analytics-expert

内容分析专家

概述

此技能可帮助分析内容分析数据、生成全面的报告、识别绩效趋势、计算投资回报率和收入归因，并为内容优化提供可执行的洞见。

何时使用此技能

当用户执行以下操作时，此技能会自动激活：

• 提出分析问题或请求绩效报告
• 需要帮助分析内容绩效数据
• 想要计算投资回报率或进行收入归因分析
• 请求从分析数据中识别趋势
• 需要根据数据获取内容优化建议
• 想了解哪些内容表现最佳以及原因

核心功能

1. 生成分析报告

生成全面的分析报告：

1. 收集分析数据

   • 访问分析平台数据（从项目中发现）
   • 汇总各平台的绩效指标
   • 收集互动数据（观看次数、点赞、评论、分享）
   • 收集转化和收入数据（如有）

2. 创建报告结构

   • 周度／月度绩效报告
   • 特定平台的绩效分析
   • 内容类型绩效对比
   • 受众互动报告
   • 投资回报率和收入归因报告

3. 生成报告内容

   • 总结关键指标和洞见
   • 创建数据可视化图表
   • 识别表现最佳的内容
   • 突出趋势和模式
   • 提供可执行的建议

用户请求示例： “生成一份我的内容月度绩效报告”

集成（从项目中发现）：

• 分析平台：访问绩效数据
• 内容管理平台：存储和分享报告
• 发布平台：利用洞见优化排期

2. 识别表现最佳内容的模式

识别表现最佳内容中的模式：

1. 分析绩效数据

   • 查看内容绩效指标
   • 识别表现最佳的内容
   • 分析成功内容的共同特征

2. 提取模式

   • 内容主题和话题
   • 内容格式和类型
   • 发布时段和频率
   • 特定平台的模式
   • 互动驱动因素（吸引点、行动号召、视觉元素）

3. 生成洞见

   • 记录成功的内容模式
   • 根据这些模式提出内容策略建议
   • 指出可复用的内容机会

用户请求示例： “你发现我的优质内容有哪些模式？”

集成（从项目中发现）：

• 分析平台：分析绩效数据
• 内容创作工具：将这些模式应用于新内容的生成
• 内容管理平台：存储模式洞见

3. 预测内容绩效

在发布前预测内容绩效：

1. 分析历史数据

   • 查看相似内容的表现
   • 识别与成功相关的因素
   • 构建绩效预测模型

2. 评估新内容

   • 将新内容与历史模式进行比较
   • 根据成功因素评估内容
   • 计算预测绩效评分

3. 提供建议

   • 建议改进内容
   • 推荐最佳发布时间
   • 确定内容的最佳发布平台
   • 预测内容的走红潜力

用户请求示例： “在我发布之前，预测一下这篇内容的表现”

集成（从项目中发现）：

• 分析平台：使用历史数据进行预测
• 内容创作工具：在生成内容前进行优化
• 发布平台：根据预测结果优化排期

4. ROI 分析与归因

要计算 ROI 和收入归因：

1. 跟踪收入指标

   • 将内容与转化和收入关联起来
   • 通过项目的跟踪链接跟踪归因（从项目文档中查找链接格式）
   • 计算每篇内容的成本（API 费用、时间）

2. 计算 ROI

   • 每篇内容带来的收入
   • 内容创作成本
   • ROI 百分比计算
   • 各平台／渠道的收入

3. 生成 ROI 报告

   • 内容级 ROI 分析
   • 平台 ROI 对比
   • 营销活动 ROI 跟踪
   • 收入优化建议

用户请求示例： “计算我的内容的 ROI，并告诉我哪些内容带来的收入最多”

集成（从项目中查找）：

• 分析平台：跟踪转化和收入
• 内容管理平台：存储 ROI 数据和报告
• 发布平台：根据 ROI 优化分发

5. 趋势识别

要从分析数据中识别趋势：

1. 分析时间序列数据

   • 查看一段时间内的表现趋势
   • 识别增长或下降模式
   • 检测季节性趋势

2. 识别新兴趋势

   • 热度不断上升的内容主题
   • 平台趋势与变化
   • 受众行为变化
   • 互动模式变化

3. 提供趋势洞察

   • 记录识别出的趋势
   • 根据趋势提出行动建议
   • 预测未来趋势走向

用户请求示例： “过去 3 个月里，你发现我的内容表现有哪些趋势？”

集成（从项目中查找）：

• 分析平台：分析时间序列数据
• 内容管理平台：存储趋势洞察
• 内容创作工具：将趋势应用于内容生成

项目上下文发现

分析数据前，先了解项目的上下文：

1. 扫描项目文档：

   • 查看 .agents/memory/，了解分析平台详情和架构说明
   • 查找与分析相关的文档

2. 识别分析平台：

   • 检查代码库中是否集成了分析服务
   • 查找分析 API 端点或 SDK
   • 查看分析服务的环境变量

3. 发现可用指标：

   • 查看分析 API 文档（如有）
   • 检查分析数据模型或架构
   • 确定项目跟踪的指标

常见分析数据类型（根据发现的情况调整）：

• 帖子级指标：浏览量、点赞数、评论数、分享数、互动率
• 平台专属指标：各平台的表现
• 时间指标：一段时间内的表现（7d、30d、90d）
• 转化指标：点击量、注册数、收入（通过跟踪链接）
• 内容类型指标：各类内容的表现

关键指标：

• 互动率：（点赞数 + 评论数 + 分享数）/ 浏览量
• ROI：（收入 - 成本）/ 成本 × 100
• 转化率：转化次数 / 点击量
• 平均表现：跨内容汇总的指标

最佳实践

1. 数据驱动的洞察：所有建议都应基于实际分析数据
2. 结合上下文：分析数据时，考虑平台、时间和受众
3. 可执行的建议：提供具体、可执行的洞察，而不只是数据
4. 对比分析：将表现与基准和历史数据进行对比
5. 持续监控：建议定期查看分析数据并进行优化

资源

references/

• analytics-api-reference.md：项目分析 API 端点和数据结构（从项目文档中查找）
• roi-calculation-guide.md：ROI 计算方法和公式
• performance-benchmarks.md：内容表现的行业基准

assets/

• analytics-report-template.md：分析报告模板
• roi-report-template.md：ROI 分析报告模板
• trend-analysis-template.md：趋势识别报告模板

相关本地技能

技能	使用时机
copywriter	将分析结果转化为修订后的文案
funnel-architect	当分析显示漏斗存在结构性流失时，重新设计漏斗
traffic-architect	根据效果数据调整渠道和获客组合