Genius Marketing System スワイプファイル処理標準

バージョン: 1.0
最終更新日: 2025-06-01

1. 概要

このドキュメントはGenius Marketing System (GMS)におけるスワイプファイル処理の標準ルールを定義します。スワイプファイルの収集、分析、分類、保存、および知識ベース統合のすべてのプロセスは、このドキュメントに準拠して実施されます。

2. ファイル命名規則

2.1 基本命名フォーマット

swipe_[二桁カテゴリID]_[二桁サブカテゴリID]_[簡潔な内容識別子]_[作者].pdf

例: swipe_01_03_international_living_conroy.pdf

2.2 カテゴリID一覧

2.2.1 主要カテゴリID

• 01: 投資系商品（金融、不動産、株式等）
• 02: 健康/美容商品
• 03: 情報/教育商品
• 04: B2B/サービス
• 05: メンバーシップ/サブスクリプション
• 06: スキル習得系
• 07: ライフスタイル/旅行
• 08: 精神性/自己啓発
• 09: 非営利/チャリティ
• 10: ブランディング/ビジネス

2.2.2 サブカテゴリID

各主要カテゴリには複数のサブカテゴリがあります。例えば、投資系商品（01）の場合：

• 01_01: 株式投資
• 01_02: 不動産投資
• 01_03: 外国為替
• 01_04: オルタナティブ投資
• 01_05: 退職金計画
• 01_06: 資産形成一般

2.3 内容識別子ガイドライン

• 短く、説明的で、検索しやすいキーワードを使用する
• 単語はアンダースコア(_)で区切る
• 英数字のみを使用し、特殊文字は避ける
• ブランド名や製品名が明確な場合は含める
• 例: ultimate_dividend_machine, wealth_without_risk, magnetic_marketing

2.4 作者情報

作者の姓をローワーケースで使用する。不明な場合は「unknown」を使用する。
例: hopkins, halbert, kennedy, unknown

3. GMSパターン分類基準

3.1 6つの超マスターパターンとその特徴

3.1.1 ST-WI-CO (ストーリー-願望-対比)

• 主要特徴:
• 物語形式のナラティブ構造
• 変容の旅を描写（苦難から成功へ）
• 読者の願望を具体的に喚起
• ビフォー/アフターの鮮明な対比
• 典型的構造:
• 物語的導入（「私は以前…」「あるとき…」）
• 転機/発見の瞬間の強調
• 願望達成の具体的描写
• 現在と可能性の対比
• 判定基準:
• 全体の30%以上が物語形式である
• 登場人物の変容が中心的要素である
• 読者の願望状態が具体的に描写されている

3.1.2 PR-SY-AC (問題認識-システム-行動)

• 主要特徴:
• 問題の明確な特定と共感
• 体系的/ステップバイステップの解決策
• 具体的な行動指針と方法論
• 典型的構造:
• 問題提起と拡大（「あなたも…で困っていませんか？」）
• システマチックな解決策の図解/説明
• 明確なアクションステップ
• 判定基準:
• 具体的な問題定義がある
• 体系的/順序立てた解決策が提示されている
• 具体的な行動指示がある

3.1.3 SV-TR-VA (希少性-トリガー-価値)

• 主要特徴:
• 限定性/独自性の強調
• 即時行動を促すトリガー要素
• 明確な価値提案と利益説明
• 典型的構造:
• 独自性/限定性の主張（「初めて公開」「限定〇〇名」）
• 行動を促す緊急性要素（カウントダウン等）
• 具体的な価値とROI説明
• 判定基準:
• 希少性/限定性の明確な主張がある
• 即時行動を促す要素がある
• 具体的な価値計算や利益説明がある

3.1.4 EX-SC-RE (専門性-希少性-報酬)

• 主要特徴:
• 専門知識/内部情報の提供
• アクセス困難な情報の開示
• 情報に基づく報酬/利益の約束
• 典型的構造:
• 権威性の確立（肩書き、実績、証拠）
• 「業界の秘密」「知られざる事実」の開示
• 特定情報に基づく具体的な利益説明
• 判定基準:
• 専門知識/内部情報の主張がある
• 「一般には知られていない」情報の開示
• 情報から得られる具体的な利益説明

3.1.5 FA-PR-MC (疑似経験-問題認識-メンタルコントラスト)

• 主要特徴:
• 読者に擬似的な体験を提供
• 一般認識への挑戦/問題提起
• 読者の信念と理想結果の対比
• 典型的構造:
• 想像を促す質問/シナリオ
• 一般的誤解の指摘
• 読者の現状と可能性の対比
• 判定基準:
• 「想像してください」「〜だとしたら」等の表現
• 一般常識への挑戦
• 現状と理想状態の明確な対比

3.1.6 OP-GA-TR (機会-獲得-信頼)

• 主要特徴:
• 市場機会/トレンドの提示
• 具体的利益と獲得方法の説明
• 信頼構築要素の戦略的配置
• 典型的構造:
• 市場トレンド/機会の提示と証明
• 獲得可能な具体的利益の計算
• 信頼構築要素（証言、実績、保証）
• 判定基準:
• 市場機会/トレンドの具体的説明
• 数値化された利益/結果の提示
• 複数の信頼構築要素

3.2 複合パターンの判定基準

複合パターンは、2つ以上の超マスターパターンの特徴を顕著に（各々20%以上）含むものを指します。

• 主パターン判定: 最も顕著な特徴（40%以上）を持つパターン
• 副パターン判定: 二番目に顕著な特徴（20%以上）を持つパターン

3.2.1 代表的な複合パターン

• ST-WI-CO + EX-SC-RE: ストーリーを通じた専門知識の展開
• PR-SY-AC + SV-TR-VA: 問題解決システムに希少性要素を組み合わせる
• FA-PR-MC + ST-WI-CO: 疑似経験とストーリー要素の組み合わせ
• EX-SC-RE + OP-GA-TR: 専門的機会と市場トレンドの結合

3.3 パターンの商品特性別最適化

3.3.1 投資系商品に最適なパターン

• 一次最適: EX-SC-RE、OP-GA-TR
• 二次最適: ST-WI-CO、FA-PR-MC
• 典型的複合: EX-SC-RE + ST-WI-CO、OP-GA-TR + FA-PR-MC

3.3.2 物販系商品に最適なパターン

• 一次最適: PR-SY-AC、SV-TR-VA
• 二次最適: ST-WI-CO、FA-PR-MC
• 典型的複合: PR-SY-AC + SV-TR-VA、SV-TR-VA + ST-WI-CO

4. 商品特性分類方法

4.1 主要商品特性カテゴリ

4.1.1 投資系商品

投資系商品は以下の特徴を持ちます：

• 将来の金銭的リターンを約束/示唆する
• 資産形成/増加を主な価値提案とする
• 比較的高額（10万円以上）な場合が多い
• 長期的視点と結果を重視する
• 論理的な説得と感情的訴求のバランスが重要

サブカテゴリ:

• 金融投資（株式、債券、FX等）
• 不動産投資
• 事業投資/フランチャイズ
• オルタナティブ投資
• 退職/年金関連
• 資産防衛/保護

4.1.2 物販系商品

物販系商品は以下の特徴を持ちます：

• 物理的商品や即時サービスを提供する
• 即時的/短期的な満足/解決を提供する
• 比較的低～中価格帯（数千円～数万円）が多い
• 視覚優位性が高い（製品画像、ビフォー/アフター等が重要）
• 使いやすさ/実用性の訴求が中心

サブカテゴリ:

• 健康/美容商品
• 家庭用品/日用品
• テクノロジー/ガジェット
• 服飾/アクセサリー
• 食品/飲料
• レジャー/趣味用品

4.2 判定基準と混合タイプの扱い

4.2.1 投資系判定基準

以下の質問の過半数に「はい」で回答される場合、投資系に分類：

1. 将来的な金銭的リターン/利益が主な価値提案か
2. 購入決定に比較的長い検討期間（数日～数週間）が必要か
3. 価格が比較的高額（10万円以上）か
4. 結果が出るまでに長期間（数ヶ月～数年）かかるか
5. リスク要素と対策が重要な検討事項か

4.2.2 物販系判定基準

以下の質問の過半数に「はい」で回答される場合、物販系に分類：

1. 物理的商品/即時サービスの提供が主な価値提案か
2. 購入後すぐに使用/享受できるか
3. 視覚的要素（商品画像、デザイン等）が購買決定に大きく影響するか
4. 価格が比較的手頃（数万円以下）か
5. 実用性/使いやすさが重要な訴求点か

4.2.3 混合タイプの扱い

一部の商品は投資系と物販系の特性を併せ持つ混合タイプです。その場合：

• 主要価値提案に基づいて一次分類を行う
• 両方のディレクトリにクロスリファレンスを作成する
• メタデータに両特性の比率を記録（例: “product_type_mix”: “60% investment, 40% physical”）

5. メタデータ付与ルール

5.1 メタデータ基本フォーマット（JSON形式）

{
  "title": "セールスレタータイトル",
  "original_filename": "元のファイル名",
  "copywriter": "作者名",
  "year": "作成年（推定可）",
  "primary_gms_pattern": "主GMSパターン",
  "secondary_gms_pattern": "副GMSパターン（該当する場合）",
  "gms_pattern_ratio": "主:副の比率（例: 70:30）",
  "product_category": "商品カテゴリ",
  "product_subcategory": "商品サブカテゴリ",
  "product_type": "投資系/物販系",
  "key_techniques": ["テクニック1", "テクニック2"...],
  "notable_elements": ["特筆すべき要素1", "要素2"...],
  "processing_date": "処理日",
  "analysis_version": "分析バージョン"
}

5.2 必須メタデータ項目

以下の項目は必須メタデータです：

• title
• primary_gms_pattern
• product_category
• product_type
• processing_date

5.3 メタデータ保存場所

メタデータは以下の形式で保存されます：

• 基本メタデータ: ファイル名と同名の.jsonファイルとして同ディレクトリに保存
• 拡張メタデータ: 分析レポートとして/agency_knowledge/genius_marketing_system/swipe_files/_analysis/に保存

6. クロスリファレンス方法

6.1 基本クロスリファレンス構造

各スワイプファイルは複数の視点からアクセスできるよう、ディレクトリ構造間のクロスリファレンスを作成します：

1. マスターコピー保存先:

• /agency_knowledge/genius_marketing_system/swipe_files/_by_product_type/[投資系または物販系]/[カテゴリ]/[ファイル]

1. GMSパターン別リファレンス:

• /agency_knowledge/genius_marketing_system/swipe_files/_by_gms_pattern/[主パターン]/[ファイル]
• 複合パターンの場合は副パターンディレクトリにもリファレンス:
• /agency_knowledge/genius_marketing_system/swipe_files/_by_gms_pattern/[副パターン]/[ファイル]

1. 作者別リファレンス:

• /agency_knowledge/genius_marketing_system/swipe_files/_by_copywriter/[作者名]/[ファイル]

6.2 リファレンス構築方法

物理的ファイル複製ではなく、シンボリックリンクまたは参照ファイルを使用してクロスリファレンスを構築します。

6.2.1 参照ファイルフォーマット

{
  "reference_type": "swipe_file",
  "original_path": "/完全パス/ファイル名.pdf",
  "metadata_summary": {
    "title": "タイトル",
    "primary_gms_pattern": "パターン",
    "product_type": "タイプ"
  }
}

7. 自動処理システム仕様

7.1 処理フロー

1. 入力監視: /agency_knowledge/genius_marketing_system/swipe_files/_incoming/ディレクトリを監視
2. 初期分析:

• ファイル形式確認（PDF/テキスト/画像）
• 基本情報抽出（タイトル、作者、日付など）
• テキスト抽出（PDFの場合）

1. GMSパターン分析:

• 6つの超マスターパターンの特徴に基づく分析
• 主パターンと副パターン（該当する場合）の特定
• パターン比率の算出

1. 商品特性分析:

• 投資系/物販系判定基準に基づく分類
• カテゴリとサブカテゴリの特定
• 混合タイプの場合の比率算出

1. 技術要素抽出:

• ヘッドライン技術
• リード/導入部技術
• 証明要素技術
• クロージング技術
• 視覚要素技術

1. ファイル名標準化:

• 命名規則に基づくファイル名生成

1. メタデータ生成と保存:

• JSON形式のメタデータ生成
• ファイルと同名の.jsonファイルとして保存

1. ファイル配置とリファレンス作成:

• マスターコピーの適切なディレクトリへの移動
• クロスリファレンスの構築

1. 知識ベース統合:

• 抽出された技術要素の関連コレクションファイルへの統合
• 新規パターンや手法の検出と記録

1. 処理レポート生成:
   • 処理結果サマリーの作成
   • 特筆すべき発見の記録
   • 次のステップ提案

7.2 エラー処理とフォールバック

1. ファイル形式エラー:

• サポートされていない形式の場合は_reviewサブディレクトリに移動
• エラーログ作成と通知

1. 分析不能ファイル:

• テキスト抽出失敗/不十分なコンテンツの場合は_manual_processingに移動
• 手動処理フラグ設定

1. 分類信頼性低:

• パターン分類/商品特性分類の信頼度が低い場合は暫定分類を行い、確認フラグを立てる
• メタデータに信頼度スコアを記録

8. 知識統合プロセス

8.1 技術要素抽出と統合

1. ヘッドライン技術:

• 抽出された技術を/agency_knowledge/genius_marketing_system/techniques/headlines/comprehensive_headline_techniques.txtと照合
• 新規技術の場合は追加、既存技術の場合は使用例として記録

1. リード/導入部技術:

• /agency_knowledge/genius_marketing_system/techniques/leads/のファイルと照合
• 新規/既存技術の適切な処理

1. 証明要素技術:

• /agency_knowledge/genius_marketing_system/techniques/proof/のファイルと照合
• 新規/既存技術の適切な処理

1. クロージング技術:

• /agency_knowledge/genius_marketing_system/techniques/closing/のファイルと照合
• 新規/既存技術の適切な処理

1. 視覚要素配置技術:

• /agency_knowledge/genius_marketing_system/techniques/visual/のファイルと照合
• 新規/既存技術の適切な処理

8.2 統合時の一貫性確保

1. 構造維持:

• 既存ファイルの構造（見出し、階層、フォーマット）を維持
• 新要素を適切なセクションに追加

1. 重複回避:

• 同一/類似要素の重複追加を防止
• 必要に応じて既存エントリの拡充/精緻化

1. 出典記録:

• 追加された新要素の出典（スワイプファイル名）を記録
• 例：/* Source: swipe_01_03_international_living_conroy.pdf */

1. バージョン管理:

• ファイル更新日時とバージョン番号を更新
• 変更内容を簡潔に記録

9. システム進化と最適化

9.1 フィードバックループ

1. 分析精度モニタリング:

• パターン分類の精度を定期的に評価
• 誤分類事例の収集と分析

1. 分類基準の最適化:

• 蓄積されたデータに基づく判定基準の定期的更新
• エッジケースのための追加ルール作成

1. 新パターンの発見と統合:

• 既存の6パターン以外の新たなパターンの検出
• 検証後の正式パターンへの昇格プロセス

9.2 スケーリングと最適化

1. 大量ファイル処理の最適化:

• バッチ処理能力の強化
• 処理優先度設定メカニズム

1. 検索と取得の最適化:

• メタデータに基づく高度検索機能
• 関連スワイプファイルの推薦機能

1. 知識抽出の自動化強化:

• テキスト分析と要約機能の強化
• パターン認識精度の継続的改善

10. 報告と文書化

10.1 標準報告フォーマット

# スワイプファイル処理報告

## 概要
- 処理ファイル数: XX件
- GMSパターン分布: ST-WI-CO (XX%), PR-SY-AC (XX%)...
- 商品特性分布: 投資系 (XX%), 物販系 (XX%)

## 特筆すべき発見
- [発見1の概要と意義]
- [発見2の概要と意義]

## 知識ベース更新ポイント
- [更新ファイル1]: [追加内容の概要]
- [更新ファイル2]: [追加内容の概要]

## 処理ファイル一覧
| 元ファイル名 | 新ファイル名 | GMSパターン | 商品特性 |
|------------|------------|------------|---------|
| file1.pdf  | swipe_01_03_... | ST-WI-CO   | 投資系  |
| ...        | ...        | ...        | ...     |

## 次のステップ提案
- [提案1]
- [提案2]

10.2 処理ログ管理

• 日次処理ログ: /agency_knowledge/genius_marketing_system/logs/swipe_processing/daily/
• 月次サマリー: /agency_knowledge/genius_marketing_system/logs/swipe_processing/monthly/
• システム最適化提案: /agency_knowledge/genius_marketing_system/logs/swipe_processing/optimization/

付録

A. GMSパターン識別チェックリスト

各パターンの主要特徴を簡潔にまとめたチェックリストです。分類作業に活用してください。

ST-WI-CO チェックリスト

• [ ] 変容ストーリーが中心的要素である
• [ ] 個人の旅/成長が描かれている
• [ ] 読者の願望状態が具体的に描写されている
• [ ] 過去と現在/可能性の明確な対比がある

PR-SY-AC チェックリスト

• [ ] 具体的問題の明確な定義がある
• [ ] ステップバイステップのシステム/方法論が提示されている
• [ ] 「〜してください」等の明確な行動指示がある
• [ ] 問題解決の体系的アプローチが中心的要素である

SV-TR-VA チェックリスト

• [ ] 限定性/独自性の明確な主張がある
• [ ] 期限/数量制限等の緊急性要素がある
• [ ] 具体的な価値計算や利益説明がある
• [ ] 「今すぐ行動」を促す要素がある

EX-SC-RE チェックリスト

• [ ] 専門知識/内部情報のアピールが中心的要素である
• [ ] 「一般には知られていない」情報の開示がある
• [ ] 権威性の確立（肩書き、実績、証明）がある
• [ ] 情報活用による具体的報酬/利益の説明がある

FA-PR-MC チェックリスト

• [ ] 「想像してください」等の疑似体験促進がある
• [ ] 一般的な通念/慣行への挑戦がある
• [ ] 読者の現状と可能性の対比が明確である
• [ ] 誤解/勘違いの訂正に焦点がある

OP-GA-TR チェックリスト

• [ ] 市場機会/トレンドの具体的説明がある
• [ ] 獲得可能な利益/結果の数値化がある
• [ ] 複数の信頼構築要素（証言、保証等）がある
• [ ] 機会活用の具体的方法の説明がある

B. 商品特性判定リファレンス表

以下の表を使って商品特性判定の参考にしてください。

判断基準	投資系指標	物販系指標
主な価値提案	将来の金銭的リターン/資産増加	即時的な問題解決/満足
価格帯	比較的高額（10万円以上）	比較的手頃（〜数万円）
結果タイムライン	長期的（数ヶ月〜数年）	短期的（即時〜数週間）
購入判断の複雑さ	高（多くの検討要素）	低〜中（少ない検討要素）
視覚的要素の重要度	中（論理的要素が優先）	高（製品画像が決定的）
リスク要素の重要度	高（リスク説明が不可欠）	低〜中（保証で対応可能）
感情vs論理バランス	40:60（論理優位）	60:40（感情優位）
社会的証明の種類	詳細な成功事例	ビフォーアフター/短い証言
保証/返金ポリシーの重要度	極めて高い	中程度