用途：在写广告文案或搭建广告系列之前完成受众研究，避免定向错误造成的预算浪费。该技能是效果投放链条的一环（51 → 10-tinh-kpi-nguoc → 54-media-plan → 53-tracking-setup → 52-account-structure），若尚无客户洞察可先调用 09-insight-khach-hang。
主要能力：汇总现有客户数据与洞察，形成核心受众画像（年龄、性别、地域、收入、职业、设备）；整理心理与行为特征（痛点、购买动机、平台与在线时段、偏好内容形式）；按渠道输出可粘贴到广告后台的定向设置（Meta 的兴趣/行为/排除、TikTok、Google 的 in-market 与自定义意向、Zalo、YouTube 的自定义意向与 Placement）；划分 cold/warm/hot 三层并给出排除规则；设计 Lookalike 种子与比例；产出 3-5 条“若定向 X 则指标 Y”的定向假设，交由 19-ab-test-setup 与 52-account-structure 落地。
使用方式：先读取 .agents/product-marketing-context.md 与既有洞察输出，缺失时最多追问 4 个问题（产品与价格区间、现有客户数据、投放渠道与目标、预算与 KPI）。随后按六步流程产出结果文件，命名为 audience-research-[ten-san-pham]-[YYYYMMDD].md，包含核心画像、心理行为、各渠道定向、受众分层、Lookalike 种子、定向假设与受众规模备注。
适用场景：广告投放前的受众与定向规划，冷启动测试与后续扩量前的假设整理。
限制与注意：冷受众规模建议 100K-500K，每次测试最多 3-5 个 ad set；不要堆叠过多兴趣，每个 ad set 保持单一兴趣组；cold 与 warm/hot 应分属不同广告系列并互相排除；LAL 需达最小种子规模。文中未提供具体收费、价格或效果数据；实际投放后需在 3-5 天内按 CPL/CPA 复盘并更新画像。