[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M7AEKD83AT0Q1H4DDB3HSDWA":3,"skill-same:01M7AEKD83AT0Q1H4DDB3HSDWA":46},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":24,"commitSha":25,"skillDirectory":26,"forksCount":14,"repositoryHtmlUrl":27,"repositoryHomepageUrl":6,"ownerHtmlUrl":28,"ownerBlogUrl":29,"ownerDescription":30,"updatedAt":31,"install":32,"resources":45},"01M7AEKD83AT0Q1H4DDB3HSDWA","brand-voice-skill",null,"Prüft Inhalte gegen Brand-Voice- und Style-Richtlinien — markiert Abweichungen nach Schweregrad mit Vorher\u002FNachher-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\".","innFactory-AI\u002Fcompany-ai-stack-skills","innFactory-AI","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F165681221?v=4","01M7AEC27VD0D1QX2XBX441MDW","innFactory AI","01M7AEC28G25HQ9H9SN58MNV27",0,"MIT","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fde\u002Fskills\u002Fmarketing\u002Fbrand-voice-skill\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: brand-voice-skill\ndescription: Prüft Inhalte gegen Brand-Voice- und Style-Richtlinien — markiert Abweichungen nach Schweregrad mit Vorher\u002FNachher-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\".\n---\n\n# Brand-Voice-Skill\n\nBaue, 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.\n\n## Woher die Daten kommen\n\n| Quelle | Was sie beiträgt |\n| --- | --- |\n| **CMS \u002F Content-Tools über MCP** (z. B. Contentful, WordPress, Notion) | Bestehende Texte, veröffentlichte Inhalte je Kanal, Content-Inventar |\n| **Analytics \u002F Social-Tools über MCP** (z. B. GA4, LinkedIn, HubSpot) | Performance-Daten, hoch- und niedrigperformante Inhalte, Kanalkontext |\n| **companyRAG-Sammlungen** (v. a. Brand- und Style-Guides) | Markenrichtlinien, Tonalitätsvorgaben, bestehende Voice-Frameworks |\n| **Datei-Upload** | Style-Guides, einzelne Content-Stücke, Stakeholder-Notizen |\n\n> **Keine angebundene Quelle?** Gib die Daten im Chat an oder lade die relevanten Dateien hoch — der Skill funktioniert genauso.\n\n## Methodik zur Zerlegung der Stimme\n\nSystematischer Prozess, um eine Brand Voice in messbare, bewertbare Komponenten zu zerlegen.\n\n### Schritt 1: Kern-Voice-Merkmale identifizieren\n\nExtrahiere 3–5 Kern-Voice-Merkmale aus den Markenrichtlinien oder aus Stakeholder-Input.\n\nRegeln:\n\n- Jedes Merkmal ist ein Spektrum, kein Binärwert (z. B. \"formell \u003C-> locker\" mit Positionen 1–5)\n- Merkmale müssen unabhängig sein -- die Anpassung eines Merkmals sollte logisch keine Anpassung eines anderen erzwingen\n- Validierungstest: Verschiebt man ein Merkmal um 2 Punkte, sollte sich der Content spürbar anders anfühlen\n- Ergeben sich weniger als 3 Merkmale, sind die Markenrichtlinien möglicherweise unvollständig -- weise den Nutzer darauf hin\n\n### Schritt 2: Jedes Merkmal definieren\n\nVervollständige für jedes identifizierte Merkmal diese Vorlage:\n\n| Element | Beschreibung |\n| --- | --- |\n| Merkmalsname | Ein Wort oder kurze Phrase |\n| Definition | Was dieses Merkmal für diese Marke bedeutet (1 Satz) |\n| Skala | 1–5 Intensität mit beschrifteten Endpunkten |\n| Standardposition | Wo die Marke normalerweise auf der Skala liegt |\n| Do-Beispiele | 2–3 Phrasen, die das Merkmal an der Standardposition verkörpern |\n| Don't-Beispiele | 2–3 Phrasen, die das Merkmal verletzen |\n| Kanal-Modulationen | Wie sich die Intensität je Kanal verschiebt (siehe Ton-Anpassungsmatrix) |\n\nAusfüllformat pro Merkmal:\n\n```\nMERKMAL: [Name]\nDEFINITION: [ein Satz]\nSKALA:\n  1 = [Label unteres Ende]\n  2 = [Beschreibung]\n  3 = [Label Mittelpunkt]\n  4 = [Beschreibung]\n  5 = [Label oberes Ende]\nSTANDARDPOSITION: [1-5]\nDO:\n  - \"[Beispielphrase an der Standardposition]\"\n  - \"[Beispielphrase an der Standardposition]\"\nDON'T:\n  - \"[Beispielphrase, die das Merkmal verletzt]\"\n  - \"[Beispielphrase, die das Merkmal verletzt]\"\n```\n\n### Schritt 3: Vokabular-Richtlinien aufstellen\n\nDefiniere: 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** \u002F **Vermeiden** \u002F **Jargon** \u002F **Kontraktionen** \u002F **Satzform**), damit sie neben den Merkmalsdefinitionen aus Schritt 2 auditierbar bleiben.\n\nCRITICAL (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.\"\n\n## Ton-Anpassungsmatrix\n\n### Matrix-Struktur\n\n| Kontext | Verschiebung Merkmal 1 | Verschiebung Merkmal 2 | ... | Wann einsetzen |\n| --- | --- | --- | --- | --- |\n| Krisenkommunikation | [Richtung + Stärke] | ... | ... | Aktive Vorfälle, öffentliche Statements |\n| Produkt-Launch | ... | ... | ... | Ankündigungen neuer Produkte\u002FFeatures |\n| Kundensupport | ... | ... | ... | Hilfe-Dokumente, Support-Antworten |\n| Thought Leadership | ... | ... | ... | Blogposts, Konferenzvorträge, Research |\n| Social Media | ... | ... | ... | Kurzformate, konversationelle Kontexte |\n| Recht\u002FCompliance | ... | ... | ... | AGB, Richtlinien, regulatorische Kommunikation |\n\n### Konstruktionsprozess\n\n1. Liste die Kommunikationskontexte der Marke auf (nutze die Standardliste oben als Ausgangspunkt, ergänze\u002Fentferne nach Bedarf)\n2. Bestimme für jeden Kontext, welche Merkmale modulieren und in welche Richtung\n3. Definiere die Stärke der Verschiebung (nutze +1, +2, -1, -2 relativ zur Standardposition auf der 5-Punkte-Skala)\n4. Validiere: Fühlt sich die modulierte Stimme noch wie dieselbe Marke an? Überschreitet eine Verschiebung +\u002F-2, kann die Markenkohärenz brechen\n5. Dokumentiere Ausnahmen -- Kontexte, in denen ein Merkmal bewusst ins Extrem geschoben wird (z. B. Rechtstexte bei maximaler Formalität)\n\n### Verschiebungsnotation\n\n```\nKONTEXT: [Name]\nMERKMALS-VERSCHIEBUNGEN:\n  [Merkmal 1]: [Standard] -> [verschoben] ([+\u002F-N], [Begründung])\n  [Merkmal 2]: [Standard] -> [verschoben] ([+\u002F-N], [Begründung])\n  [Merkmal 3]: keine Verschiebung\nWANN EINSETZEN: [konkrete Auslöser oder Content-Typen]\nBEISPIEL: \"[kurzer Beispielsatz, der die modulierte Stimme zeigt]\"\n```\n\n### Matrix-Validierung\n\nValidiere die Matrix nach der Konstruktion mit diesen Checks:\n\n| Check | Frage | Falls Nein |\n| --- | --- | --- |\n| Kohärenz | Klingt jede Zeile noch nach der Marke? | Verschiebungsstärke reduzieren |\n| Abdeckung | Sind alle wichtigen Kommunikationskontexte abgebildet? | Fehlende Zeilen ergänzen |\n| Unterscheidbarkeit | Erzeugen unterschiedliche Kontexte tatsächlich unterschiedliche Modulationen? | Ähnliche Kontexte zusammenführen |\n| Grenz-Sicherheit | Schieben Verschiebungen über die 1–5-Skala hinaus? | An den Endpunkten kappen |\n\n## Content-Audit-Scoring\n\nSystematischer Prozess zur Bewertung bestehender Inhalte gegen das Voice-Framework.\n\nCRITICAL (Kritisch): ZITIERE immer den konkret bewerteten Text, bevor du eine Bewertung vergibst. Keine vagen Einschätzungen.\n\n### Schritt 1: Content-Stichprobe auswählen\n\nWähle eine repräsentative Stichprobe, kein vollständiges Inventar:\n\n- Alle aktiven Kanäle einbeziehen\n- Sowohl aktuelle als auch ältere Inhalte einbeziehen\n- Hoch- und niedrigperformante Stücke einbeziehen\n- Minimum: 2–3 Stücke pro Kanal zur Mustererkennung\n\n### Schritt 2: Bewertung pro Merkmal\n\nBewerte für jedes Content-Stück jedes Voice-Merkmal:\n\n| Merkmal | Zielposition | Ist-Position (1–5) | Belege (Text zitieren) | Gap |\n| --- | --- | --- | --- | --- |\n| [Merkmalsname] | [aus Framework] | [bewertet] | \"[zitierter Text]\" | [Differenz] |\n\nCRITICAL (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\".\n\n### Schritt 3: Bewertungen aggregieren\n\nDrei Aggregationsebenen:\n\n| Ebene | Berechnung | Zeigt |\n| --- | --- | --- |\n| Score pro Stück | Durchschnitt über die Merkmale (bei definierter Merkmals-Gewichtung gewichtet) | Qualität einzelner Inhalte |\n| Gap-Analyse pro Merkmal | Durchschnittlicher Gap je Merkmal über alle Stücke | Welche Merkmale konsistent abweichen |\n| Muster pro Kanal | Durchschnitts-Scores gruppiert nach Kanal | Ob Abweichungen mit Kanälen korrelieren |\n\n### Schritt 4: Gap-Identifikation und Behebung\n\nPrioritätsmatrix für Maßnahmen:\n\n| Gap-Größe | Strategische Bedeutung | Maßnahme |\n| --- | --- | --- |\n| Groß (>2) | Hoch | Sofortiges Rewrite |\n| Groß (>2) | Niedrig | Rewrite einplanen |\n| Klein (\u003C=1) | Hoch | Kleinere Anpassung |\n| Klein (\u003C=1) | Niedrig | Akzeptieren oder bündeln |\n\nZusätzliche Behebungs-Trigger:\n\n- Dasselbe Merkmal in 3+ Stücken off-target -> systemisches Problem (Schulung, Prozess oder unklare Richtlinien)\n- Derselbe Kanal konsistent off-target -> kanalspezifische Vorgaben in der Ton-Anpassungsmatrix nötig\n- Vokabular-Verstöße -> Liste der bevorzugten\u002Fzu vermeidenden Begriffe aktualisieren oder Verbreitung verbessern\n\nNutze die obigen Scoring-Dimensionen, um für jedes Content-Stück ein detailliertes Bewertungs-Worksheet zu erstellen.\n\n## Multi-Brand-Voice-Architektur\n\nMethodik zur Steuerung von Voice-Frameworks über Markenhierarchien hinweg.\n\n### Parent\u002FChild-Modell\n\n- Die Parent-Marke definiert die Kern-Merkmale und die nicht verhandelbaren Merkmalspositionen (Minimal- und Maximalgrenzen)\n- 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\n- Governance-Regel: Der Content einer Child-Marke sollte auch ohne explizites Branding als Teil der Parent-Familie erkennbar sein\n\n### Architektur-Entscheidungsbaum\n\n| Szenario | Ansatz | Anzahl Voice-Frameworks |\n| --- | --- | --- |\n| Einzelmarke, mehrere Produkte | Ein Voice-Framework, produktspezifische Ton-Modulationen | 1 Framework + Produkt-Modulationszeilen |\n| Brand House (Parent + benannte Sub-Brands) | Parent-Framework + Child-Variationsregeln | 1 Parent + N Child-Overlays |\n| House of Brands (unabhängige Marken) | Separate Frameworks, gemeinsamer Governance-Prozess | N unabhängige Frameworks |\n| Übergangsphase einer übernommenen Marke | Duales Framework mit Konvergenz-Roadmap | 2 Frameworks + Timeline |\n\n### Dokumentation der Markenhierarchie\n\n```\nPARENT-MARKE: [Name]\nKERN-MERKMALE (nicht verhandelbar):\n  [Merkmal 1]: Grenzen [min]-[max] auf 5-Punkte-Skala\n  [Merkmal 2]: Grenzen [min]-[max] auf 5-Punkte-Skala\nGEMEINSAMES VOKABULAR: [Begriffe, die alle Child-Marken nutzen\u002Fvermeiden müssen]\n\nCHILD-MARKE: [Name]\nERBT VON: [Parent-Name]\nMERKMALS-OVERRIDES:\n  [Merkmal 1]: Standard = [N] (innerhalb der Parent-Grenzen [min]-[max])\n  [Zusätzliches Merkmal]: [Definition und Skala] (child-spezifisch)\nPUBLIKUM: [wie sich das Publikum dieser Child-Marke vom Parent unterscheidet]\nKANAL-FOKUS: [primäre Kanäle dieser Child-Marke]\n```\n\n### Konvergenz-Roadmap (übernommene Marken)\n\n| Phase | Dauer | Maßnahme |\n| --- | --- | --- |\n| Assessment | Wochen 1–2 | Voice der übernommenen Marke gegen das Parent-Framework auditieren; Lücken identifizieren |\n| Alignment | Wochen 3–8 | Nicht verhandelbare Merkmale angleichen; distinktive Merkmale der übernommenen Marke bewahren, wo sie Mehrwert bieten |\n| Integration | Monate 3–6 | Migration auf das Parent-Framework mit genehmigten Child-Brand-Variationen |\n| Governance | Laufend | In den regulären Voice-Compliance-Review-Zyklus aufnehmen |\n\n## Content-Governance-Workflow\n\nVoice-Compliance-Review vor der Veröffentlichung. Bewerte jedes Merkmal und route dann anhand der Gap-Tabelle unten.\n\n### Eskalations-Trigger\n\n| Befund | Maßnahme |\n| --- | --- |\n| Alle Merkmale im Zielbereich | Freigeben |\n| 1 Merkmal um 1 Punkt daneben | Kurze Notiz, freigeben |\n| 1+ Merkmale um 2+ Punkte daneben | Vor Veröffentlichung überarbeiten |\n| Vokabular-Verstoß | Vor Veröffentlichung überarbeiten |\n| Innerhalb der Kampagne inkonsistent | Ausreißer-Stücke überarbeiten |\n\n### Governance-Kadenz\n\n| Aktivität | Häufigkeit | Umfang |\n| --- | --- | --- |\n| Review vor Veröffentlichung | Jedes Stück (oder Stichprobe bei hohem Volumen je Kanal) | Einzelner Content |\n| Kanal-Audit | Quartalsweise | Alle Inhalte eines Kanals |\n| Vollständiges Brand-Audit | Jährlich oder nach Brand-Refresh | Alle Kanäle, alle Content-Typen |\n| Framework-Update | Nach Audit-Befunden oder Änderungen der Markenstrategie | Voice-Framework und Ton-Matrix |\n\n## Referenzmaterial\n\n- Voice-Framework-Vorlage -- heranziehen, wenn du ein Brand-Voice-Framework aufbaust oder prüfst\n- Content-Audit-Rubrik -- heranziehen, wenn du Inhalte gegen ein Voice-Framework auditierst\n\nLade diese Vorlagen bei Bedarf als Datei hoch oder lege sie in einer companyRAG-Sammlung ab, damit der Skill darauf zugreifen kann.\n\n## Leitplanken\n\n- Erzeuge niemals Brand-Voice-Merkmale aus Trainingsdaten. Merkmale müssen aus den Markenrichtlinien des Kunden stammen oder ausdrücklich gemeinsam erarbeitet (und als solche gekennzeichnet) werden.\n- Zitiere immer den konkret bewerteten Text, bevor du eine Bewertung vergibst. Keine vagen Einschätzungen wie \"der Content fühlt sich off-brand an\".\n- Greife standardmäßig auf \"nicht in den Markenrichtlinien spezifiziert\" zurück, wenn ein Merkmal oder eine Vorliebe nicht definiert ist. Fülle Lücken niemals mit Annahmen.\n- Kennzeichne Ausgaben: `[Aus Markenrichtlinien]` für Brand-Dokumente · `[Aus Kundendaten]` für andere Quellen · `[Framework-Methodik]` für den Ansatz dieses Skills · `[KI-Vorschlag]` für Modellempfehlungen.\n\n> **Tipp:** Fordere über companyFILES eine DOCX- oder Markdown-Ausgabe an, um einen formatierten, sofort teilbaren Voice-Report oder ein Framework-Dokument zu erhalten.\n","# Brand-Voice-Skill\n\nBaue, 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.\n\n## Woher die Daten kommen\n\n| Quelle | Was sie beiträgt |\n| --- | --- |\n| **CMS \u002F Content-Tools über MCP** (z. B. Contentful, WordPress, Notion) | Bestehende Texte, veröffentlichte Inhalte je Kanal, Content-Inventar |\n| **Analytics \u002F Social-Tools über MCP** (z. B. GA4, LinkedIn, HubSpot) | Performance-Daten, hoch- und niedrigperformante Inhalte, Kanalkontext |\n| **companyRAG-Sammlungen** (v. a. Brand- und Style-Guides) | Markenrichtlinien, Tonalitätsvorgaben, bestehende Voice-Frameworks |\n| **Datei-Upload** | Style-Guides, einzelne Content-Stücke, Stakeholder-Notizen |\n\n> **Keine angebundene Quelle?** Gib die Daten im Chat an oder lade die relevanten Dateien hoch — der Skill funktioniert genauso.\n\n## Methodik zur Zerlegung der Stimme\n\nSystematischer Prozess, um eine Brand Voice in messbare, bewertbare Komponenten zu zerlegen.\n\n### Schritt 1: Kern-Voice-Merkmale identifizieren\n\nExtrahiere 3–5 Kern-Voice-Merkmale aus den Markenrichtlinien oder aus Stakeholder-Input.\n\nRegeln:\n\n- Jedes Merkmal ist ein Spektrum, kein Binärwert (z. B. \"formell \u003C-> locker\" mit Positionen 1–5)\n- Merkmale müssen unabhängig sein -- die Anpassung eines Merkmals sollte logisch keine Anpassung eines anderen erzwingen\n- Validierungstest: Verschiebt man ein Merkmal um 2 Punkte, sollte sich der Content spürbar anders anfühlen\n- Ergeben sich weniger als 3 Merkmale, sind die Markenrichtlinien möglicherweise unvollständig -- weise den Nutzer darauf hin\n\n### Schritt 2: Jedes Merkmal definieren\n\nVervollständige für jedes identifizierte Merkmal diese Vorlage:\n\n| Element | Beschreibung |\n| --- | --- |\n| Merkmalsname | Ein Wort oder kurze Phrase |\n| Definition | Was dieses Merkmal für diese Marke bedeutet (1 Satz) |\n| Skala | 1–5 Intensität mit beschrifteten Endpunkten |\n| Standardposition | Wo die Marke normalerweise auf der Skala liegt |\n| Do-Beispiele | 2–3 Phrasen, die das Merkmal an der Standardposition verkörpern |\n| Don't-Beispiele | 2–3 Phrasen, die das Merkmal verletzen |\n| Kanal-Modulationen | Wie sich die Intensität je Kanal verschiebt (siehe Ton-Anpassungsmatrix) |\n\nAusfüllformat pro Merkmal:\n\n```\nMERKMAL: [Name]\nDEFINITION: [ein Satz]\nSKALA:\n  1 = [Label unteres Ende]\n  2 = [Beschreibung]\n  3 = [Label Mittelpunkt]\n  4 = [Beschreibung]\n  5 = [Label oberes Ende]\nSTANDARDPOSITION: [1-5]\nDO:\n  - \"[Beispielphrase an der Standardposition]\"\n  - \"[Beispielphrase an der Standardposition]\"\nDON'T:\n  - \"[Beispielphrase, die das Merkmal verletzt]\"\n  - \"[Beispielphrase, die das Merkmal verletzt]\"\n```\n\n### Schritt 3: Vokabular-Richtlinien aufstellen\n\nDefiniere: 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** \u002F **Vermeiden** \u002F **Jargon** \u002F **Kontraktionen** \u002F **Satzform**), damit sie neben den Merkmalsdefinitionen aus Schritt 2 auditierbar bleiben.\n\nCRITICAL (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.\"\n\n## Ton-Anpassungsmatrix\n\n### Matrix-Struktur\n\n| Kontext | Verschiebung Merkmal 1 | Verschiebung Merkmal 2 | ... | Wann einsetzen |\n| --- | --- | --- | --- | --- |\n| Krisenkommunikation | [Richtung + Stärke] | ... | ... | Aktive Vorfälle, öffentliche Statements |\n| Produkt-Launch | ... | ... | ... | Ankündigungen neuer Produkte\u002FFeatures |\n| Kundensupport | ... | ... | ... | Hilfe-Dokumente, Support-Antworten |\n| Thought Leadership | ... | ... | ... | Blogposts, Konferenzvorträge, Research |\n| Social Media | ... | ... | ... | Kurzformate, konversationelle Kontexte |\n| Recht\u002FCompliance | ... | ... | ... | AGB, Richtlinien, regulatorische Kommunikation |\n\n### Konstruktionsprozess\n\n1. Liste die Kommunikationskontexte der Marke auf (nutze die Standardliste oben als Ausgangspunkt, ergänze\u002Fentferne nach Bedarf)\n2. Bestimme für jeden Kontext, welche Merkmale modulieren und in welche Richtung\n3. Definiere die Stärke der Verschiebung (nutze +1, +2, -1, -2 relativ zur Standardposition auf der 5-Punkte-Skala)\n4. Validiere: Fühlt sich die modulierte Stimme noch wie dieselbe Marke an? Überschreitet eine Verschiebung +\u002F-2, kann die Markenkohärenz brechen\n5. Dokumentiere Ausnahmen -- Kontexte, in denen ein Merkmal bewusst ins Extrem geschoben wird (z. B. Rechtstexte bei maximaler Formalität)\n\n### Verschiebungsnotation\n\n```\nKONTEXT: [Name]\nMERKMALS-VERSCHIEBUNGEN:\n  [Merkmal 1]: [Standard] -> [verschoben] ([+\u002F-N], [Begründung])\n  [Merkmal 2]: [Standard] -> [verschoben] ([+\u002F-N], [Begründung])\n  [Merkmal 3]: keine Verschiebung\nWANN EINSETZEN: [konkrete Auslöser oder Content-Typen]\nBEISPIEL: \"[kurzer Beispielsatz, der die modulierte Stimme zeigt]\"\n```\n\n### Matrix-Validierung\n\nValidiere die Matrix nach der Konstruktion mit diesen Checks:\n\n| Check | Frage | Falls Nein |\n| --- | --- | --- |\n| Kohärenz | Klingt jede Zeile noch nach der Marke? | Verschiebungsstärke reduzieren |\n| Abdeckung | Sind alle wichtigen Kommunikationskontexte abgebildet? | Fehlende Zeilen ergänzen |\n| Unterscheidbarkeit | Erzeugen unterschiedliche Kontexte tatsächlich unterschiedliche Modulationen? | Ähnliche Kontexte zusammenführen |\n| Grenz-Sicherheit | Schieben Verschiebungen über die 1–5-Skala hinaus? | An den Endpunkten kappen |\n\n## Content-Audit-Scoring\n\nSystematischer Prozess zur Bewertung bestehender Inhalte gegen das Voice-Framework.\n\nCRITICAL (Kritisch): ZITIERE immer den konkret bewerteten Text, bevor du eine Bewertung vergibst. Keine vagen Einschätzungen.\n\n### Schritt 1: Content-Stichprobe auswählen\n\nWähle eine repräsentative Stichprobe, kein vollständiges Inventar:\n\n- Alle aktiven Kanäle einbeziehen\n- Sowohl aktuelle als auch ältere Inhalte einbeziehen\n- Hoch- und niedrigperformante Stücke einbeziehen\n- Minimum: 2–3 Stücke pro Kanal zur Mustererkennung\n\n### Schritt 2: Bewertung pro Merkmal\n\nBewerte für jedes Content-Stück jedes Voice-Merkmal:\n\n| Merkmal | Zielposition | Ist-Position (1–5) | Belege (Text zitieren) | Gap |\n| --- | --- | --- | --- | --- |\n| [Merkmalsname] | [aus Framework] | [bewertet] | \"[zitierter Text]\" | [Differenz] |\n\nCRITICAL (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\".\n\n### Schritt 3: Bewertungen aggregieren\n\nDrei Aggregationsebenen:\n\n| Ebene | Berechnung | Zeigt |\n| --- | --- | --- |\n| Score pro Stück | Durchschnitt über die Merkmale (bei definierter Merkmals-Gewichtung gewichtet) | Qualität einzelner Inhalte |\n| Gap-Analyse pro Merkmal | Durchschnittlicher Gap je Merkmal über alle Stücke | Welche Merkmale konsistent abweichen |\n| Muster pro Kanal | Durchschnitts-Scores gruppiert nach Kanal | Ob Abweichungen mit Kanälen korrelieren |\n\n### Schritt 4: Gap-Identifikation und Behebung\n\nPrioritätsmatrix für Maßnahmen:\n\n| Gap-Größe | Strategische Bedeutung | Maßnahme |\n| --- | --- | --- |\n| Groß (>2) | Hoch | Sofortiges Rewrite |\n| Groß (>2) | Niedrig | Rewrite einplanen |\n| Klein (\u003C=1) | Hoch | Kleinere Anpassung |\n| Klein (\u003C=1) | Niedrig | Akzeptieren oder bündeln |\n\nZusätzliche Behebungs-Trigger:\n\n- Dasselbe Merkmal in 3+ Stücken off-target -> systemisches Problem (Schulung, Prozess oder unklare Richtlinien)\n- Derselbe Kanal konsistent off-target -> kanalspezifische Vorgaben in der Ton-Anpassungsmatrix nötig\n- Vokabular-Verstöße -> Liste der bevorzugten\u002Fzu vermeidenden Begriffe aktualisieren oder Verbreitung verbessern\n\nNutze die obigen Scoring-Dimensionen, um für jedes Content-Stück ein detailliertes Bewertungs-Worksheet zu erstellen.\n\n## Multi-Brand-Voice-Architektur\n\nMethodik zur Steuerung von Voice-Frameworks über Markenhierarchien hinweg.\n\n### Parent\u002FChild-Modell\n\n- Die Parent-Marke definiert die Kern-Merkmale und die nicht verhandelbaren Merkmalspositionen (Minimal- und Maximalgrenzen)\n- 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\n- Governance-Regel: Der Content einer Child-Marke sollte auch ohne explizites Branding als Teil der Parent-Familie erkennbar sein\n\n### Architektur-Entscheidungsbaum\n\n| Szenario | Ansatz | Anzahl Voice-Frameworks |\n| --- | --- | --- |\n| Einzelmarke, mehrere Produkte | Ein Voice-Framework, produktspezifische Ton-Modulationen | 1 Framework + Produkt-Modulationszeilen |\n| Brand House (Parent + benannte Sub-Brands) | Parent-Framework + Child-Variationsregeln | 1 Parent + N Child-Overlays |\n| House of Brands (unabhängige Marken) | Separate Frameworks, gemeinsamer Governance-Prozess | N unabhängige Frameworks |\n| Übergangsphase einer übernommenen Marke | Duales Framework mit Konvergenz-Roadmap | 2 Frameworks + Timeline |\n\n### Dokumentation der Markenhierarchie\n\n```\nPARENT-MARKE: [Name]\nKERN-MERKMALE (nicht verhandelbar):\n  [Merkmal 1]: Grenzen [min]-[max] auf 5-Punkte-Skala\n  [Merkmal 2]: Grenzen [min]-[max] auf 5-Punkte-Skala\nGEMEINSAMES VOKABULAR: [Begriffe, die alle Child-Marken nutzen\u002Fvermeiden müssen]\n\nCHILD-MARKE: [Name]\nERBT VON: [Parent-Name]\nMERKMALS-OVERRIDES:\n  [Merkmal 1]: Standard = [N] (innerhalb der Parent-Grenzen [min]-[max])\n  [Zusätzliches Merkmal]: [Definition und Skala] (child-spezifisch)\nPUBLIKUM: [wie sich das Publikum dieser Child-Marke vom Parent unterscheidet]\nKANAL-FOKUS: [primäre Kanäle dieser Child-Marke]\n```\n\n### Konvergenz-Roadmap (übernommene Marken)\n\n| Phase | Dauer | Maßnahme |\n| --- | --- | --- |\n| Assessment | Wochen 1–2 | Voice der übernommenen Marke gegen das Parent-Framework auditieren; Lücken identifizieren |\n| Alignment | Wochen 3–8 | Nicht verhandelbare Merkmale angleichen; distinktive Merkmale der übernommenen Marke bewahren, wo sie Mehrwert bieten |\n| Integration | Monate 3–6 | Migration auf das Parent-Framework mit genehmigten Child-Brand-Variationen |\n| Governance | Laufend | In den regulären Voice-Compliance-Review-Zyklus aufnehmen |\n\n## Content-Governance-Workflow\n\nVoice-Compliance-Review vor der Veröffentlichung. Bewerte jedes Merkmal und route dann anhand der Gap-Tabelle unten.\n\n### Eskalations-Trigger\n\n| Befund | Maßnahme |\n| --- | --- |\n| Alle Merkmale im Zielbereich | Freigeben |\n| 1 Merkmal um 1 Punkt daneben | Kurze Notiz, freigeben |\n| 1+ Merkmale um 2+ Punkte daneben | Vor Veröffentlichung überarbeiten |\n| Vokabular-Verstoß | Vor Veröffentlichung überarbeiten |\n| Innerhalb der Kampagne inkonsistent | Ausreißer-Stücke überarbeiten |\n\n### Governance-Kadenz\n\n| Aktivität | Häufigkeit | Umfang |\n| --- | --- | --- |\n| Review vor Veröffentlichung | Jedes Stück (oder Stichprobe bei hohem Volumen je Kanal) | Einzelner Content |\n| Kanal-Audit | Quartalsweise | Alle Inhalte eines Kanals |\n| Vollständiges Brand-Audit | Jährlich oder nach Brand-Refresh | Alle Kanäle, alle Content-Typen |\n| Framework-Update | Nach Audit-Befunden oder Änderungen der Markenstrategie | Voice-Framework und Ton-Matrix |\n\n## Referenzmaterial\n\n- Voice-Framework-Vorlage -- heranziehen, wenn du ein Brand-Voice-Framework aufbaust oder prüfst\n- Content-Audit-Rubrik -- heranziehen, wenn du Inhalte gegen ein Voice-Framework auditierst\n\nLade diese Vorlagen bei Bedarf als Datei hoch oder lege sie in einer companyRAG-Sammlung ab, damit der Skill darauf zugreifen kann.\n\n## Leitplanken\n\n- Erzeuge niemals Brand-Voice-Merkmale aus Trainingsdaten. Merkmale müssen aus den Markenrichtlinien des Kunden stammen oder ausdrücklich gemeinsam erarbeitet (und als solche gekennzeichnet) werden.\n- Zitiere immer den konkret bewerteten Text, bevor du eine Bewertung vergibst. Keine vagen Einschätzungen wie \"der Content fühlt sich off-brand an\".\n- Greife standardmäßig auf \"nicht in den Markenrichtlinien spezifiziert\" zurück, wenn ein Merkmal oder eine Vorliebe nicht definiert ist. Fülle Lücken niemals mit Annahmen.\n- Kennzeichne Ausgaben: `[Aus Markenrichtlinien]` für Brand-Dokumente · `[Aus Kundendaten]` für andere Quellen · `[Framework-Methodik]` für den Ansatz dieses Skills · `[KI-Vorschlag]` für Modellempfehlungen.\n\n> **Tipp:** Fordere über companyFILES eine DOCX- oder Markdown-Ausgabe an, um einen formatierten, sofort teilbaren Voice-Report oder ein Framework-Dokument zu erhalten.\n",{"name":5,"description":7},"main","39e0752000720de2d20917bd46c1c5149c4a0221","de\u002Fskills\u002Fmarketing\u002Fbrand-voice-skill","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills","https:\u002F\u002Fgithub.com\u002FinnFactory-AI","https:\u002F\u002Finnfactory.ai","Engineering AI. Enabling Tomorrow.","2026-11-13 19:54:47",{"source":8,"skillName":5,"commands":33,"prompt":43,"zipAvailable":44},[34,37,40],{"tool":35,"command":36},"npx","npx skills add innFactory-AI\u002Fcompany-ai-stack-skills --skill brand-voice-skill",{"tool":38,"command":39},"bunx","bunx skills add innFactory-AI\u002Fcompany-ai-stack-skills --skill brand-voice-skill",{"tool":41,"command":42},"pnpm","pnpm dlx skills add innFactory-AI\u002Fcompany-ai-stack-skills --skill brand-voice-skill","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fde\u002Fskills\u002Fmarketing\u002Fbrand-voice-skill\u002FSKILL.md",true,[],[47,54,61,68,75,82],{"skillNo":48,"name":49,"nameZh":6,"description":50,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":51,"categories":52,"keywords":53,"publishedAt":19},"01M7AF4HHK5B987T44HW7BZFVZ","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\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fsales-asset-skill\u002FSKILL.md",[],[],{"skillNo":55,"name":56,"nameZh":6,"description":57,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":58,"categories":59,"keywords":60,"publishedAt":19},"01M7AF4D32V0FJE0QGCBZSQ7BW","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\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fpipeline-review-skill\u002FSKILL.md",[],[],{"skillNo":62,"name":63,"nameZh":6,"description":64,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":65,"categories":66,"keywords":67,"publishedAt":19},"01M7AF48W7G8DMAHRAM125B192","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\u002Fcompany]\", \"write cold email to\", \"outreach sequence for\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Foutreach-skill\u002FSKILL.md",[],[],{"skillNo":69,"name":70,"nameZh":6,"description":71,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":72,"categories":73,"keywords":74,"publishedAt":19},"01M7AF43VKNPQ7G1NTQ4MRH40J","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\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fforecast-skill\u002FSKILL.md",[],[],{"skillNo":76,"name":77,"nameZh":6,"description":78,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":79,"categories":80,"keywords":81,"publishedAt":19},"01M7AF3Z5N61VYSEJRYWXR4JP1","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\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fdeal-strategy-skill\u002FSKILL.md",[],[],{"skillNo":83,"name":84,"nameZh":6,"description":85,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":86,"categories":87,"keywords":88,"publishedAt":19},"01M7AF3VGG29AX0T2X9WQ5MWDN","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\".","https:\u002F\u002Fgithub.com\u002FinnFactory-AI\u002Fcompany-ai-stack-skills\u002Fblob\u002Fmain\u002Fen\u002Fskills\u002Fsales\u002Fcall-summary-skill\u002FSKILL.md",[],[]]