AGENT SKILL

brand-voice-skill

Prüft Inhalte gegen Brand-Voice- und Style-Richtlinien — markiert Abweichungen nach Schweregrad mit Vorher/Nachher-Verbesserungsvorschlägen. Verwende ihn, wenn du Marketing-Texte auditierst, eine:n neue:n Content-Ersteller:in einarbeitest oder eine Brand-Voice-Dokumentation aufbaust. Auslösen mit "prüfe das gegen unsere Brand Voice", "Markenkonsistenz checken", "diesen Text auditieren".

License 许可
MIT
最近更新
2026-11-13
Stars
★ 0
Forks
0

01 前言 Front Matter

name
brand-voice-skill
description
Prüft Inhalte gegen Brand-Voice- und Style-Richtlinien — markiert Abweichungen nach Schweregrad mit Vorher/Nachher-Verbesserungsvorschlägen. Verwende ihn, wenn du Marketing-Texte auditierst, eine:n neue:n Content-Ersteller:in einarbeitest oder eine Brand-Voice-Dokumentation aufbaust. Auslösen mit "prüfe das gegen unsere Brand Voice", "Markenkonsistenz checken", "diesen Text auditieren".

03 SKILL.md 正文

Brand-Voice-Skill

Baue, auditiere und steuere Brand-Voice-Frameworks — Zerlegung der Stimme, Ton-Anpassung, Content-Scoring und Governance-Workflows. Alle Voice-Merkmale müssen aus der Markendokumentation des Kunden stammen oder gemeinsam mit dem Nutzer erarbeitet werden.

Woher die Daten kommen

Quelle Was sie beiträgt
CMS / Content-Tools über MCP (z. B. Contentful, WordPress, Notion) Bestehende Texte, veröffentlichte Inhalte je Kanal, Content-Inventar
Analytics / Social-Tools über MCP (z. B. GA4, LinkedIn, HubSpot) Performance-Daten, hoch- und niedrigperformante Inhalte, Kanalkontext
companyRAG-Sammlungen (v. a. Brand- und Style-Guides) Markenrichtlinien, Tonalitätsvorgaben, bestehende Voice-Frameworks
Datei-Upload Style-Guides, einzelne Content-Stücke, Stakeholder-Notizen

Keine angebundene Quelle? Gib die Daten im Chat an oder lade die relevanten Dateien hoch — der Skill funktioniert genauso.

Methodik zur Zerlegung der Stimme

Systematischer Prozess, um eine Brand Voice in messbare, bewertbare Komponenten zu zerlegen.

Schritt 1: Kern-Voice-Merkmale identifizieren

Extrahiere 3–5 Kern-Voice-Merkmale aus den Markenrichtlinien oder aus Stakeholder-Input.

Regeln:

  • Jedes Merkmal ist ein Spektrum, kein Binärwert (z. B. "formell <-> locker" mit Positionen 1–5)
  • Merkmale müssen unabhängig sein -- die Anpassung eines Merkmals sollte logisch keine Anpassung eines anderen erzwingen
  • Validierungstest: Verschiebt man ein Merkmal um 2 Punkte, sollte sich der Content spürbar anders anfühlen
  • Ergeben sich weniger als 3 Merkmale, sind die Markenrichtlinien möglicherweise unvollständig -- weise den Nutzer darauf hin

Schritt 2: Jedes Merkmal definieren

Vervollständige für jedes identifizierte Merkmal diese Vorlage:

Element Beschreibung
Merkmalsname Ein Wort oder kurze Phrase
Definition Was dieses Merkmal für diese Marke bedeutet (1 Satz)
Skala 1–5 Intensität mit beschrifteten Endpunkten
Standardposition Wo die Marke normalerweise auf der Skala liegt
Do-Beispiele 2–3 Phrasen, die das Merkmal an der Standardposition verkörpern
Don't-Beispiele 2–3 Phrasen, die das Merkmal verletzen
Kanal-Modulationen Wie sich die Intensität je Kanal verschiebt (siehe Ton-Anpassungsmatrix)

Ausfüllformat pro Merkmal:

MERKMAL: [Name]
DEFINITION: [ein Satz]
SKALA:
  1 = [Label unteres Ende]
  2 = [Beschreibung]
  3 = [Label Mittelpunkt]
  4 = [Beschreibung]
  5 = [Label oberes Ende]
STANDARDPOSITION: [1-5]
DO:
  - "[Beispielphrase an der Standardposition]"
  - "[Beispielphrase an der Standardposition]"
DON'T:
  - "[Beispielphrase, die das Merkmal verletzt]"
  - "[Beispielphrase, die das Merkmal verletzt]"

Schritt 3: Vokabular-Richtlinien aufstellen

Definiere: bevorzugte Begriffe, zu vermeidende Begriffe (mit Begründung), Jargon-Policy, Kontraktions-Policy und Vorlieben zur Satzstruktur. Halte sie in einem kurzen strukturierten Block fest (z. B. Bevorzugte Begriffe / Vermeiden / Jargon / Kontraktionen / Satzform), damit sie neben den Merkmalsdefinitionen aus Schritt 2 auditierbar bleiben.

CRITICAL (Kritisch): Voice-Merkmale MÜSSEN aus den Markenrichtlinien des Kunden stammen oder ausdrücklich gemeinsam mit dem Nutzer erarbeitet werden. Erzeuge niemals Merkmale aus Trainingsdaten. Beim gemeinsamen Erarbeiten kennzeichne die Ausgabe: "Diese Merkmale werden in diesem Gespräch gemeinsam erarbeitet und sollten gegen deine vollständigen Markenrichtlinien validiert werden."

Ton-Anpassungsmatrix

Matrix-Struktur

Kontext Verschiebung Merkmal 1 Verschiebung Merkmal 2 ... Wann einsetzen
Krisenkommunikation [Richtung + Stärke] ... ... Aktive Vorfälle, öffentliche Statements
Produkt-Launch ... ... ... Ankündigungen neuer Produkte/Features
Kundensupport ... ... ... Hilfe-Dokumente, Support-Antworten
Thought Leadership ... ... ... Blogposts, Konferenzvorträge, Research
Social Media ... ... ... Kurzformate, konversationelle Kontexte
Recht/Compliance ... ... ... AGB, Richtlinien, regulatorische Kommunikation

Konstruktionsprozess

  1. Liste die Kommunikationskontexte der Marke auf (nutze die Standardliste oben als Ausgangspunkt, ergänze/entferne nach Bedarf)
  2. Bestimme für jeden Kontext, welche Merkmale modulieren und in welche Richtung
  3. Definiere die Stärke der Verschiebung (nutze +1, +2, -1, -2 relativ zur Standardposition auf der 5-Punkte-Skala)
  4. Validiere: Fühlt sich die modulierte Stimme noch wie dieselbe Marke an? Überschreitet eine Verschiebung +/-2, kann die Markenkohärenz brechen
  5. Dokumentiere Ausnahmen -- Kontexte, in denen ein Merkmal bewusst ins Extrem geschoben wird (z. B. Rechtstexte bei maximaler Formalität)

Verschiebungsnotation

KONTEXT: [Name]
MERKMALS-VERSCHIEBUNGEN:
  [Merkmal 1]: [Standard] -> [verschoben] ([+/-N], [Begründung])
  [Merkmal 2]: [Standard] -> [verschoben] ([+/-N], [Begründung])
  [Merkmal 3]: keine Verschiebung
WANN EINSETZEN: [konkrete Auslöser oder Content-Typen]
BEISPIEL: "[kurzer Beispielsatz, der die modulierte Stimme zeigt]"

Matrix-Validierung

Validiere die Matrix nach der Konstruktion mit diesen Checks:

Check Frage Falls Nein
Kohärenz Klingt jede Zeile noch nach der Marke? Verschiebungsstärke reduzieren
Abdeckung Sind alle wichtigen Kommunikationskontexte abgebildet? Fehlende Zeilen ergänzen
Unterscheidbarkeit Erzeugen unterschiedliche Kontexte tatsächlich unterschiedliche Modulationen? Ähnliche Kontexte zusammenführen
Grenz-Sicherheit Schieben Verschiebungen über die 1–5-Skala hinaus? An den Endpunkten kappen

Content-Audit-Scoring

Systematischer Prozess zur Bewertung bestehender Inhalte gegen das Voice-Framework.

CRITICAL (Kritisch): ZITIERE immer den konkret bewerteten Text, bevor du eine Bewertung vergibst. Keine vagen Einschätzungen.

Schritt 1: Content-Stichprobe auswählen

Wähle eine repräsentative Stichprobe, kein vollständiges Inventar:

  • Alle aktiven Kanäle einbeziehen
  • Sowohl aktuelle als auch ältere Inhalte einbeziehen
  • Hoch- und niedrigperformante Stücke einbeziehen
  • Minimum: 2–3 Stücke pro Kanal zur Mustererkennung

Schritt 2: Bewertung pro Merkmal

Bewerte für jedes Content-Stück jedes Voice-Merkmal:

Merkmal Zielposition Ist-Position (1–5) Belege (Text zitieren) Gap
[Merkmalsname] [aus Framework] [bewertet] "[zitierter Text]" [Differenz]

CRITICAL (Kritisch): ZITIERE immer den konkret bewerteten Text, bevor du eine Bewertung vergibst. Keine vagen Einschätzungen wie "der Content fühlt sich off-brand an" oder "der Ton passt nicht".

Schritt 3: Bewertungen aggregieren

Drei Aggregationsebenen:

Ebene Berechnung Zeigt
Score pro Stück Durchschnitt über die Merkmale (bei definierter Merkmals-Gewichtung gewichtet) Qualität einzelner Inhalte
Gap-Analyse pro Merkmal Durchschnittlicher Gap je Merkmal über alle Stücke Welche Merkmale konsistent abweichen
Muster pro Kanal Durchschnitts-Scores gruppiert nach Kanal Ob Abweichungen mit Kanälen korrelieren

Schritt 4: Gap-Identifikation und Behebung

Prioritätsmatrix für Maßnahmen:

Gap-Größe Strategische Bedeutung Maßnahme
Groß (>2) Hoch Sofortiges Rewrite
Groß (>2) Niedrig Rewrite einplanen
Klein (<=1) Hoch Kleinere Anpassung
Klein (<=1) Niedrig Akzeptieren oder bündeln

Zusätzliche Behebungs-Trigger:

  • Dasselbe Merkmal in 3+ Stücken off-target -> systemisches Problem (Schulung, Prozess oder unklare Richtlinien)
  • Derselbe Kanal konsistent off-target -> kanalspezifische Vorgaben in der Ton-Anpassungsmatrix nötig
  • Vokabular-Verstöße -> Liste der bevorzugten/zu vermeidenden Begriffe aktualisieren oder Verbreitung verbessern

Nutze die obigen Scoring-Dimensionen, um für jedes Content-Stück ein detailliertes Bewertungs-Worksheet zu erstellen.

Multi-Brand-Voice-Architektur

Methodik zur Steuerung von Voice-Frameworks über Markenhierarchien hinweg.

Parent/Child-Modell

  • Die Parent-Marke definiert die Kern-Merkmale und die nicht verhandelbaren Merkmalspositionen (Minimal- und Maximalgrenzen)
  • Child-Marken erben die Kern-Merkmale, können aber: - (a) 1–2 markenspezifische Merkmale für ihr Publikum ergänzen - (b) Standardpositionen innerhalb definierter Grenzen verschieben - (c) eigene Kanal-Modulationen innerhalb der Ton-Anpassungsmatrix definieren
  • Governance-Regel: Der Content einer Child-Marke sollte auch ohne explizites Branding als Teil der Parent-Familie erkennbar sein

Architektur-Entscheidungsbaum

Szenario Ansatz Anzahl Voice-Frameworks
Einzelmarke, mehrere Produkte Ein Voice-Framework, produktspezifische Ton-Modulationen 1 Framework + Produkt-Modulationszeilen
Brand House (Parent + benannte Sub-Brands) Parent-Framework + Child-Variationsregeln 1 Parent + N Child-Overlays
House of Brands (unabhängige Marken) Separate Frameworks, gemeinsamer Governance-Prozess N unabhängige Frameworks
Übergangsphase einer übernommenen Marke Duales Framework mit Konvergenz-Roadmap 2 Frameworks + Timeline

Dokumentation der Markenhierarchie

PARENT-MARKE: [Name]
KERN-MERKMALE (nicht verhandelbar):
  [Merkmal 1]: Grenzen [min]-[max] auf 5-Punkte-Skala
  [Merkmal 2]: Grenzen [min]-[max] auf 5-Punkte-Skala
GEMEINSAMES VOKABULAR: [Begriffe, die alle Child-Marken nutzen/vermeiden müssen]

CHILD-MARKE: [Name]
ERBT VON: [Parent-Name]
MERKMALS-OVERRIDES:
  [Merkmal 1]: Standard = [N] (innerhalb der Parent-Grenzen [min]-[max])
  [Zusätzliches Merkmal]: [Definition und Skala] (child-spezifisch)
PUBLIKUM: [wie sich das Publikum dieser Child-Marke vom Parent unterscheidet]
KANAL-FOKUS: [primäre Kanäle dieser Child-Marke]

Konvergenz-Roadmap (übernommene Marken)

Phase Dauer Maßnahme
Assessment Wochen 1–2 Voice der übernommenen Marke gegen das Parent-Framework auditieren; Lücken identifizieren
Alignment Wochen 3–8 Nicht verhandelbare Merkmale angleichen; distinktive Merkmale der übernommenen Marke bewahren, wo sie Mehrwert bieten
Integration Monate 3–6 Migration auf das Parent-Framework mit genehmigten Child-Brand-Variationen
Governance Laufend In den regulären Voice-Compliance-Review-Zyklus aufnehmen

Content-Governance-Workflow

Voice-Compliance-Review vor der Veröffentlichung. Bewerte jedes Merkmal und route dann anhand der Gap-Tabelle unten.

Eskalations-Trigger

Befund Maßnahme
Alle Merkmale im Zielbereich Freigeben
1 Merkmal um 1 Punkt daneben Kurze Notiz, freigeben
1+ Merkmale um 2+ Punkte daneben Vor Veröffentlichung überarbeiten
Vokabular-Verstoß Vor Veröffentlichung überarbeiten
Innerhalb der Kampagne inkonsistent Ausreißer-Stücke überarbeiten

Governance-Kadenz

Aktivität Häufigkeit Umfang
Review vor Veröffentlichung Jedes Stück (oder Stichprobe bei hohem Volumen je Kanal) Einzelner Content
Kanal-Audit Quartalsweise Alle Inhalte eines Kanals
Vollständiges Brand-Audit Jährlich oder nach Brand-Refresh Alle Kanäle, alle Content-Typen
Framework-Update Nach Audit-Befunden oder Änderungen der Markenstrategie Voice-Framework und Ton-Matrix

Referenzmaterial

  • Voice-Framework-Vorlage -- heranziehen, wenn du ein Brand-Voice-Framework aufbaust oder prüfst
  • Content-Audit-Rubrik -- heranziehen, wenn du Inhalte gegen ein Voice-Framework auditierst

Lade diese Vorlagen bei Bedarf als Datei hoch oder lege sie in einer companyRAG-Sammlung ab, damit der Skill darauf zugreifen kann.

Leitplanken

  • Erzeuge niemals Brand-Voice-Merkmale aus Trainingsdaten. Merkmale müssen aus den Markenrichtlinien des Kunden stammen oder ausdrücklich gemeinsam erarbeitet (und als solche gekennzeichnet) werden.
  • Zitiere immer den konkret bewerteten Text, bevor du eine Bewertung vergibst. Keine vagen Einschätzungen wie "der Content fühlt sich off-brand an".
  • Greife standardmäßig auf "nicht in den Markenrichtlinien spezifiziert" zurück, wenn ein Merkmal oder eine Vorliebe nicht definiert ist. Fülle Lücken niemals mit Annahmen.
  • Kennzeichne Ausgaben: [Aus Markenrichtlinien] für Brand-Dokumente · [Aus Kundendaten] für andere Quellen · [Framework-Methodik] für den Ansatz dieses Skills · [KI-Vorschlag] für Modellempfehlungen.

Tipp: Fordere über companyFILES eine DOCX- oder Markdown-Ausgabe an, um einen formatierten, sofort teilbaren Voice-Report oder ein Framework-Dokument zu erhalten.

04 同仓库更多 Skills

innFactory-AI
innFactory-AI/company-ai-stack-skills

sales-asset-skill

Produce tailored one-pagers, landing pages, case study drafts, and demo narratives personalised to a specific deal and buyer persona. Use when preparing collateral for a specific deal, building leave-behind materials, or customising standard assets for a prospect. Trigger with "create a one-pager for", "sales deck for [deal]", "customise this asset for".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

pipeline-review-skill

Analyse deal health, surface stale or at-risk opportunities, and produce a prioritised weekly action plan. Use when preparing for a pipeline review meeting, assessing forecast accuracy, or identifying stuck deals. Trigger with "review my pipeline", "pipeline health check", "deal risk analysis".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

outreach-skill

Research a prospect then draft personalised outreach with research-backed hooks, subject-line variants, and follow-up sequences. Use when cold-emailing a prospect, writing LinkedIn outreach, or building a multi-touch sequence. Trigger with "draft outreach to [person/company]", "write cold email to", "outreach sequence for".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

forecast-skill

Build a weighted revenue forecast with risk flags, commit recommendations, and gap-to-quota analysis. Use when preparing for a forecast call, evaluating end-of-quarter projections, or assessing pipeline coverage. Trigger with "build forecast", "forecast for this quarter", "where do I stand against quota".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

deal-strategy-skill

Map stakeholder power dynamics, surface deal risks, and recommend a step-by-step engagement strategy. Use when entering a complex deal, preparing for an executive sponsor meeting, or diagnosing a stuck opportunity. Trigger with "plan deal strategy for", "stakeholder map", "how do I advance this deal".

★ 0
innFactory-AI
innFactory-AI/company-ai-stack-skills

call-summary-skill

Extract action items, key topics, and objections from call notes or transcripts and draft a customer-facing follow-up email. Use after a sales call, demo, or discovery session. Trigger with "summarise this call", "call notes from", "write follow-up for this meeting".

★ 0