这个 Skill 能做什么，适合哪些场景？
这是 Aaron Marketing Skills 中 influencer/scout 阶段的红人发现技能，适用于从特定细分市场、平台或粉丝区间建立创作者候选池。它收集搜索标准，筛选粉丝量、互动率、相关性、活跃度和品牌安全风险，并为合格创作者建立画像。输出包括候选池统计、分层短名单和初步发现分流信号。它不计算 STAR Suitability 分数，后续应交给 fit-scorer。
读取品牌或产品、细分市场、平台、粉丝范围、互动率下限、地区或语言、受众画像、排除条件，以及可用的品牌资料、受众分析和现有创作者记录；基于标签、相似账号、竞品提及和平台原生发现进行搜索；筛查疑似虚假粉丝、争议、竞品排他、停更等红旗；为每位创作者整理基础信息、指标、受众、内容、合作历史和联系方式；生成 must-reach、strong、consider 三层短名单及下一步建议。可使用 YouTube、TikTok 和 X 的 oEmbed 元数据；YouTube 还可通过指定 Python 脚本读取订阅数、总观看量和视频数。
- 品牌进入新细分市场，需要从零建立创作者候选池时。
- 营销团队拓展 TikTok 或 Instagram 等新平台，需要按粉丝区间和互动率寻找微型或纳米创作者时。
- 品牌需要替换流失合作伙伴，并希望筛查真实性和品牌安全风险时。
- 团队想识别竞品合作过的创作者，并整理为后续评估名单时。
- 已有创作者名单但需要去重、补充画像并交给 fit-scorer 排名时。
如何安装这个 Skill？
- 核心发现能力依赖用户提供的公开资料或外部平台可访问性，不应将示例中的候选数量、互动率或拟合分数视为已验证事实。
- 写入 memory、HOT 缓存或 creator-registry 提案前应进行明确确认，并核查联系人等潜在个人数据的最小化、保留和删除流程。
- 在中国大陆网络环境中，多数平台和数据源的可达性、数据完整性及合规边界需要单独确认；无法访问时应输出未验证状态而非补全数据。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3
Claude Code：运行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，再运行 /plugin install aaron-marketing@aaron。兼容 Agent Skills 的其他主机：运行 npx skills add aaron-he-zhu/aaron-marketing-skills。也可以直接运行 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills；README 未提供单独复制该技能目录的安装命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/influencer/scout/influencer-discovery" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
提供品牌或细分市场，并尽量说明平台、粉丝范围、互动率下限、地区或语言、受众和排除条件。例如：Find 20 influencers in sustainable fashion for my eco clothing brand。缺少必要搜索标准时，技能应返回 NEEDS_INPUT，而不是编造候选人。报告默认直接返回；保存报告、缓存短名单或提交创作者注册提案都需要分别获得精确授权。
这个 Skill 有哪些优点和局限？
- 覆盖从搜索标准到候选池、真实性红旗筛查、创作者画像和分层短名单的完整发现流程。
- 明确区分发现分流信号与 STAR Suitability 评分，降低把初筛结果误当最终排名的风险。
- 无需必需的实时集成，支持用户提供的数据；还提供 YouTube、TikTok 和 X 的无密钥元数据路径。
- 与现有创作者记录去重，并明确将合格名单交给 fit-scorer 继续评估。
- 指标通常依赖用户提供的数据、手工导出或可选连接器；oEmbed 本身不提供粉丝量和互动率。
- 该技能不负责 STAR 评分、最终 veto 判定、外联、合同或绩效报告。
- 写入记忆、缓存或注册表均需要单独精确授权，未授权时不会保存结果。
- 提供的材料没有展示该单项技能的独立测试套件或完整平台覆盖证据。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 红人发现 本页 | 51 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 社媒常青日历 | 59 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 创作者内容审计 | 56 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 渠道组合规划器 | 57 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 短视频脚本工坊 | 61 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
与 fit-scorer 的边界：本技能负责发现、初筛和分层，不负责对已知短名单进行 STAR Suitability 评分或排名。audience-mapper 用于目标受众仍不明确时，competitor-tracker 用于进一步绘制竞品创作者竞争格局。
FollowSkills 如何评估这个 Skill？
技能明确要求使用用户提供或公开数据，默认无密钥集成，并将名册写入与规范记录写入区分；但会写入 memory、提升 HOT 缓存并提交 creator-registry 提案，缺少细化的逐次确认、回滚、数据保留和敏感联系人处理规则，且发布者身份未验证，因此扣分。
步骤、输入、输出、模板和异常字段（如 unconfirmed）较完整，且支持无连接器降级；但依赖多个未提供的引用文件和外部平台，未见针对该技能关键路径的测试或可复现失败反馈，静态评估按上限保守扣分。
触发条件、目标用户、输入参数和“不用于已知名单排序”的边界较清楚；但多平台公开数据依赖、平台可达性和中文市场适配证据有限，geo-relevance 标为 low，未充分说明中国大陆环境下的替代路径，因此扣分。
具备结构化契约、快速开始、模板、示例、版本、Apache-2.0 许可证、相关技能和安全文档；但维护责任、变更记录和安装后的单技能依赖边界不够集中，且 SKILL.md 版本18.0.0与安全策略支持的17.x存在治理不一致，因而未给满分。
输出结构包括候选池、画像、筛查、分层名单和后续交接，手工输入即可形成可用报告；但发现结果主要依赖用户提供的资料，实时检索和指标验证并非必备，示例中的候选数量与分数没有可验证执行证据，仍需较多人工核验，因此静态评估仅给中等分数。
字段要求记录查询、来源质量并将无法确认的信息标为 unconfirmed，提升了审计性；但未提供该技能专属测试、第三方执行结果或多源复核材料，只有方法性说明和示例，按静态上限扣分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →