analytics

アナリティクス

Apollo の分析データを使用して、あらゆる営業成績に関する質問に回答します。ユーザーは「$ARGUMENTS」を通じて質問します。

例

• /apollo:analytics How many emails did I send last 30 days?
• /apollo:analytics Show me team call connect rate this quarter by rep
• /apollo:analytics What's our email reply rate week over week for this year?
• /apollo:analytics Break down pipeline and won amount by opportunity stage all time
• /apollo:analytics Which sequences have the highest reply rate in the last 6 months?
• /apollo:analytics Show me activity summary — emails, calls, meetings, tasks — for each rep this quarter
• /apollo:analytics How are calls trending by day of week over the last 3 months?
• /apollo:analytics Show me emails sent vs replied broken down by contact stage and email type

ステップ 1 — 質問を解釈する

「$ARGUMENTS」を解析して、以下のパラメータを決定します。

---

指標

ユーザーが尋ねている内容に合致する 1～15 個の指標を選択します。ユーザーがパフォーマンスについて質問している場合は、常に生のカウントと併せて割合・パーセントのバージョンも含めてください。

メール num_emails_sent、num_emails_delivered、num_emails_opened、num_emails_clicked、num_emails_replied、num_emails_bounced、num_emails_unsubscribed、percent_emails_replied、num_contacts_emailed、num_contacts_opened、num_contacts_replied

通話 num_phone_calls、num_phone_calls_completed、num_phone_calls_connect、num_phone_calls_connect_positive、num_phone_calls_connect_negative、num_phone_calls_connect_neutral、percent_phone_calls_connect、avg_phone_call_duration、num_contacts_called

主な違い:

• num_phone_calls_completed = 記録されたすべての試行
• num_phone_calls_connect = 受信者が実際に応答した通話
• num_phone_calls_connect_positive/negative/neutral = 応答した通話を結果のセンチメント別に分類したもの

ミーティング num_all_meetings_scheduled、num_meetings_held、num_all_meetings_rescheduled、num_calendar_events_scheduled、num_calendar_events_cancelled、num_all_meetings_scheduled_via_email、num_all_meetings_scheduled_via_call

主な違い:

• num_all_meetings_scheduled = キャンセル済みも含む
• num_meetings_held = 実際に実施されたもの

タスク num_tasks、num_tasks_completed、num_tasks_scheduled、num_tasks_completed_on_time、percent_tasks_completed、percent_tasks_completed_on_time、overdue_tasks、unfinished_overdue_tasks、percent_unfinished_overdue_tasks

主な違い:

• overdue_tasks = 期限超過のすべて（遅延して完了したものを含む）
• unfinished_overdue_tasks = まだ保留中で期限超過のもの
• percent_unfinished_overdue_tasks = 期限超過かつ未完了のスケジュール済みタスクの割合（num_tasks_scheduled に対する比率）

連絡先とアカウント num_contacts、num_accounts、num_contacts_touched、num_accounts_touched、num_net_new_people、num_net_new_companies、num_contacts_with_job_change

商談 num_opportunities、num_won、num_closed、deal_amount、won_amount、pipeline_amount、revenue_amount、avg_deal_amount、avg_won_amount、percent_win_rate、avg_salescycle_days

シーケンス num_contacts_added_to_sequence、num_contacts_remove_from_sequence

会話インテリジェンス num_conversations_recorded、num_conversations_listened、avg_conversation_duration、total_conversation_duration、avg_talk_ratio、avg_question_rate、avg_longest_monologue、speaker_switches

LinkedIn num_linkedin_tasks_scheduled、num_linkedin_tasks_completed、num_linkedin_tasks_skipped、percent_linkedin_tasks_completed

---

期間

ユーザーの時間参照をプリセットのモダリティ（推奨）またはカスタム範囲にマッピングします：

プリセット: today、yesterday、current_week、current_month、current_quarter、current_year、last_7_days、last_2_weeks、last_30_days、last_3_months、last_6_months、last_12_months、last_4_quarters、last_2_years、previous_week、previous_month、previous_quarter、previous_year、all_time

カスタム: 特定の日付範囲には range_start + range_end（YYYY-MM-DD）を使用します。モダリティと組み合わせないでください。

時間参照が指定されていない場合は、デフォルトで last_30_days になります。

---

内訳（group_by）

ユーザーが何かでデータを分類したいと考えていますか？ group_by を次のいずれかに設定します：

時間パターン（トレンドと時系列向け） smart_datetime_hour、smart_datetime_day、smart_datetime_week、smart_datetime_month、smart_datetime_year smart_datetime_hour_of_day、smart_datetime_day_of_week、smart_datetime_month_of_year

担当者とチーム smart_user_id（担当者別）、smart_subteam_id（チーム別）

メールディメンション emailer_campaign_id（シーケンス別）、emailer_template_id（テンプレート別）、emailer_message_type、emailer_step_id、emailer_touch_id、send_from_email、send_from_domain、email_account_id

通話 phone_call_outcome_id、phone_call_purpose_id、phone_call_sentiment

連絡先属性 contact_stage_id、contact_label_ids、contact_owner_id、persona、person_title_unanalyzed、person_seniority、person_location_country、person_location_state、person_location_city

アカウントと企業属性 account_id、account_stage_id、account_label_ids、account_owner_id、organization_industries、organization_num_current_employees、organization_hq_location_country、organization_hq_location_state、organization_hq_location_city、organization_latest_funding_stage_cd、organization_current_technologies

商談 opportunity_stage_id、opportunity_owner_id、opportunity_pipeline_id、forecast_category、lead_source、opportunity_deal_source

タスク task_type、task_status

会話 conversation_state、conversation_type、tracker_names_unanalyzed、calendar_event_setting_type

フラットなサマリー（合計値の単一行）の場合は、group_by を完全に省略します。

---

ピボット（pivot_group_by）

ユーザーがクロス集計を希望する場合（例：「担当者別かつシーケンス別」「ステージ対メール種別で分類」）、group_by を主ディメンションに、pivot_group_by を副ディメンションに設定します。ピボットを使用すると、ツールはメトリクスごとに 1 つのテーブルを返します。ピボットにはカーディナリティの低いディメンション（例：emailer_message_type、contact_stage_id、phone_call_sentiment）を推奨します。

---

フィルター

• 「自分のデータ」/「自分のために」/「自分のパフォーマンス」 → filters: { user_ids: ["current"] }
• Apollo ユーザー ID による特定ユーザー → filters: { user_ids: ["<user_id>"] }（組み合わせ可能：["current", "user_id_1"]）
• 「チーム」/ ユーザーの言及なし → フィルターを完全に省略（チーム全体のデータを返します）
• チーム/サブチームでフィルター → filters: { team_ids: ["<subteam_id>"] }
• シーケンス名でフィルター → まず mcp__claude_ai_Apollo_MCP__apollo_emailer_campaigns_search を呼び出して名前を ID に解決し、次に filters: { emailer_campaign_ids: ["<id>"] } を渡します

---

並べ替え

ユーザーが「最も多いのは誰か…」「…でランク付け」「…別のトップ担当者」と尋ねた場合、次を設定します：

sort: { metric: "<metric_name>", asc: false }

「最少から先」または「成績が最も悪い」クエリには asc: true を使用します。

2 つの制約：

• 並べ替えは group_by が設定されている場合にのみ適用されます — フラットなクエリでは効果がありません
• 並べ替えメトリクスは metrics 配列に含める必要があります

---

ステップ 2 — アナリティクスツールを呼び出す

上記で決定したパラメータを指定して mcp__claude_ai_Apollo_MCP__apollo_analytics_sync_report を使用します。

質問が複数の独立したディメンションにまたがる場合（例：「メールメトリクスを担当者別に、さらに別途シーケンス別に表示して」）、2 回の連続した呼び出しを行います。

質問が曖昧な場合は、まず妥当なデフォルトの呼び出しを行い、その後で絞り込みを提案します。

---

ステップ 3 — 結果を提示する

フラットレスポンス (group_by なし): 指標名と値の 2 列からなる簡潔なサマリーテーブルとして提示します。

グループ化レスポンス (group_by のみ): 最初の列をディメンション、以降の列を指標とするテーブルとして提示します。注目すべき外れ値 (最も高い実績、最も低い率、最大のギャップ) を強調します。

ピボットレスポンス (group_by + pivot_group_by): 各指標を個別のラベル付きテーブルとして提示します。テーブルごとに簡潔な要約文を追加します。

常に:

• 小数を読みやすいパーセンテージに変換する (例: 0.14 → 14%)
• 大きな数値はカンマ区切りでフォーマットする
• レスポンスに「Showing first N of M rows」とある場合は、合計件数に言及し、絞り込みを提案する
• データの後に 1〜2 文のインサイトを追加する (例: 「火曜日の通話量が 355 件で最も多い」、「Sarah Flores の返信率が 14% でトップ」)

---

ステップ 4 — フォローアップアクションを提案する

結果を提示した後、関連する次のステップを 2〜3 個提案します:

1. さらに深掘り — 別のディメンションで分解する (例: 「担当者別に見てみますか?」)
2. 期間を変更 — 別の期間と比較する
3. 指標を追加 — 「このビューにミーティングやタスクを追加しますか?」
4. ピボットビュー — 「これをクロス集計しますか — 例: 担当者 × シーケンス?」
5. エクスポート — コピー&ペースト用に CSV 形式のテーブルとして整形する