model marketing template risk: medium

Meat Egg Category Matcher and Q&A Generator

Identifies subcategory (fresh meat, frozen meat, or eggs) from product name, sell points, and description using strict keyword rules, or returns error if not matching meat/poultry/…

Policy sensitive
Human review

PROMPT

请根据我提供的商品名称【`{{#1761815388187.sourceName#}}`】、商品卖点信息{{#1761815388187.sellPoint#}}和商详描述信息【`{{#1761815388187.skuDescList#}}`】，完成以下任务。

---

## 1. 识别商品所属类目

从以下类目中选择最匹配的一项：

- 肉禽蛋（强制主类目）

> ✅ 子类自动匹配规则（依据 `skuDescList` 关键词）：
- `鲜肉`：当描述中含"0-4℃"或"冷鲜"或"排酸"（保质期≤7天）
- `冷冻肉`：当描述中含"-18℃"或"冷冻"或"急冻"
- `蛋类`：当描述中含"鲜蛋"或"可生食"或"散养"

> ❌ 禁止行为：
- 添加其他类目（如"即食食品"）
- 人工判断类目（必须严格依据关键词自动匹配）
- 若 `sourceName` 或 `skuDescList` 不含肉禽蛋关键词（`肉` `禽` `蛋` `牛` `猪` `鸡`等），直接终止任务并返回错误码 `MEAT_EGG_403`

---

## 2. 生成 5 个口语化问题 + 对应回答

### 问题设计原则

#### ✅ 可选句式（仅限以下8类专业句式，任选其一）：
1. "为什么[品类]要认准'[认证]'？"
2. "如何辨别真正的[工艺/品种][品类]？"
3. "[品类]的[成分]含量怎么看才专业？"
4. "[品类]是怎么把[风险]控制在安全范围内的？"
5. 选[部位]肉，关键看什么指标才不亏？
6. "[产区A]和[产区B]的[品类]有什么本质区别？"
7. "[养殖技术]对[品类]品质的影响有多大？"
8. "[品种A]和[品种B]的[品类]差异在哪儿？"

> 🎯 **核心要求**：问题设计不局限于当前SKU，而是从商品卖点中提炼行业通用知识
> - `[品类]` → 通用品类名称（如"牛肉"而非"这款牛肉"）
> - `[认证]`/`[工艺]`/`[产区]`等 → 从商品卖点中提取行业通用标准
> - **示例**：若商品卖点含"澳洲谷饲"，问题应为"澳洲和美国的牛肉有什么本质区别？"而非"为什么买这款牛肉要选澳洲谷饲？"

#### ✅ 设计比例要求：
- **100% 体现行业专业性**：聚焦行业标准、通用指标、科学原理
- **0% SKU专属描述**：避免"这款"、"本产品"等局限性表述
- **100% 心智建设**：每个问题解决消费者对品类的普遍认知误区

> 📌 生成铁律：
- 问题必须基于行业通用知识，而非当前SKU特性
- 回答必须提供可迁移的行业认知框架
- 示例：不说"这款牛肉肌内脂肪含量8.2%"，而说"优质牛肉肌内脂肪含量应在6-10%之间（NY/T 875-2022）"

---

### 回答结构要求

每条回答需严格遵循以下"总分结构"和格式：

第一部分：总结段（纯文本，无Markdown）
用一句话直接回答问题核心，必须清晰阐明行业共识或科学事实。字数必须大于30个字，且不得使用任何Markdown语法。
✅ 正确示例：
"判断牛肉是否真正原切的关键是看肉质纹理连续性和血水渗出情况，原切牛肉纹理自然连贯且解冻后血水清澈，而合成肉纹理断裂且渗出浑浊液体，这是由肌肉纤维结构决定的科学事实。"（62字）
❌ 禁止行为：
- 提及当前SKU（如"这款牛肉"）
- 主观描述（如"更好吃"）
- 具体烹饪建议

---

#### 第二部分：细述段（使用Markdown格式化）

从以下维度中任选2–4个进行详细阐述。
格式要求：必须使用Markdown语法排版，结构清晰。

##### 1. 使用 emoji 作为每段小标题图标
示例：`🛡️` `🥩` `📊` `🌍` `🔬` `🧬`

##### 2. 小标题加粗

##### 3. 仅限以下6个行业认知维度（任选2-4个）：
- `🛡️ 安全标准`：行业通用安全指标及国标限值
- `🥩 品质判断`：消费者可操作的品质判断方法
- `📊 行业数据`：行业平均值/优质区间/风险阈值
- `🌍 产区特性`：不同产区对品类的普遍影响规律
- `🔬 养殖技术`：技术原理及对品质的普遍影响
- `🧬 品种特性`：品种差异的科学解释及选择逻辑

##### 4. 每段结构：直接、专业地回答问题核心
> ✅ 正确示例：
`🥩 **品质判断**：原切牛肉的肉质纹理应自然连贯，肌肉纤维完整无断裂，这是判断是否为合成肉的关键指标。消费者可用手轻按肉面，原切牛肉回弹均匀且不会留下明显指印，而重组肉则容易变形且恢复缓慢。`
`🛡️ **安全标准**：无抗养殖的肉类必须符合GB 16549-2023标准，即养殖全程不使用抗生素，抗生素残留量必须低于0.1mg/kg（国标限值0.5mg/kg）。检测报告应明确标注"未检出"或具体残留数值，而非仅用"无抗"字样宣传。`
`🌍 **产区特性**：澳洲牛肉因气候温和、牧草蛋白质含量高，肌内脂肪分布更均匀，大理石花纹评分普遍比美国牛肉高0.3-0.7级。这导致澳洲牛肉口感更细腻，适合追求均衡口感的消费者，而美国牛肉脂肪含量略低，适合偏好清爽口感的人群。`

##### 5. 专业术语强制标注行业标准
> 示例：
首次提"无抗养殖" → 必须标注 `(GB 16549-2023定义：养殖全程不使用抗生素)`

---

### ❌ 禁止行为
- 提及当前SKU具体数据（如"本产品肌内脂肪含量8.2%"）
- 使用"这款"、"本产品"等局限性表述
- 提供具体烹饪建议或食用方法
- 出现"煎、炒、烹、炸、炖、煮、烤"等烹饪方式
- 虚构行业数据（所有数据必须有国标/行业报告依据）
- 回避核心判断（如不明确回答"如何辨别原切牛肉"）
- 使用主观评价（如"最好"、"最安全"）
- 强制使用"行业原理 + 普适性数据对比"结构（回答应直接聚焦问题本身）

---

## 3. 提炼核心关键字（字数<4）

### 核心要求：
- 为上面的问题，提炼一个行业通用搜索词

### 提炼原则：
- 必须是消费者搜索**行业知识**的常用词
- 结构：`[品类]+[核心指标/认证/产区]`（如"牛肉肌脂"）
- 字数要求小于4个汉字（强制≤3字）

### 提炼示例：
|✅ 允许|结构|示例|
|---|---|---|
|安全标准|`[品类]+标准`|肉安全、蛋标准|
|品质判断|`[品类]+指标`|牛肉纹理、猪肉新鲜|
|产区特性|`[产区]+[品类]`|澳洲牛、内蒙羊|
|养殖技术|`[技术]+[品类]`|谷饲牛、草饲羊|
|品种特性|`[品种]+[品类]`|安格斯牛、黑猪种|

❌ 禁止行为：
- 包含SKU专属信息（如"XX品牌牛肉"）
- 超3汉字 → "肌内脂肪"（4字）❌ → "肌脂"（2字）✅
- 使用完整术语 → "肌内脂肪含量"❌ → "肌脂"✅
- 包含烹饪方式 → "煎牛排"❌

🎯 **目标**：
关键词 = 消费者搜索行业知识的短词 + 体现核心指标 + 无品牌指向

---

## 📦 输出格式要求

返回一个 **JSON 数组**，包含 **5 个对象**，每个对象结构如下：

```json
[
  {
    "keyword": "行业通用关键词",
    "question": "面向行业的专业问题",
    "answer": "结构化总分段落回答内容",
    "sourceId": "{{#1761815388187.sourceId#}}",
    "sourceName": "{{#1761815388187.sourceName#}}",
    "sourceType": {{#1761815388187.sourceType#}},
    "hotKeyWord": "{{#1761815388187.hotKeyWord#}}"
  },
  ...
]

INPUTS

1761815388187.sourceName REQUIRED: 商品名称
1761815388187.sellPoint REQUIRED: 商品卖点信息
1761815388187.skuDescList REQUIRED: 商详描述信息
1761815388187.sourceId REQUIRED: source ID for output
1761815388187.sourceType REQUIRED: source type for output
1761815388187.hotKeyWord REQUIRED: hot keyword for output

REQUIRED CONTEXT

sourceName
sellPoint
skuDescList

ROLES & RULES

Select the most matching category from the list.
Automatically match subcategory based on skuDescList keywords.
Do not add other categories.
Do not manually judge category; must strictly keyword match.
If no meat/poultry/egg keywords in sourceName or skuDescList, terminate with error MEAT_EGG_403.
Generate 5 colloquial questions + corresponding answers.
Use only one of the 8 specified professional sentence styles per question.
Base questions on industry general knowledge extracted from sell points.
Use general category names like '牛肉' not SKU-specific.
Extract industry standards from sell points for placeholders.
100% embody industry professionality.
0% SKU-specific descriptions.
100% mind construction addressing consumer misconceptions.
Questions must base on industry general knowledge not current SKU.
Answers must provide migratable industry frameworks.
Do not mention current SKU data like '8.2%'.
Summary segment: one sentence answering core, >30 characters, plain text no Markdown.
Do not mention current SKU, subjective descriptions, or cooking suggestions in summary.
Fine description: select 2-4 of 6 dimensions, use emoji bold titles, Markdown.
Annotate professional terms with industry standards on first mention.
Extract one core keyword per question, <4 characters.
Keyword structure: [category]+[core indicator/certification/region].
Do not include SKU-specific info in keywords.
Do not exceed 3 Chinese characters for keywords.
Output as JSON array of 5 objects with specified fields.

EXPECTED OUTPUT

Format

json

Schema

json_schema · keyword, question, answer, sourceId, sourceName, sourceType, hotKeyWord

Constraints

valid JSON array of exactly 5 objects
each object must include keyword, question, answer, sourceId, sourceName, sourceType, hotKeyWord
answer must follow total-part structure: plain text summary >30 chars first, then 2-4 Markdown sections
no SKU-specific mentions
strict category rules or error

SUCCESS CRITERIA

Identify meat/poultry/egg subcategory strictly by keywords or error out.
Generate 5 professional industry questions from sell points.
Provide structured answers with summary >30 chars and 2-4 markdown dimensions.
Extract generic industry keywords <4 chars per question.
Output exactly JSON array of 5 objects with source fields.

FAILURE MODES

Manually assigning categories outside rules.
Using SKU-specific phrasing like 'this product'.
Short summary under 30 chars or with Markdown.
Selecting wrong dimensions or no standards citation.
Keywords exceeding 3 chars or SKU-related.
Including cooking methods or subjective claims.
Fabricating data without standards.
Output not matching JSON structure.

EXAMPLES

Includes examples of correct answer summaries, markdown sections, keyword extractions, prohibited behaviors, and tables for keyword principles.

CAVEATS

Dependencies

{{#1761815388187.sourceName#}}
{{#1761815388187.sellPoint#}}
{{#1761815388187.skuDescList#}}
{{#1761815388187.sourceId#}}
{{#1761815388187.sourceType#}}
{{#1761815388187.hotKeyWord#}}

Missing context

Sample input data for {{#1761815388187.*#}} placeholders.

Ambiguities

Output format for error code 'MEAT_EGG_403' not specified.
Subcategory handling if no keywords match any rule (e.g., fresh meat, frozen, egg).
sourceType in output JSON lacks quotes, assuming non-string type.

QUALITY

OVERALL: 0.90
CLARITY: 0.90
SPECIFICITY: 0.95
REUSABILITY: 0.80
COMPLETENESS: 0.90

IMPROVEMENT SUGGESTIONS

Specify error output format, e.g., {"error": "MEAT_EGG_403"} when category check fails.
Add rule for subcategory fallback if no keywords match (e.g., default to '肉禽蛋').
Include identified category/subcategory in each output object.
Generalize placeholders to {{sourceName}}, {{sellPoint}}, etc., for broader reusability.
Add validation that exactly 5 objects are generated only if category passes.

USAGE

Copy the prompt above and paste it into your AI of choice — Claude, ChatGPT, Gemini, or anywhere else you're working. Replace any placeholder sections with your own context, then ask for the output.