performance-check

/digital-marketing-pro:performance-check

脚本位置。 如果你的宿主未设置 ${CLAUDE_PLUGIN_ROOT}，脚本位于此插件的 scripts/ 文件夹中，与 skills/ 同级。请使用 Python 3.10 或更高版本运行：使用 python；如果找不到 python，则使用 python3（macOS 和许多 Linux 系统）。

用途

从所有已连接的分析 MCP 中提取实时指标，并生成全面的表现快照。将当前表现与品牌档案中定义的 KPI 目标、上一周期基准和行业平均值进行比较。专为快速健康检查设计——可每日、每周或按需运行，无需在不同平台之间切换，即可掌握营销表现。

范围（与 /digital-marketing-pro:performance-report 对比）： 此技能负责实时提取 + 快照持久化——从各个平台获取当前指标，并保存快照以供追踪趋势。需要为利益相关者提供格式完善的叙述性报告（执行摘要、渠道评述、优先级建议、品牌化排版）时，请运行 /digital-marketing-pro:performance-report；它会使用此技能持久化的快照，而不是重新提取数据。使用 performance-check 查看当前数据；使用 performance-report 讲述数据背后的情况。

所需输入

用户必须提供（或将收到提示提供）：

• 时间段：今天、本周、本月、本季度或自定义日期范围（例如“过去 14 天”“1 月 1 日 - 1 月 31 日”）
• 渠道重点（可选）：需要优先关注的特定渠道或平台（例如“仅付费搜索”“电子邮件和社交”）。 如果省略，则包含所有已连接的平台
• 比较时段（可选）：用于比较的时段——上一时段、去年同期或自定义范围。 默认使用对应的上一时段
• KPI 目标（可选）：为本次检查覆盖目标值。 如果省略，则从 profile.json 的目标和 KPI 设置中提取目标值
• 粒度（可选）：按日、按周或汇总视图。默认汇总所选时段的数据

流程

1. 加载品牌背景信息：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的 slug，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。应用品牌语气、目标市场合规规则（skills/context-engine/compliance-rules.md）和行业背景信息。另检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指南；如果存在，加载其中的限制条件。检查 ~/.claude-marketing/sops/ 中是否有代理机构 SOP。如果没有品牌，询问：“先设置品牌？（/digital-marketing-pro:brand-setup）”——或者使用默认设置继续。
2. 检测已连接的分析 MCP：检查 .mcp.json 和活动 MCP 连接，确定哪些平台可用 （google-analytics、google-ads、meta-marketing、linkedin-marketing、tiktok-ads、mailchimp、stripe、mixpanel、amplitude、shopify 等）。 记录任何未连接的预期平台，让用户了解覆盖范围的缺口。
3. 从每个已连接的平台提取指标：请求指定时间段的关键指标：
   • 流量：会话数、用户数、页面浏览量、新访客与回访访客（单独列出 GA4 的默认渠道 “AI Assistant”——来自 ChatGPT、Gemini、Copilot、Perplexity 等平台的引荐流量——避免 AI 来源流量被归入“引荐”或“直接”流量）
   • 广告：展示次数、点击次数、支出、CPC、CPM
   • 转化：潜在客户、购买、注册、目标完成次数
   • 收入：总收入、平均订单价值、交易次数
   • 参与度：打开率、点击率、跳出率、网站停留时间
   • 平台特定指标：邮件送达率、社交覆盖人数、视频观看次数、应用安装次数
4. 汇总为统一仪表板：将各平台的指标标准化为单一的跨渠道视图，确保命名一致；涉及多种货币时进行货币换算；对于平台间重叠的转化次数进行去重。
5. 对照目标计算 KPI：将实际值与 profile.json 中的目标进行比较——标记为绿色（达到或超过目标）、黄色（与目标相差不超过 10%）或红色（未达目标超过 10%）。为每项 KPI 提供绝对偏差和百分比偏差。
6. 与上一周期比较：计算每项指标的环比变化，并附上趋势方向（上升/下降/持平）和变化百分比。如果有同比数据，将其作为次要参考。
7. 对照行业基准：参考 skills/context-engine/industry-profiles.md 中与品牌所属行业相关的内容，将表现与行业平均水平进行比较。标记显著高于或低于行业常规水平的指标。
8. 找出重要发现：列出表现最佳或改善幅度最大的 3 项亮点、表现不佳或持续下降的 3 项问题，以及任何值得深入调查的重大变化。在将转化率变化标记为“具有统计显著性”之前，先通过 python "${CLAUDE_PLUGIN_ROOT}/scripts/significance-tester.py" --control-visitors {n} --control-conversions {n} --variant-visitors {n} --variant-conversions {n} --confidence 0.95 确认——不得仅凭原始百分比变化就认定变动具有显著性。
9. 生成建议行动：根据数据提出 3-5 项具体、可执行的后续步骤，例如：“暂停表现不佳的广告组 X”、“增加高 ROAS 渠道 Y 的预算”、“调查 Z 的流量下降”、“扩大表现优异的创意变体”、“运行 /digital-marketing-pro:anomaly-scan 进行深入诊断”。
10. 保存表现快照：执行 python "${CLAUDE_PLUGIN_ROOT}/scripts/performance-monitor.py" --brand {slug} --action save-snapshot --data '{...current metrics...}' 保存快照，以便后续运行时进行历史比较和趋势追踪。
11. 记录重要洞察：对于存在显著偏差的指标，通过以下命令保存： python "${CLAUDE_PLUGIN_ROOT}/scripts/campaign-tracker.py" --brand {slug} --action save-insight --data '{"type":"anomaly","insight":"...","context":"..."}' 让这些发现显示在未来的报告和营销活动规划中。

输出

结构化的效果快照，包含：

• 高管摘要：用 2-3 句话概述整体营销健康状况，并突出最重要的一项发现
• 各渠道指标表：按平台列出流量、展示量、点击量、转化量、收入、支出、CPA、ROAS 和互动率 — 可按任意列排序
• KPI 记分板：每项跟踪的 KPI 均包含实际值、目标值、目标完成百分比、差异（绝对值和百分比）、趋势箭头（与上一周期相比）和 RAG 状态（红色/琥珀色/绿色）
• 跨渠道摘要：总支出、总转化量、综合 CPA、综合 ROAS、总收入、营销效率比率和整体健康状况评估
• 周期对比：所有关键指标相较于对比周期的变化百分比，附带方向指示器和火花线样式的趋势数据
• 行业基准背景：关键指标与 industry-profiles.md 中的行业平均值对比，并在数据可用时提供百分位排名
• 值得注意的发现：表现最佳的 3 项、最值得关注的 3 项，以及任何值得进一步调查的异常 — 每项均附带支持数据点和严重程度指示器
• 建议措施：3-5 项具体后续步骤，注明优先级、预期影响，以及各项措施适用的平台或营销活动
• 数据缺口：列出预期应连接但尚未连接的平台、无法获取的指标，或数据不完整的时间段 — 让用户了解当前视图中缺少哪些信息

使用的 Agent

• analytics-analyst — 指标解读、KPI 分析、跨渠道标准化、趋势识别、行业基准对比、洞察生成和行动建议
• performance-monitor-agent — 从已连接的 MCP 获取数据、与基线对比、快照持久化、历史趋势分析和缺口检测