mcpField
S
social-media-analyzer

social-media-analyzer

github.com/alirezarezvani营销与增长89775 次安装50 周前更新
代码仓库

关于 social-media-analyzer

面向营销机构和活动分析人员的技能,可根据提供的数据分析社交媒体活动表现。它计算互动和投资回报指标,分析受众与内容模式,并生成建议和报告;平台数据需由用户提供。

主要功能

  1. 01跨平台活动分析
  2. 02互动率与触达指标
  3. 03成本与投资回报计算
  4. 04受众与内容洞察
  5. 05趋势分析与基准比较
  6. 06建议与可视化报告

适用场景

  1. 01审查多个平台的表现
  2. 02计算活动互动率和投资回报
  3. 03识别优质帖子与发布规律
  4. 04制作客户活动报告

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/alirezarezvani/claude-code-skill-factory --skill social-media-analyzer

安装后在 Claude Code 中输入/social-media-analyzer确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

analyze_performance.py
calculate_metrics.py
expected_output.json
HOW_TO_USE.md
sample_input.json

详细介绍

社交媒体营销活动分析器

此技能可全面分析社交媒体营销活动的表现,帮助营销机构为客户提供可执行的洞察。

功能

  • 多平台分析:追踪 Facebook、Instagram、Twitter、LinkedIn、TikTok 上的表现
  • 互动指标:计算互动率、覆盖人数、展示次数、点击率
  • 投资回报率分析:衡量单次互动成本、单次点击成本、广告支出回报率
  • 受众洞察:分析人口统计特征、互动高峰时段、内容表现
  • 趋势检测:识别表现出色的内容类型和发布模式
  • 竞争对标:将表现与行业标准进行比较

输入要求

营销活动数据包括:

  • 平台指标:点赞、评论、分享、收藏、点击
  • 覆盖数据:展示次数、独立覆盖人数、粉丝增长
  • 成本数据:广告支出、营销活动预算(用于投资回报率计算)
  • 内容详情:帖子类型(图片、视频、轮播)、发布时间、主题标签
  • 时间段:分析的日期范围

接受的格式:

  • 包含结构化营销活动数据的 JSON
  • 从社交媒体平台导出的 CSV
  • 关键指标的文本描述

输出格式

结果包括:

  • 表现仪表板:关键指标及趋势
  • 互动分析:表现最佳和最差的帖子
  • 投资回报率明细:成本效益指标
  • 受众洞察:人口统计特征和行为模式
  • 建议:基于数据的优化建议
  • 可视化报告:图表和图形(Excel/PDF 格式)

使用方法

"分析这组 Facebook 营销活动数据并计算互动指标" "这场 Instagram 广告营销活动的投资回报率是多少?支出为 $500,点击量为 2,000。" "比较过去一个月所有社交平台的表现"

脚本

  • calculate_metrics.py:所有社交媒体指标的核心计算引擎
  • analyze_performance.py:表现分析和建议生成

最佳实践

  1. 分析前确保数据完整(缺失指标会影响准确性)
  2. 在相同时间段内比较指标,以确保公平对比
  3. 考虑平台特有的基准(Instagram 的互动情况与 LinkedIn 不同)
  4. 将自然流量指标和付费指标分开考虑
  5. 随时间追踪指标以识别趋势
  6. 解读结果时纳入背景信息(季节性、营销活动、事件)

限制

  • 需要社交媒体平台提供准确数据
  • 行业基准只是一般性参考,且因细分领域而异
  • 历史数据无法保证未来表现
  • 自然覆盖人数的计算可能会随平台算法变化而有所不同
  • 无法直接访问平台数据(需要手动导出或集成 API)
  • 部分平台限制数据可用性(例如,TikTok 分析功能仅适用于企业账号)

评论

支持 Markdown