用途：评估用户是否会“想要”一个产品，是摩擦分析（ux-friction-analyzer）的补充。核心观点是用户不选最好的产品，而选最像为自己打造的产品。
主要能力：
- 吸引力三角（Desirability Triangle）：从身份契合、问题紧迫性、信任信号三个顶点各按1-10打分，任一低于5即为优先修复项。
- 5秒测试：让不熟悉者看落地页5秒，回答“这是什么、给谁用、核心承诺、下一步做什么”，按清晰度给出0-10分与行动建议。
- 分析流程：识别目标画像、逐画像打分、映射异议（信任、怀疑、价值、努力、身份、风险、紧迫性）、按 Impact = (Users Affected × Severity) / Fix Difficulty 生成即时/中期/长期建议。
- 常见反模式识别：功能堆砌标题、截图式主视觉、信任阶梯违规、身份错配、自包含工具等。
- 输出格式：执行摘要、逐画像三角评分、5秒测试评估、前三大异议及应对、优先级建议。
使用方式：读取落地页内容与结构，用 WebFetch 分析目标 URL 的实时内容，将分析结果写入 markdown 文件，并把建议编辑为可执行的文案修改。可运行 python scripts/appeal_scorer.py <url> 生成含评分与建议的结构化 JSON。参考文件包括 references/scoring-templates.md、references/trust-ladder.md、references/identity-signals.md、references/objection-catalog.md。
适用场景：评估落地页、产品页、应用商店列表；产品定位与竞品对比；文案、语气与视觉身份方向；目标画像的情感共鸣评估；发布前“能否转化”分析。
限制：不适用于 UX 摩擦审计（用 ux-friction-analyzer）、视觉设计执行（用 web-design-expert）、A/B 测试实现（用 frontend-developer）、市场规模估算或财务预测、功能对比矩阵。吸引力与摩擦需结合：高吸引力+高摩擦=沮丧用户，低摩擦+低吸引力=产品被弃用。