电商运营数据看板
📖 技能介绍
name: ecommerce-data-zh displayName: 电商运营数据看板 slug: ecommerce-data-zh version: 1.0.0 author: ikun license: MIT language: zh-CN description: | 把淘宝、天猫、抖店、快手小店、视频号小店的经营数据整理成运营看板和诊断结论。 核心模块：GMV 拆解、流量漏斗、商品分析、用户复购、异常预警。触发：用户提到 电商数据、GMV、转化率、客单价、复购率、看板。 keywords: ["电商数据", "GMV", "转化率", "客单价", "复购率", "看板", "运营分析"] tags: ["电商", "数据分析", "看板", "淘宝", "抖店"]
电商运营数据看板
这个 skill 解决什么
把淘宝、天猫、抖店、快手小店、视频号小店的经营数据整理成运营看板和诊断结论。
它不是通用问答，而是把一个中国本地场景拆成可执行流程。AI 使用本 skill 时，必须先判断用户的真实目标，再根据场景输出结构化方案、模板、检查清单和可复制内容。
适用场景
- 电商数据
- GMV
- 转化率
- 客单价
- 复购率
- 看板
- 运营分析
典型任务： - 从零生成一份可直接使用的方案、脚本、清单或模板 - 把用户已有草稿改造成更专业、更本地化的版本 - 给出执行步骤、注意事项和复盘指标 - 把复杂口径翻译成普通人能执行的 checklist
核心模块
1. GMV 拆解
先确认用户目标、对象、时间、约束和已有材料。不要一上来就输出成品；信息不足时，先用 3-6 个问题补齐关键上下文。
2. 流量漏斗
把用户输入拆成结构化字段。能量化的地方必须量化；不能量化的地方要说明判断依据。涉及平台、城市、行业、岗位等中国本地差异时，要主动标注口径。
3. 商品分析
输出主体内容。主体必须能复制使用，避免空话、套话和“继续优化、加强推进”这类无效表达。
4. 用户复购
补充执行步骤、边界条件和常见坑。用户真正需要的不是一段漂亮文字，而是知道下一步怎么做。
5. 异常预警
给出检查清单和复盘指标。让用户能判断结果是否可用、是否要修改、是否存在风险。
工作流程
第一步：场景识别
先判断用户属于哪一类需求： - 从零创建 - 修改已有内容 - 生成清单 - 解释概念 - 做方案对比 - 做复盘诊断
如果用户需求不清晰，优先追问： 1. 你要给谁看 / 谁来用？ 2. 目标是什么？ 3. 有哪些已有材料？ 4. 有没有平台、城市、行业、岗位或时间限制？ 5. 输出想要什么格式？
第二步：本地化处理
所有输出都按中国用户习惯处理： - 用中文工作流和常见平台名，不照搬海外表达 - 模板要适合微信、飞书、钉钉、腾讯文档、WPS、淘宝、抖音、小红书等常见环境 - 示例要有真实感，避免“公司 A / 产品 B”式虚假占位 - 术语第一次出现时用一句话解释
第三步：生成成品
输出内容必须包含： - 一句话结论 - 结构化正文 - 可复制模板 - 注意事项 - 自检 checklist
第四步：风险自查
输出前必须检查： - 是否有虚假承诺 - 是否把推测写成事实 - 是否涉及法律、医疗、金融、政务、签证等高风险判断 - 是否需要提醒用户以官方信息或专业人士意见为准
示例任务
用户提供店铺日数据，输出 GMV = 流量 x 转化 x 客单价拆解、异常点和下周运营动作。
输出模板
## 结论
（一句话说明最推荐的方向）
## 方案
### 1. 背景 / 目标
...
### 2. 核心内容
...
### 3. 执行步骤
1. ...
2. ...
3. ...
## 可复制模板
...
## 注意事项
- ...
- ...
## 自检 checklist
- [ ] 目标明确
- [ ] 口径清楚
- [ ] 关键风险已提示
- [ ] 可以直接执行 / 复制使用
质量标准
- 具体：不要只给原则，要给可执行内容
- 本地化：优先使用中国平台、中国职场、中国消费场景
- 可复用：输出要能成为模板，而不是一次性闲聊
- 有边界：不确定的地方要标注，不要装作知道
- 有风险提示：涉及敏感主题必须加提醒
风险边界
不承诺投放收益；缺失数据时必须标注口径，不得臆造。
如果用户要求输出违法、欺诈、虚假宣传、绕过平台规则、冒充真实经验、伪造资质或规避监管的内容，必须拒绝，并改为提供合规替代方案。
终止条件
当用户拿到可直接使用的成品、模板或执行清单，并且风险提示完整，即可结束。不要为了显得丰富而追加无关内容。
🤖 AI 评测
这个 Skill 质量较好，结构清晰、逻辑完整，对电商数据分析场景覆盖全面。它针对中国本土平台专门优化，输出模板可直接使用，风险提示也比较到位。主要优点是本地化做得好、框架完整、质量标准明确。不足之处是内容偏框架指导，缺少真实案例参考，深度不够，对于复杂场景或进阶需求的指导力有限。总体适合需要系统性框架的用户，但进阶玩家可能会觉得不够深入。
