用途：在推出新产品、调整现有定价、引入分层定价或评估竞争价格定位前，对 3-8 个价格点做方向性定价分析。它把 Van Westendorp 与 Gabor-Granger 式定价分析应用到 AI 模拟面板上，无需正式定价研究的成本与周期。
主要能力：按细分群体估算购买可能性、感知价值、价格-质量推断（过便宜暗示低质、过贵暗示排斥）与情绪反应；计算最优价格点、可接受价格区间（下限与上限）、收入最大化价格和销量最大化价格；在提供竞品价格时给出竞争定位评估；输出分层定价、导入定价等策略建议，并附置信度与局限说明。
使用方式：需提供产品或服务描述、3-8 个价格点、受众面板（已有面板 ID 或基于 CRM 数据的新细分定义），可选提供当前价格与竞品价格。脚本位于插件 scripts/ 目录，需 Python 3.10 或更新版本，用 python 或 python3 运行。示例命令：python "${CLAUDE_PLUGIN_ROOT}/scripts/audience-simulator.py" --brand {slug} --action list-panels；创建面板用 --action create-panel --panel-name {name} --segments '[...]'；测试定价用 --action test-pricing --panel-id {id} --price-points '[...]' --product-description "..."。会读取 ~/.claude-marketing/brands/_active-brand.json 与品牌 profile.json，并检查 guidelines 与 sops。
适用场景：新产品上市前、现有价格调整、分层定价设计、竞品价格定位评估。
限制：结果为基于合成面板的方向性估计，敏感度模式较可靠，但各价格点的精确转化率不可靠；高风险的定价决策仍需真实世界验证，如联合分析、线上 A/B 价格测试或基于问卷的支付意愿研究。未提供品牌时会被询问是否先设置品牌，或使用默认值。