用途：对营销场景做蒙特卡洛模拟，用概率分布预测收入结果，在真正投入预算前测试渠道组合变化、预算再分配、新渠道上线和支出调整。适合需要了解下行风险、上行潜力和达成特定收入目标概率的高风险决策。
主要能力：按场景输入各渠道月度预算、预期ROI均值与标准差、饱和点及渠道间交互效应；设定预测周期（通常3、6、12个月）、可选收入目标、模拟次数（默认10000，可增至50000以上）和约束条件。运行后输出每场景的期望收入、中位数P50、悲观P10、乐观P90、达标概率和风险调整回报，并生成场景对比表、敏感性分析（龙卷风图）、渠道贡献分解和推荐场景。
使用方式：命令为 /digital-marketing-pro:simulate。会先读取品牌上下文（~/.claude-marketing/brands/_active-brand.json 及对应 profile.json），应用历史表现、渠道基准、饱和曲线和季节性；若存在 guidelines/_manifest.json 则加载预算或渠道约束，并检查 ~/.claude-marketing/sops/。无品牌时会询问是否先执行 /digital-marketing-pro:brand-setup，或使用行业默认值。随后结构化场景参数，调用 revenue-simulator.py 执行模拟。
适用场景：渠道预算再分配、新渠道上线评估、季度或年度收入目标概率测算、需要风险画像而非单点ROI的决策。
限制：资料未提供具体价格、平台支持范围、运行环境要求或准确率保证；模拟结果依赖输入假设与历史数据校准，长周期预测置信区间更宽。