申请商业奖项、资助或竞赛时，按评选标准用量化证据撰写提交材料

适用于需要针对既定评选标准展示成果、争取奖项/资助/竞赛胜出的申请材料写作。

适用场景

解决思路

1. 明确写作目标：让每个段落都能在评分表上得分。
2. 先向用户收集 brief：奖项/资助名称与主办方；评选标准（尽量逐字原样）；字数限制（每项和/或总计）；评审细则或权重（若公开）；参赛类别（若多类别）；是否首次提交或再次提交；希望纳入的具体成果、指标或故事。
3. 如果用户提供奖项 URL，抓取评选标准页面；查找评审指南或往届获奖者简介，以理解评审重视什么。
4. 写作前创建映射表，列为：评选标准、关键成果、证据/指标、故事或例子。
5. 每个评选标准至少填一行；空白行表示提交缺失部分，会丢分或触发自动拒绝。
6. 如果用户无法为某标准提供证据，明确标出缺口；宁可现在知道，也不要提交空泛填充。
7. 按申请表上标准的出现顺序逐项回应；评委常按顺序评分，不要让他们在第 1 项里找第 3 项答案。
8. 每个标准使用 STAR 结构：Situation—简短背景（1-2 句），说明起点或挑战；Task—需要发生什么，目标是什么；Action—你/企业具体做了什么，要具体；Result—发生了什么变化，量化结果。
9. 每个标准的回答保持自包含；只读该部分的评委也能理解成果，不需要其他部分上下文。
10. 对照限制审查：检查各节和总字数；确认每个标准都被回应；确认所有声明都有支持证据；阅读每节第一行，确认是否以影响力开头。
11. 以影响力开头，不按时间顺序：每节第一句应是最强主张。不要把成立年份、历史沿革作为开头；时间线可以放在正文中作为背景，但绝不能作为开头。
12. 尽可能量化一切：评委比较申请人，数字使比较容易且声明可信。将“显著增长”改为“收入增长 40%（$850K 到 $1.19M）”；将“许多客户”改为“3 个州 127 个活跃客户”；将“提高效率”改为“报告生成从 3 天降到 4 小时”；将“社区参与”改为“向 15 家本地组织捐赠 200 小时无偿工作”；将“获奖团队”改为“8 人团队，包括 2 名 certified Google Partners 和 1 名 Shopify Expert”。
13. 如果无法获得精确数字，使用可辩护的近似值并加限定词：“approximately”、“more than”、“over the past 12 months”。
14. 展示而非讲述：删除形容词，用证据替代。将“我们创新且前瞻”改为“培训 12 名员工使用 AI 工具，平均报告时间从 3 天降到 4 小时”；将“我们提供卓越客户服务”改为“Net Promoter Score 72，3 年客户留存率 94%”；将“我们热衷社区”改为“2025 年为 Hunter Valley 受山火影响企业构建 6 个无偿网站”。
15. 绝对尊重字数限制：许多奖项会自动取消超字数作品；如果限制 500 词，提交 480-500 词。明显少于允许字数会白白丢分。
16. 字数紧张时：先删铺垫/上下文句子（评委懂行业）；自然时合并 STAR 元素；删除模糊措辞（“我们认为”“我们觉得”“可以说”）；一个强例子胜过三个弱例子。
17. 商业奖项（Telstra、地方商会、BEC）关注：带数字的增长轨迹；产品、服务或运营创新；领导力与团队发展；社区贡献与社会影响；韧性与适应力（尤其后 COVID、后灾难）。
18. 行业/专业奖项关注：技术卓越与方法论；可衡量的客户成果；思想领导力（发表、演讲、导师指导）；超越自身企业的行业贡献。
19. 资助申请关注：清晰的问题陈述（需要修复什么以及为何重要）；可行性（你确实能交付吗？）；预算理由（每个预算项都关联到一项活动）；可衡量结果（如何知道有效？）；与资助既定目标一致。
20. 反模式：没有证据的空泛声明。每个声明都需要数字、名称或具体例子。
21. 反模式：夸张和最高级。“本地区最具创新性公司”会招致怀疑；让证据说话，若是最强参赛作品，评委自会得出结论。
22. 反模式：遗漏评选标准。即使一个未回应也可能被拒绝。如果确实没有内容，诚实承认并转向已有内容：“虽然我们尚未国际扩张，但国内 40% 增长使我们处于有利位置……”。
23. 反模式：公司历史倾倒。成立日期、使命宣言、价值观应放在一句背景中，而不是整段。评委想要成果，不是自传。
24. 反模式：被动语态和模糊措辞。“据认为我们的方法可能有助于改善结果”对比“我们的方法将处理时间缩短 60%”。要直接。
25. 创新标准示例：不要写空泛承诺，要写：2025 Q1 在 40 个客户账户部署 AI 驱动内容工作流，将平均内容生产时间从每轮活动 5 天降到 8 小时；系统结合自动研究、草稿生成和人工编辑审核，在保持质量（客户满意度保持 4.7/5）的同时降低成本 35%；在 6 周内部项目中培训全部 12 名团队成员 prompt engineering，使 AI 素养成为基线技能而非专家职能；三个客户随后基于该方法采用类似内部工作流。
26. 首次申请者：评委期望再次参赛者更精炼；用极其具体的证据补偿。首次申请者常凭真实故事讲得好而获胜。
27. 小企业对抗大企业：不要试图匹配规模；突出敏捷性、个性化服务、人均影响和百分比增长（无论起点大小，收入增长 40% 都令人印象深刻）。
28. 失败后重新提交：如果提供了反馈，逐条回应所有点；如果没有，强化最弱部分并加入自上次提交以来的新成果。如合适，提及持续承诺：“基于我们 2025 年的参赛材料，此后我们……”。
29. 多个类别：分别定制每份提交。在不同类别复用相同文本会显得低努力，且常与不同标准权重不匹配。

适用边界 · 注意事项

• 不适用于不是按既定评选标准打分的普通宣传文案、邮件或博客写作。
• 不适用于完全没有可核实成果或数据、也不允许合理估算的申请，因为核心方法依赖量化证据。
• 若完全无法获取评选标准或提交要求，先不要硬写；本技能的第一步是收集 brief 和标准。