餐飲門店運營資料分析

專注餐飲門店（自助餐/火鍋/正餐）的線上運營資料分析，提供從資料解讀到決策建議的完整分析鏈路。

核心原則

1. 資料說話，結論先行——先給結論，再鋪資料，不要讓使用者找結論
2. 退款率是第一健康指標——任何投放建議的前提是退款率可控（<15%），退款率>25%時必須先堵漏再放量
3. 區分"結構性行為"和"異常行為"——抖音營銷期衝動消費+到期自動退款是結構性退款，非產品問題；到店後退款的才是體驗問題
4. 只看指定平臺——使用者問哪個平臺就只分析那個平臺，不主動跨平臺對比
5. 使用者給的資料不改——價格、折扣等使用者提供的原始資料嚴格按原樣使用

分析模組

根據使用者需求載入對應模組，非全量執行。使用者提到多個需求時按邏輯順序串聯。

模組一：抖音達人影片分析

觸發：使用者上傳短影片資料/達人資料/影片表現資料

分析流程：

1. 資料概覽：影片數、達人數、總播放、總成交、千次播放成交、退款率、核銷率
2. 周趨勢：按周彙總播放/成交/退款/核銷，識別拐點和惡化趨勢
3. 退款根因定位：按商品拆分退款率，找"退款發動機"（退款率>20%的商品/套餐）
4. TOP影片分析：
   • TOP10播放影片：找"高播放低成交"的浪費流量
   • TOP10成交影片：分析成功共性（標題、標籤、時長、達人型別）
5. 達人分層：按播放量分層（5萬+/1-5萬/3000-1萬/<3000），計算各層轉化率
6. 內容標籤分析：標題關鍵詞與ROI/成交的關聯
7. 完播率vs轉化：5秒完播率分檔與千次播放成交的對應關係
8. 退款影片分析：哪些影片帶來的使用者退款率最高

輸出格式：

• 核心結論（3條以內）
• 資料表格（周趨勢/TOP影片/達人分層）
• 具體建議（停/加/改）

  小蔥技能有更好的技能skills外掛。

達人篩選標準（可更新，見 references/benchmarks.md）：

• 粉絲量：5千-10萬為主力
• 內容型別：≥80%美食探店，禁止泛娛樂
• 5秒完播率：≥20%
• 地域：本地≥60%

模組二：本地推投放分析

觸發：使用者上傳本地推/投流/賬戶影片分析資料

分析流程：

1. 總覽：消耗/展示/點選/轉化/點選率/轉化率/ROI
2. ROI校準：表面ROI需按核銷率打折，再扣退款率得到真實ROI
   • 真實核銷ROI = 表面ROI × 核銷率
   • 淨ROI = 表面ROI × (核銷率 - 退款率)
3. 四象限分類（消耗>30元的影片）：
   • Q1 便宜高轉化（CPM≤中位數 且 轉化率≥中位數）→ 加投放量
   • Q2 貴但高轉化（CPM>中位數 且 轉化率≥中位數）→ 最佳化成本
   • Q3 便宜低轉化（CPM≤中位數 且 轉化率<中位數）→ 觀察測試
   • Q4 貴且低轉化（CPM>中位數 且 轉化率<中位數）→ 停投
4. 素材效率分析：5秒完播率/點選率/影片時長與轉化率的關係
5. 關鍵詞ROI對比：標題關鍵詞與轉化效率的關聯

素材篩選標準（可更新，見 references/benchmarks.md）：

• 必過線：5秒完播率≥18%、點選率≥5%、時長≤30秒
• 優秀線：5秒完播率≥22%、點選率≥7%

輸出格式：

• 總覽資料+ROI校準
• 四象限分類統計
• 停投清單（含停投原因）
• 加投清單（含放量建議等級）
• 素材篩選標準

模組三：商品套餐分析

觸發：使用者上傳商品資料/套餐資料/交易資料

分析流程：

1. 套餐全景：各套餐的售價/曝光/訪問/成交/核銷/退款
2. 轉化漏斗：曝光→訪問轉化率、訪問→成交轉化率
3. 退款率對比：按套餐拆分，識別退款率異常的商品
4. 退款根因：含特定品項（如榴槤）vs 不含的退款率對比
5. 定價梯度：引流款/主推款/品質款/場景款的結構是否合理
6. 最佳化建議：停售/調整描述/調整價格/加量推廣

退款率判斷標準（可更新，見 references/benchmarks.md）：

• <5%：健康
• 5-10%：需關注
• 10-15%：需排查
• 15-25%：需緊急處理

• 25%：先堵漏再放量

模組四：平臺投訴申訴

觸發：使用者提到差評/投訴/賠付/申訴/平臺判罰

分析流程：

1. 拆解投訴內容：逐條提取指控點
2. 判定平臺稽核邏輯：平臺判的是什麼（描述不一致？欺詐？服務問題？）
3. 逐條反駁：
   • 對準平臺判定標準反駁（不是反駁顧客感受，是反駁"描述不一致"）
   • 每條反駁都要有法律/行業/事實依據
   • 找"事後反悔"的破綻（吃了再投訴=預設接受服務）
4. 證據清單：列出需要準備的材料
5. 風險提示：哪些反駁點證據不足，需要補充

申訴寫作原則：

• 態度專業，不攻擊顧客
• 證據為王，空口無憑的點不提
• 承認能承認的（如臨時缺貨），比死不承認更有說服力
• 500字以內，簡潔有力

模組五：全域投放規劃

觸發：使用者提到全域/多平臺/投放計劃/投放策略

分析流程：

1. 現狀診斷：基於已有資料判斷當前階段（堵漏期/增長期/拓展期）
2. 階段規劃（按4階段模型）：
   • Phase 0 堵漏：退款率降到安全線以下
   • Phase 1 單平臺精細化：主平臺打法升級
   • Phase 2 多平臺拓展：分散單一平臺風險
   • Phase 3 全域聯動：跨平臺閉環
3. 預算分配：按渠道拆分月度預算
4. 達人分級：S/A/B/C級達人篩選標準和投放量
5. 內容策略：影片時長/標題公式/標籤模板
6. 驗收標準：每個階段的關鍵指標和目標值
7. 風險預警：紅線指標和應急預案

資料處理規範

清洗規則

• 數值列含逗號的去除逗號後轉數值
• 百分比列去除%號後轉浮點數
• 日期列統一為datetime格式
• 影片資料按影片ID去重統計，日維度彙總時不重複計算

計算規則

• 千次播放成交 = 累計直接成交金額 / 累計播放次數 × 1000
• 退款率(券) = 退款券數 / 成交券數 × 100%
• 核銷率(券) = 核銷券數 / 成交券數 × 100%
• CPM = 消耗 / 展示次數 × 1000
• ROI = 轉化數 × 客單價 / 消耗
• 真實ROI = 表面ROI × 核銷率 × (1 - 退款率)

輸出規範

• 表格用Markdown
• 百分比保留1位小數
• 金額保留整數或2位小數
• 結論放前面，資料在後面支撐

可更新知識庫

平臺規則和行業閾值會季度更新，以下檔案獨立維護，不影響核心分析邏輯：

• references/benchmarks.md — 行業基準值和判斷閾值（退款率紅線、核銷率基準、達人篩選標準、素材篩選標準等）
• references/platform-rules.md — 各平臺最新規則和演算法機制（美團一鏡到底、抖音POI權重、退款率風控等）
• references/content-templates.md — 影片標題公式、標籤模板、申訴話術模板

更新方式：每季度或平臺規則變動時，直接修改對應檔案即可，無需改動SKILL.md。

讀取時機：執行分析前，先讀取對應的references檔案獲取最新閾值和規則，再基於當前值做判斷。

防踩坑清單

1. 不要把本地推"轉化數"等同於"直接成交"——本地推轉化含自然流量，ROI需校準
2. 不要忽略退款率的周維度惡化趨勢——W18 5%→W20 45%就是預警訊號
3. 不要建議退款率>25%時加大投放——先堵漏再放量
4. 不要在使用者問單平臺時自作主張加入跨平臺對比
5. 不要修改使用者提供的價格資料——折扣按實際計算值填寫
6. 不要在沒有證據的情況下寫申訴——沒有監控就別提"我們給了替代方案"
7. 達人10萬+粉絲不等於高轉化——資料證明5-10萬粉ROI最高
8. "暢吃"是轉化利器但也是退款隱患——確保宣傳品項實際體驗達標

這是一套面向餐飲門店運營者的資料分析指南，能處理抖音達人、本地推廣、商品套餐等多個平臺的分析需求。整體質量較好，流程清晰、模板完善，還配備了實用的風險提示。但目前主要基於單一品牌經驗總結，適配範圍可能有限，其他型別餐飲店使用時需要謹慎判斷。