT Prompt Engineer：OpenAI官方推出的Prompt设计课程（免费）。

AI模型选择

• 入门级：GPT-3.5（成本低，适合简单诊断）；
• 专业级：GPT-4（理解复杂商业模式，输出更结构化）；
• 企业级：Claude 2（支持10万字长文本输入，可直接上传完整BP进行分析）。

商业模式分析框架资源

1. 商业模式画布模板：Strategyzer官网（免费下载）；
2. 价值主张设计手册：《Value Proposition Design》电子书（配套商业模式画布使用）；
3. 盈利模式数据库：Business Models Inc（收录500+成功商业模式案例）。

未来发展趋势与挑战

趋势1：多模态输入——不止“文本诊断”，还能“看图说话”

未来，AI可直接分析商业模式相关的图表（如财务报表、用户画像分布图），甚至通过门店监控视频分析“客户动线”，辅助诊断“渠道通路”是否合理。

趋势2：实时动态诊断——从“一次性体检”到“持续监测”

通过API对接企业数据后台（如CRM、财务系统），AI可实时监测关键指标（复购率、CAC、LTV），当指标异常时自动触发诊断，输出“实时预警报告”。

趋势3：行业定制模型——“奶茶店AI医生”“SaaS AI医生”

针对垂直行业（如餐饮、SaaS、电商）训练专用模型，内置行业知识库（如餐饮的“坪效”“翻台率”指标），诊断更精准。

挑战：AI的“知识滞后”与“数据依赖”

• 知识滞后：AI的训练数据截止到2023年，无法诊断2024年后的新兴商业模式（如AI驱动的新盈利模式）；
• 数据依赖：输入AI的商业模式数据不准确时，会导致“垃圾进，垃圾出”（Garbage In, Garbage Out）。

总结：学到了什么？

核心概念回顾

• 提示工程架构师：不是“写Prompt的人”，而是“设计AI诊断流程的架构师”，需掌握“目标明确、背景充分、格式约束”3大Prompt法则；
• AI诊断商业模式：通过3个核心维度（价值主张、盈利模式、市场适配），用“评分+风险点+建议”的方式输出诊断报告；
• 3个黄金Prompt：价值主张诊断（解决“客户要不要”）、盈利模式诊断（解决“企业赚不赚钱”）、市场适配诊断（解决“能不能做大”）。

核心技能回顾

• Prompt设计能力：能根据企业具体问题（如复购率低、盈利困难）定制Prompt，引导AI输出针对性分析；
• 结果解读能力：理解AI输出的评分和建议，结合行业经验判断“哪些建议可落地”；
• 数据准备能力：知道给AI提供哪些关键数据（如客单价、CAC、竞品信息），避免AI“巧妇难为无米之炊”。

思考题：动动小脑筋

1. 思考题一：如果你是一家“二手书共享平台”的创始人，想让AI诊断商业模式，你会在Prompt中包含哪些关键数据？（提示：客户是谁？怎么赚钱？成本有哪些？）
2. 思考题二：AI诊断出你的“盈利模式健康度评分仅4分”，你会如何设计后续Prompt让AI帮你“生成具体的成本削减方案”？（提示：用“背景充分”法则，提供详细成本结构数据）
3. 思考题三：对比人类咨询顾问（收费几十万）和AI诊断（成本几百元），你认为AI能完全替代人类吗？为什么？（提示：考虑AI的局限性，如伦理判断、行业潜规则）

附录：常见问题与解答

Q1：输入AI的商业模式数据涉及商业机密，安全吗？

A1：可使用“本地部署模型”（如Llama 3、通义千问企业版），数据不经过第三方服务器；或对敏感数据脱敏（如将“真实收入100万”改为“收入区间80-120万”）。

Q2：AI诊断结果和我经验不符，怎么办？

A2：这是“提示工程架构师”的价值所在——需判断是“AI不懂行业特性”（需补充行业知识到Prompt），还是“数据不完整”（需补充关键数据），然后迭代优化Prompt。

Q3：没有编程基础，能使用AI诊断商业模式吗？

A3：能！可用ChatGPT网页版直接输入Prompt，无需写代码。本文提供的Python示例是为了“自动化批量诊断