{"id":"54116dfc-793d-4af0-ae41-79740adaebb0","entityType":"agent","slug":"clawhub-ming0429-data-auto-analyzer","name":"数据自动分析","canonicalUrl":"https://www.xpersona.co/agent/clawhub-ming0429-data-auto-analyzer","canonicalPath":"/agent/clawhub-ming0429-data-auto-analyzer","generatedAt":"2026-10-10T10:42:45.123Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T07:43:54.078Z","emptyReason":null},"description":"数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每... Skill: 数据自动分析 Owner: ming0429 Summary: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每... Tags: ab-test:3.0.0, advertising:3.0.0, daily-report:3.0.0, data-analysis:3.0.0, data-auto-analyzer:4.0.1, latest:4.0.1 Version history: v4.0.1 | 2026-06-04T05:41:06.430Z | user - 列识别全面升级为动态智能识别，所有业务指标（如消耗/转化/点击/曝光/CPA/C","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.6K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s174ep1mzq3b0mz7q623kj2wfd84tj1c:data-auto-analyzer","sourceUrl":"https://clawhub.ai/ming0429/data-auto-analyzer","homepage":"https://clawhub.ai/ming0429/skills/data-auto-analyzer","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/ming0429/data-auto-analyzer","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/ming0429/skills/data-auto-analyzer","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":64,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每..."},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T07:43:54.078Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T07:43:54.078Z","emptyReason":null},"stars":null,"forks":null,"downloads":1583,"packageName":null,"latestVersion":"4.0.1","tractionLabel":"1.6K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T07:43:54.078Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T07:43:54.078Z","lastCrawledAt":"2026-10-10T07:43:54.078Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T07:43:54.078Z","lastVerifiedAt":null,"highlights":[{"version":"4.0.1","createdAt":"2026-06-04T05:41:06.430Z","changelog":"- 列识别全面升级为动态智能识别，所有业务指标（如消耗/转化/点击/曝光/CPA/CTR/转化率等）根据表格内容自动判断，不写死字段名。 - 模式 B/C/D 报告样式与模式 A 统一为浅色主题（白底卡片、阴影、折叠、悬浮导航）。 - 账户/计划诊断自动按重复业务维度分组，支持无广告指标时自动降级为通用统计离群诊断。 - 每日投放日报支持自动识别实体与指标，TOP/待优化维度按 CPA 或主指标排序，单文件多日数据可自动提取做环比和趋势。 - 共用基础功能（如列/维度自动识别、统一渲染页面）下沉到 `_common.py`，保持风格和代码一致。","fileCount":11,"zipByteSize":60246},{"version":"4.0.0","createdAt":"2026-06-03T14:42:57.443Z","changelog":"data-auto-analyzer v4.0.0 - 通用数据分析（模式 A）HTML 报告全面升级为浅色高级主题，新增左侧悬浮导航（支持滚动高亮和模块折叠/展开）。 - 明细表格支持二级树（同维度多日期聚合展开）、置顶可勾选汇总行、指标多组筛选、维度列模糊搜索，修正数值列排序问题。 - 图表重构为平滑折线/柱形（双Y轴、多选互斥、分组绘制）、占比饼图、相关性热力图，所有图表与表格勾选全联动；下拉选择支持模糊搜索。解决图例、坐标轴缩放、色带等显示问题。 - 指标汇总/异常默认展示前4项并可展开，百分比指标汇总默认取均值。 - 修复筛选条件组过多导致按钮遮","fileCount":11,"zipByteSize":59376},{"version":"3.0.1","createdAt":"2026-04-24T08:35:52.535Z","changelog":"- 版本号由 3.0.0 升级到 3.0.1 - 无文件内容变更，仅为元数据中的版本号小幅更新 - 功能、接口和使用文档均未做任何调整","fileCount":11,"zipByteSize":49165},{"version":"3.0.0","createdAt":"2026-04-20T06:34:11.581Z","changelog":"**重大更新：Skill 3.0.0 现已支持一体化广告智能分析，覆盖日报、账户诊断及 A/B 测试等多业务场景。** - 新增四大模式：通用分析、广告账户诊断、A/B 测试分析、每日投放日报。 - 新增广告账户诊断自动预警与优化建议，支持主流广告平台用词自动适配。 - 支持两组数据自动显著性分析，兼容比例型与均值型 A/B 测试。 - 支持日报自动生成，一键输出钉钉/飞书纯文本与 HTML 版日报。 - 新增规则与格式参考文档（ab_test_guide.md、diagnose_rules.md、daily_report_format.md）。 - 新增脚本：diagnose.py、ab_test.py、daily_report.py，功能结构化、便于扩展。","fileCount":10,"zipByteSize":45708},{"version":"1.1.1","createdAt":"2026-04-17T02:39:25.607Z","changelog":"- 更新版本号为 1.1.1，对齐 Skill 元数据 - 修改依赖安装建议，推荐在虚拟环境中安装相关依赖包 - 使用 pip 安装时去除 --break-system-packages 参数，提升兼容性 - 优化“Notes”部分表述，明确数据本地处理和 ECharts 使用方式 - 调整部分说明文字，使文档指引更加清晰易读","fileCount":3,"zipByteSize":12611},{"version":"1.1.0","createdAt":"2026-04-17T02:30:12.360Z","changelog":"Major update: Enhanced automated data analysis and reporting. - Now auto-detects column types (date, dimension, numeric) for any uploaded Excel/CSV file. - Generates a fully interactive HTML report with ECharts charts and paginated, sortable tables. - Adds automated anomaly detection and specific optimization suggestions based on data. - Supports all structured tabular data types (ads, sales, finance, ops metrics, e-commerce, and more). - Requires no setup; works with .xlsx/.xls/.csv, auto-detects encoding, and runs locally for data privacy. - Clearly documents usage, features, and example commands in SKILL.md.","fileCount":3,"zipByteSize":12542}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s174ep1mzq3b0mz7q623kj2wfd84tj1c:data-auto-analyzer","setupComplexity":"low","setupSteps":["Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T10:42:45.121Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-ming0429-data-auto-analyzer/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-10T07:43:54.078Z","emptyReason":null},"readme":"Skill: 数据自动分析\n\nOwner: ming0429\n\nSummary: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每...\n\nTags: ab-test:3.0.0, advertising:3.0.0, daily-report:3.0.0, data-analysis:3.0.0, data-auto-analyzer:4.0.1, latest:4.0.1\n\nVersion history:\n\nv4.0.1 | 2026-06-04T05:41:06.430Z | user\n\n- 列识别全面升级为动态智能识别，所有业务指标（如消耗/转化/点击/曝光/CPA/CTR/转化率等）根据表格内容自动判断，不写死字段名。\n- 模式 B/C/D 报告样式与模式 A 统一为浅色主题（白底卡片、阴影、折叠、悬浮导航）。\n- 账户/计划诊断自动按重复业务维度分组，支持无广告指标时自动降级为通用统计离群诊断。\n- 每日投放日报支持自动识别实体与指标，TOP/待优化维度按 CPA 或主指标排序，单文件多日数据可自动提取做环比和趋势。\n- 共用基础功能（如列/维度自动识别、统一渲染页面）下沉到 `_common.py`，保持风格和代码一致。\n\nv4.0.0 | 2026-06-03T14:42:57.443Z | auto\n\ndata-auto-analyzer v4.0.0\n\n- 通用数据分析（模式 A）HTML 报告全面升级为浅色高级主题，新增左侧悬浮导航（支持滚动高亮和模块折叠/展开）。\n- 明细表格支持二级树（同维度多日期聚合展开）、置顶可勾选汇总行、指标多组筛选、维度列模糊搜索，修正数值列排序问题。\n- 图表重构为平滑折线/柱形（双Y轴、多选互斥、分组绘制）、占比饼图、相关性热力图，所有图表与表格勾选全联动；下拉选择支持模糊搜索。解决图例、坐标轴缩放、色带等显示问题。\n- 指标汇总/异常默认展示前4项并可展开，百分比指标汇总默认取均值。\n- 修复筛选条件组过多导致按钮遮\n\nv3.0.1 | 2026-04-24T08:35:52.535Z | user\n\n- 版本号由 3.0.0 升级到 3.0.1\n- 无文件内容变更，仅为元数据中的版本号小幅更新\n- 功能、接口和使用文档均未做任何调整\n\nv3.0.0 | 2026-04-20T06:34:11.581Z | user\n\n**重大更新：Skill 3.0.0 现已支持一体化广告智能分析，覆盖日报、账户诊断及 A/B 测试等多业务场景。**\n\n- 新增四大模式：通用分析、广告账户诊断、A/B 测试分析、每日投放日报。\n- 新增广告账户诊断自动预警与优化建议，支持主流广告平台用词自动适配。\n- 支持两组数据自动显著性分析，兼容比例型与均值型 A/B 测试。\n- 支持日报自动生成，一键输出钉钉/飞书纯文本与 HTML 版日报。\n- 新增规则与格式参考文档（ab_test_guide.md、diagnose_rules.md、daily_report_format.md）。\n- 新增脚本：diagnose.py、ab_test.py、daily_report.py，功能结构化、便于扩展。\n\nv1.1.1 | 2026-04-17T02:39:25.607Z | user\n\n- 更新版本号为 1.1.1，对齐 Skill 元数据\n- 修改依赖安装建议，推荐在虚拟环境中安装相关依赖包\n- 使用 pip 安装时去除 --break-system-packages 参数，提升兼容性\n- 优化“Notes”部分表述，明确数据本地处理和 ECharts 使用方式\n- 调整部分说明文字，使文档指引更加清晰易读\n\nv1.1.0 | 2026-04-17T02:30:12.360Z | user\n\nMajor update: Enhanced automated data analysis and reporting.\n\n- Now auto-detects column types (date, dimension, numeric) for any uploaded Excel/CSV file.\n- Generates a fully interactive HTML report with ECharts charts and paginated, sortable tables.\n- Adds automated anomaly detection and specific optimization suggestions based on data.\n- Supports all structured tabular data types (ads, sales, finance, ops metrics, e-commerce, and more).\n- Requires no setup; works with .xlsx/.xls/.csv, auto-detects encoding, and runs locally for data privacy.\n- Clearly documents usage, features, and example commands in SKILL.md.\n\nArchive index:\n\nArchive v4.0.1: 11 files, 60246 bytes\n\nFiles: references/ab_test_guide.md (3293b), references/daily_report_format.md (3318b), references/diagnose_rules.md (3026b), scripts/_common.py (24395b), scripts/ab_test.py (16123b), scripts/analyze.py (70751b), scripts/daily_report.py (13311b), scripts/diagnose.py (16083b), skill-card.md (2491b), SKILL.md (10691b), _meta.json (137b)\n\nFile v4.0.1:SKILL.md\n\n---\nname: data-auto-analyzer\ndescription: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每日汇报、钉钉/飞书周报、对比昨日）。适用于信息流广告优化师、运营、数据分析师。支持巨量引擎、腾讯广告、Meta Ads、Google Ads、快手等平台导出数据，也支持销售、财务、运营等任何结构化表格。即使用户只说\"分析一下\"\"看看报表\"\"哪些计划要调整\"\"这俩哪个好\"\"生成日报\"，也应触发此 Skill。\nmetadata:\n  homepage: https://clawhub.ai/ming0429/data-auto-analyzer\n  version: 4.0.1\n  author: guojiaming\n  tags: [data-analysis, advertising, ab-test, daily-report, 数据分析, 广告优化, 账户诊断, AB测试, 日报生成]\n  clawdbot:\n    emoji: 📊\n    requires:\n      bins: [python3]\n      pip: [pandas, openpyxl, xlrd, jinja2, scipy]\n      env: []\n---\n\n# 数据自动分析 Skill\n\n一体化数据分析与广告优化工具集，包含 **4 个模式**，根据用户意图选择对应模式执行。\n\n## 环境准备（所有模式通用）\n\n```bash\n# 在 Skill 目录下创建虚拟环境（路径可移植，本地/云端/CI 均可）\npython3 -m venv .venv && source .venv/bin/activate\npip install pandas openpyxl xlrd jinja2 scipy -q\n```\n\n> Windows 用户激活命令为 `.venv\\Scripts\\activate`。若系统已装好依赖，可跳过 venv 直接用 `python3` 运行。\n\n## 输出目录（所有模式通用）\n\n所有生成的 HTML / TXT 文件**默认统一输出到当前工作目录下的 `data-auto-analyzer/` 文件夹**（脚本会自动创建）。\n\n- 想换目录：设置环境变量 `export DATA_AUTO_ANALYZER_OUTDIR=/your/path`，或给脚本的 `--out` / `--out-dir` 传一个带目录的完整路径（此时尊重用户指定）。\n- 下方各命令的 `--out` 只写文件名即可，文件会自动落到 `data-auto-analyzer/` 下。\n\n## 模式选择决策树\n\n```\n用户上传了 Excel/CSV？\n├── 是\n│   ├── 提到\"诊断/体检/哪些要暂停/计划效果差\" → 模式 B：账户诊断\n│   ├── 提到\"日报/汇报/对比昨日\" → 模式 D：日报生成\n│   ├── 提到\"A/B 测试/显著性/哪个版本好\" → 模式 C：A/B 测试\n│   └── 其他（看报表/分析数据/趋势） → 模式 A：通用分析\n└── 否\n    └── 用户直接描述两组数据（手工输入） → 模式 C：A/B 测试\n```\n\n**不确定时优先询问用户，不要猜。**\n\n---\n\n## 模式 A：通用数据分析\n\n**用途**：任意 Excel/CSV 都能用，自动识别列类型（日期/维度/指标/百分比），生成一份浅色主题、交互式的 HTML 报告。\n\n```bash\npython3 scripts/analyze.py --file <输入文件> --out data_report.html\n# → 生成到 data-auto-analyzer/data_report.html\n```\n\n**输出与交互能力**：\n\n- **左侧悬浮导航**：点击平滑滚动到对应模块，滚动自动高亮；所有模块支持折叠/展开（带动画）。\n- **概览 / 指标汇总 / 异常检测 / 优化建议**：指标汇总与异常默认展示前 4 项，可\"展开更多\"。\n- **明细表格**：\n  - 每页 10 条；置顶\"全部数据汇总\"行（原报表带汇总行则提取，否则自动计算：指标求和、百分比取均值），汇总行可勾选、有日期时可展开看每日合计。\n  - **二级树**：当数据含日期且同一维度跨多日时，自动按维度分组为父行，可展开查看按日期明细；仅父行可勾选。\n  - 数值列按真实数值排序（含整数列）；维度列模糊搜索 + \"更多筛选\"按指标列做多组 `> ≥ = ≤ <` 条件（\"且\"关系）。\n- **图表**（数据随表格勾选联动；未勾选时全量聚合）：\n  - **平滑折线图 / 柱形图**：双 Y 轴 + 左右轴多选指标（互斥）；X 轴可在「按日期 / 按维度」切换；按日期勾选多组时，每个维度组单独成线/柱。\n  - **占比饼图**：可选分组维度（单维或维度组合）与指标，不合并\"其他\"。\n  - **相关性热力图**：取方差最大的若干指标，基于全量数据。\n  - 所有下拉选择器均支持模糊搜索。\n\n> 完全本地处理；HTML 在浏览器打开时从 cdnjs 加载 ECharts（如需离线，可改为本地引入 echarts.min.js）。\n\n---\n\n## 模式 B：账户/计划诊断器\n\n**用途**：分析任意投放/业务报表，给每个实体（账户/计划/优化师…按表自动判定）打红/黄/绿预警并给出处置建议。**浅色主题 · 卡片阴影 · 可折叠 · 悬浮导航**，与模式 A 风格统一。\n\n```bash\npython3 scripts/diagnose.py --file <报表.xlsx> --out diagnose_report.html\n# → 生成到 data-auto-analyzer/diagnose_report.html\n```\n\n**完全动态识别**（不写死任何字段名）：\n- 实体维度按“会重复出现的业务维度”自动分组（含账户ID 等标识，每个实体成一组）。\n- 消耗/转化/点击/曝光/CPA/CTR/转化率等**按表格智能推断**；缺失的比率指标由基础列自动派生（CPA=消耗/转化、CTR=点击/曝光、CVR=转化/点击）。“成本”归为 CPA、“广告数量”等计数列不会被误当曝光/点击。\n\n**诊断规则摘要**（完整说明见 `references/diagnose_rules.md`，相对整体均值判定）：\n- 🔴 红色：高消耗零转化、CPA ≥ 均值 3 倍、CTR ≤ 均值 0.3 倍、转化率极低\n- 🟡 黄色：CPA ≥ 均值 1.5 倍、CTR/转化率偏低、高消耗低转化\n- 🟢 绿色：指标正常或优于均值\n\n若表中无任何广告指标，自动降级为**通用统计离群诊断**（按 z 分数标记异常实体）。报告含：诊断总览卡片 + 红/黄/绿筛选+搜索+分页明细表 + 分布饼图 + 主指标排行柱图。\n\n---\n\n## 模式 C：A/B 测试结果分析\n\n**用途**：判断两组数据差异是否显著，给出置信度和结论。**浅色主题 · 卡片阴影 · 可折叠**（结论框 + 关键结果卡 + A/B 对比柱图 + 统计明细表）。\n\n两种场景：\n- **比例型**（CTR、转化率）→ Z 检验\n- **均值型**（CPC、CPA、ROI）→ T 检验\n\n**执行方式 1：手工输入数据**\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --out ab_result.html\n# → 生成到 data-auto-analyzer/ab_result.html\n```\n\n**执行方式 2：从文件**\n```bash\npython3 scripts/ab_test.py --file <数据.xlsx> \\\n  --group-col <分组列名> --metric-col <指标列名> \\\n  --metric-type <rate|mean> \\\n  --out ab_result.html\n```\n\n详细用法和场景示例见 `references/ab_test_guide.md`。\n\n---\n\n## 模式 D：每日投放日报生成器\n\n**用途**：上传报表，生成结构化日报。指标与实体维度**完全按表格动态识别**（不写死“计划”等字段）。输出钉钉/飞书可直接粘贴的纯文本版 + 浅色主题 HTML 版。\n\n```bash\n# 单文件（默认输出到 data-auto-analyzer/ 目录）\npython3 scripts/daily_report.py --today <今日.xlsx>\n\n# 带昨日对比（可选；若 today 文件本身含多日数据，会自动取最新一天为今日、前一天为昨日做环比并画趋势）\npython3 scripts/daily_report.py --today <今日.xlsx> --yesterday <昨日.xlsx>\n```\n\n**输出两个文件**：\n- `daily_report.txt` — 纯文本，直接复制到钉钉/飞书/微信\n- `daily_report.html` — 浅色主题 HTML 版（卡片阴影 · 可折叠 · 悬浮导航）\n\n**日报结构**：核心指标卡片（含环比涨跌）+ TOP / 待优化实体（按 CPA 或主指标，每项展示 消耗/转化/CPA）+ 主指标按日趋势图 + 明日建议 + 可粘贴纯文本。实体维度（账户/计划/优化师…）与指标均按表自动判定。\n\n详见 `references/daily_report_format.md`。\n\n---\n\n## Notes\n\n- 分析过程完全本地执行，不上传任何数据；生成的 HTML 报告在浏览器打开时会从 CDN (cdnjs.cloudflare.com) 加载 ECharts\n- 所有脚本必须保存为 `.py` 文件执行，不支持 `python3 -c` 内联\n- 列名完全动态识别，不预设字段名\n- 编码自动识别，兼容 UTF-8 / GBK / GB2312\n- 输出统一落到 `data-auto-analyzer/` 目录，可用 `DATA_AUTO_ANALYZER_OUTDIR` 覆盖\n\n## 更新日志\n\n### 4.0.1\n- **模式 B/C/D 大改**：列识别全部改为**动态智能识别**（消耗/转化/点击/曝光/CPA/CTR/转化率等按表格推断，不写死任何字段名；“成本”归 CPA、“广告数量”等计数列不误判为曝光/点击）。\n- B/C/D 样式统一为**模式 A 的浅色高级主题**（白底卡片 + 阴影 + 折叠 + 悬浮导航 + 浅色 ECharts）。\n- 模式 B 改为按“会重复出现的业务维度”动态分组（每个账户/计划成一组），缺基础列时自动降级为通用统计离群诊断。\n- 模式 D 实体维度与指标全动态；TOP/待优化按 CPA（或主指标）排序，每项展示 消耗/转化/CPA；多日单文件可自动取最新日做环比并画趋势。\n- 共享能力下沉到 `_common.py`：`detect_columns / detect_roles / entity_dims / render_page`（统一浅色页面框架）。\n\n### 4.0.0\n- 模式 A 报告全面升级为**浅色高级主题**，新增**左侧悬浮导航**（点击平滑滚动 + 滚动高亮），各模块支持折叠/展开动画。\n- 明细表格新增**二级树**（同维度多日期自动聚合为父行，可展开看每日明细，仅父行可勾选）、**置顶汇总行**（可勾选/可展开）、**指标多组筛选**与维度列模糊搜索；修复整数列排序按字典序的问题。\n- 图表重构为**平滑折线 / 柱形（双 Y 轴、左右轴多选互斥、按日期/维度切换、按勾选组单独成线）+ 可选维度占比饼图 + 全量相关性热力图**，全部图表随表格勾选联动；所有下拉选择器支持模糊搜索；修复缩放控件与图例/坐标轴重叠、热力图色带与 X 轴文本重叠等问题。\n- 指标汇总/异常默认展示前 4 项并可展开更多；百分比指标在汇总中按均值而非求和处理。\n- 修复指标筛选条件组过多时底部\"应用/重置\"按钮被遮挡的问题（条件区可滚动、按钮固定、下拉浮层改用 fixed 定位避免裁切）。\n\n### 3.0.1\n- 统一输出目录到 `data-auto-analyzer/`，路径可移植（本地/云端/CI）；移除对 `/home/claude`、`/mnt/user-data` 等沙箱专用路径的依赖。\n\nFile v4.0.1:_meta.json\n\n{\n  \"ownerId\": \"kn75qh8ba8e3ekf513rveqqstx84tt20\",\n  \"slug\": \"data-auto-analyzer\",\n  \"version\": \"4.0.1\",\n  \"publishedAt\": 1780551666430\n}\n\nFile v4.0.1:references/ab_test_guide.md\n\n# A/B 测试分析使用指南\n\n## 两种测试场景\n\n### 1. 比例型指标（Rate）\n\n用于判断\"点击率、转化率、注册率\"等**分母明确**的指标。\n\n**统计方法**：两比例 Z 检验（Proportion Z-Test）\n\n**数据形式**：每组需要两个数字——成功数 + 总数\n- A 组：120 次点击 / 2400 次展示\n- B 组：150 次点击 / 2500 次展示\n\n**典型应用**：\n- 素材 A vs 素材 B 的 CTR\n- 落地页 A vs 落地页 B 的转化率\n- 文案 A vs 文案 B 的下载率\n\n### 2. 均值型指标（Mean）\n\n用于判断\"CPC、CPA、客单价、ROI\"等**连续数值**的指标。\n\n**统计方法**：独立样本 T 检验（Welch's T-Test，不假设方差齐性）\n\n**数据形式**：每组需要一列数值（多行样本）\n- A 组：[2.1, 2.5, 1.8, 2.3, 2.6, ...]\n- B 组：[1.9, 2.0, 1.7, 1.8, 1.9, ...]\n\n**典型应用**：\n- 出价策略 A vs B 的 CPA 分布\n- 定向方案 A vs B 的 ROI 分布\n\n## 使用方式\n\n### 方式 1：手工输入（比例型）\n\n适合已经算好聚合数据的情况：\n\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --a-name \"素材A\" --b-name \"素材B\" \\\n  --out ab_result.html\n```\n\n参数说明：\n- `--a-success`：A 组成功次数（如点击数）\n- `--a-total`：A 组总次数（如展示数）\n- `--b-success` / `--b-total`：B 组同理\n- `--a-name` / `--b-name`：可选，组别显示名称\n\n### 方式 2：从文件分析（均值型）\n\n适合每行一个样本的明细数据：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"实验组\" \\\n  --metric-col \"CPA\" \\\n  --metric-type mean \\\n  --out ab_result.html\n```\n\n参数说明：\n- `--group-col`：分组列名（值应为 A/B 两种）\n- `--metric-col`：要比较的指标列名\n- `--metric-type mean`：均值型检验\n\n### 方式 3：从文件分析（比例型）\n\n适合需要从明细聚合的情况：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"版本\" \\\n  --success-col \"点击数\" \\\n  --total-col \"展示数\" \\\n  --metric-type rate \\\n  --out ab_result.html\n```\n\n## 结论判定标准\n\n| p 值范围 | 显著性 | 结论 |\n|---------|-------|------|\n| p < 0.01 | 极显著 | \"差异极其显著，置信度 99%\" |\n| 0.01 ≤ p < 0.05 | 显著 | \"差异显著，置信度 95%，建议采用优胜版本\" |\n| 0.05 ≤ p < 0.1 | 边缘显著 | \"差异接近显著，建议扩大样本继续观察\" |\n| p ≥ 0.1 | 不显著 | \"两组无显著差异，不能证明哪个更好\" |\n\n## 输出报告内容\n\nHTML 报告包含：\n1. **两组数据对比卡片**：样本量、指标值、差异百分比\n2. **可视化对比**：柱状图 + 置信区间\n3. **统计结果**：p 值、置信区间、检验量（Z 或 T）\n4. **业务结论**：一句话告诉用户该不该切换版本\n5. **样本量建议**：若结论不显著，给出达到 95% 置信度所需的样本量\n\n## 常见坑\n\n1. **样本量过小**：比例型检验建议两组总数各 ≥ 300，否则结论可信度低\n2. **多版本比较**：脚本当前仅支持两组对比，如果有 A/B/C/D 多版本，建议两两比较\n3. **指标归因**：比如 CPA 里既有出价因素也有创意因素，差异显著不等于某个因素的功劳\n\nFile v4.0.1:references/daily_report_format.md\n\n# 日报生成格式说明\n\n## 输出文件\n\n脚本会在 `--out-dir` 指定目录输出两个文件：\n\n### 1. daily_report.txt （纯文本版）\n\n专为**钉钉/飞书/企业微信**设计，直接复制粘贴即可。使用简洁的符号而非 emoji 表情（部分群组会禁用 emoji）。\n\n```\n━━━━━━━━━━━━━━━━━━━━━━━\n📊 投放日报 · 2026-04-20\n━━━━━━━━━━━━━━━━━━━━━━━\n\n【核心指标】\n• 消耗：12,580 元  ↑ 8.3%\n• 曝光：2,450,000  ↑ 12.1%\n• 点击：48,600  ↑ 5.2%\n• 转化：312  ↓ 2.8%\n• CPA：40.3 元  ↑ 11.4%  ⚠️\n• ROI：2.45  ↓ 6.1%\n\n【TOP 3 最佳计划】\n1. 计划A：消耗 2,300，转化 85，CPA 27.1\n2. 计划B：消耗 1,800，转化 62，CPA 29.0\n3. 计划C：消耗 1,500，转化 48，CPA 31.3\n\n【TOP 3 待优化计划】\n1. 计划X：消耗 1,200，转化 5，CPA 240\n2. 计划Y：消耗 980，转化 4，CPA 245\n3. 计划Z：消耗 850，转化 3，CPA 283\n\n【异常提醒】\n⚠️ 计划X CPA 激增 120%，建议立即暂停\n⚠️ 计划Y 转化归零超过 4 小时\n\n【明日建议】\n• 暂停计划 X/Y，替换新素材\n• 加大计划 A 预算（效果优异）\n• 关注整体 CPA 上涨趋势\n```\n\n### 2. daily_report.html （精美版）\n\n带 ECharts 图表的 HTML 版，适合邮件附件、存档、给上级看。包含：\n- 顶部指标卡片（与文本版同步，带涨跌箭头）\n- 消耗 vs 转化趋势对比图（若有昨日数据）\n- TOP 计划表格（带背景色标识好坏）\n- 异常列表\n- 明日建议\n\n## 核心逻辑\n\n### 指标计算\n从报表中自动识别并汇总核心指标：\n- 总消耗、总曝光、总点击、总转化\n- 平均 CPA = 总消耗 / 总转化\n- 平均 CTR = 总点击 / 总曝光\n- 平均转化率 = 总转化 / 总点击\n- ROI（若有收入/GMV 列）\n\n### 环比计算\n若提供了 `--yesterday` 参数：\n- 每个指标计算环比变化百分比\n- 加箭头符号：↑ 正增长、↓ 下降、→ 持平\n- CPA 上涨标 ⚠️（对投放是坏事）\n- CPA 下降标 ✅（对投放是好事）\n\n### TOP 计划判定\n- **最佳**：按 CPA 升序排序，取前 3（仅取转化 ≥ 1 的计划）\n- **最差**：按 CPA 降序排序，取前 3（仅取消耗 ≥ 100 的计划，避免小消耗计划误报）\n\n### 异常检测\n满足以下任一条件即列入异常：\n- 单日消耗涨幅 > 100% 但转化涨幅 < 10%\n- 转化数从非零变为零\n- CPA 涨幅 > 80%\n- 有消耗但转化为 0（且消耗 > 总消耗的 5%）\n\n### 明日建议\n基于检测结果自动生成 3-5 条具体建议，例如：\n- \"暂停 X/Y 计划（异常高 CPA）\"\n- \"加大 A 预算（效果优异）\"\n- \"整体 CPA 上涨，建议收紧出价\"\n- \"曝光增长但点击增长慢，检查创意质量\"\n\n## 使用示例\n\n```bash\n# 只有今日数据（默认输出到 data-auto-analyzer/ 目录）\npython3 scripts/daily_report.py --today today.xlsx\n\n# 有昨日对比（推荐）\npython3 scripts/daily_report.py --today today.xlsx --yesterday yesterday.xlsx\n\n# 指定日期\npython3 scripts/daily_report.py --today today.xlsx --yesterday yesterday.xlsx --date 2026-04-20\n\n# 自定义输出目录（可选）\npython3 scripts/daily_report.py --today today.xlsx --out-dir /your/custom/path\n```\n\nFile v4.0.1:references/diagnose_rules.md\n\n# 广告账户诊断规则\n\n## 列名智能识别\n\n脚本按以下优先级匹配常见列名（大小写不敏感，支持中英文混合）：\n\n| 指标 | 识别关键词 |\n|------|-----------|\n| 消耗/花费 | 消耗、花费、成本、费用、预算、cost、spend、spent |\n| 展示 | 展示、曝光、展现、impression、impressions、show |\n| 点击 | 点击、click、clicks、tap |\n| 转化 | 转化、注册、下单、成交、激活、conversion、conversions、convert |\n| CTR | ctr、点击率 |\n| CPC | cpc、点击单价 |\n| CPA / CPM | cpa、cpm、转化成本、千次展示成本 |\n| 计划/广告名 | 计划、广告、ad name、campaign、adgroup、creative |\n\n识别失败时：脚本会列出所有列供用户选择，由用户手动指定关键指标列。\n\n## 预警等级规则\n\n以下规则基于整个报表的整体均值做相对判断，适合批量诊断。\n\n### 🔴 红色预警（立即处理）\n\n任意一条命中即判红：\n1. **高消耗零转化**：消耗 ≥ 均值 × 2 且 转化数 = 0\n2. **CPA 严重超标**：CPA ≥ 均值 × 3（仅当有转化时）\n3. **CTR 异常低**：CTR ≤ 均值 × 0.3（展示 > 1000 时才判定，避免小样本噪音）\n4. **转化率极低**：转化率 ≤ 均值 × 0.2 且 消耗 ≥ 均值\n\n**处置建议**：立即暂停、排查创意/定向、或大幅降价测试\n\n### 🟡 黄色关注（需优化）\n\n任意一条命中即判黄（未判红的前提下）：\n1. **CPA 偏高**：CPA ≥ 均值 × 1.5\n2. **CTR 偏低**：CTR ≤ 均值 × 0.6\n3. **转化率偏低**：转化率 ≤ 均值 × 0.5\n4. **高消耗低转化**：消耗 ≥ 均值 × 1.5 且 转化数 ≤ 均值 × 0.5\n\n**处置建议**：优化创意、调整定向、适度降价观察 2-3 天\n\n### 🟢 绿色健康\n\n未命中以上任意规则 → 绿色。\n\n**处置建议**：保持或适度加价扩量（若 CPA 低于均值）\n\n## 处置建议生成逻辑\n\n根据具体命中规则给出针对性建议：\n\n| 命中规则 | 建议文本 |\n|---------|---------|\n| 高消耗零转化 | \"⚠️ 消耗高但无转化，建议立即暂停，检查落地页和定向人群\" |\n| CPA 严重超标 | \"❌ CPA 是均值的 N 倍，建议暂停或降价 50%\" |\n| CTR 异常低 | \"📉 CTR 仅为均值的 N%，创意吸引力不足，建议更换素材\" |\n| CPA 偏高 | \"⚡ CPA 偏高 N%，建议优化落地页、收窄定向\" |\n| CTR 偏低 | \"💡 CTR 偏低，建议 A/B 测试新素材\" |\n| 表现优异 | \"✅ CPA 低于均值 N%，建议适度加价扩量\" |\n\n## 输出报告结构\n\n生成的 HTML 报告包含：\n\n1. **诊断总览卡片**：红/黄/绿三色计划数量统计\n2. **核心指标卡片**：总消耗、总转化、平均 CPA、总 ROI\n3. **诊断详情表格**：每条计划的等级标签 + 处置建议（可按等级筛选）\n4. **TOP 问题计划**：红色预警计划列表（按消耗降序）\n5. **健康计划**：绿色计划列表（供加价参考）\n6. **ECharts 图表**：各计划 CPA 分布、消耗与转化散点图\n\nFile v4.0.1:skill-card.md\n\n## Description:\n\n数据自动分析 is a local spreadsheet analysis and advertising optimization skill for Excel or CSV reports, covering general analysis, account diagnosis, A/B test analysis, and daily report generation.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[ming0429](https://clawhub.ai/user/ming0429)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users, advertising optimizers, operations teams, and data analysts use this skill to analyze structured spreadsheet data, diagnose campaign performance, compare A/B test results, and generate daily advertising reports. It supports common ad-platform exports as well as general sales, finance, and operations tables.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Generated HTML reports may execute script derived from spreadsheet content.\n\nMitigation: Run the skill only on trusted spreadsheets, review generated reports before sharing, and fix HTML escaping before broader deployment.\n\nRisk: Generated HTML reports load ECharts from a third-party CDN.\n\nMitigation: Use a local bundled ECharts copy and pinned dependencies when handling sensitive business data or offline workflows.\n\nRisk: The security verdict is suspicious for this release.\n\nMitigation: Treat installation and report output as requiring review until the identified HTML escaping and script-loading issues are resolved.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/ming0429/skills/data-auto-analyzer)\n- [Metadata homepage](https://clawhub.ai/ming0429/data-auto-analyzer)\n- [A/B test guide](references/ab_test_guide.md)\n- [Daily report format](references/daily_report_format.md)\n- [Diagnosis rules](references/diagnose_rules.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Shell commands, Guidance, Files]\n\n**Output Format:** [Markdown guidance with bash commands; generated reports are HTML and plain text files]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Generated files default to the data-auto-analyzer/ directory and can be redirected with DATA_AUTO_ANALYZER_OUTDIR or output flags.]\n\n## Skill Version(s):\n\n4.0.1 (source: artifact frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v4.0.0: 11 files, 59376 bytes\n\nFiles: references/ab_test_guide.md (3293b), references/daily_report_format.md (3318b), references/diagnose_rules.md (3026b), scripts/_common.py (7942b), scripts/ab_test.py (28418b), scripts/analyze.py (63605b), scripts/daily_report.py (24169b), scripts/diagnose.py (25753b), skill-card.md (2447b), SKILL.md (8665b), _meta.json (137b)\n\nFile v4.0.0:SKILL.md\n\n---\nname: data-auto-analyzer\ndescription: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每日汇报、钉钉/飞书周报、对比昨日）。适用于信息流广告优化师、运营、数据分析师。支持巨量引擎、腾讯广告、Meta Ads、Google Ads、快手等平台导出数据，也支持销售、财务、运营等任何结构化表格。即使用户只说\"分析一下\"\"看看报表\"\"哪些计划要调整\"\"这俩哪个好\"\"生成日报\"，也应触发此 Skill。\nmetadata:\n  homepage: https://clawhub.ai/ming0429/data-auto-analyzer\n  version: 4.0.0\n  author: guojiaming\n  tags: [data-analysis, advertising, ab-test, daily-report, 数据分析, 广告优化, 账户诊断, AB测试, 日报生成]\n  clawdbot:\n    emoji: 📊\n    requires:\n      bins: [python3]\n      pip: [pandas, openpyxl, xlrd, jinja2, scipy]\n      env: []\n---\n\n# 数据自动分析 Skill\n\n一体化数据分析与广告优化工具集，包含 **4 个模式**，根据用户意图选择对应模式执行。\n\n## 环境准备（所有模式通用）\n\n```bash\n# 在 Skill 目录下创建虚拟环境（路径可移植，本地/云端/CI 均可）\npython3 -m venv .venv && source .venv/bin/activate\npip install pandas openpyxl xlrd jinja2 scipy -q\n```\n\n> Windows 用户激活命令为 `.venv\\Scripts\\activate`。若系统已装好依赖，可跳过 venv 直接用 `python3` 运行。\n\n## 输出目录（所有模式通用）\n\n所有生成的 HTML / TXT 文件**默认统一输出到当前工作目录下的 `data-auto-analyzer/` 文件夹**（脚本会自动创建）。\n\n- 想换目录：设置环境变量 `export DATA_AUTO_ANALYZER_OUTDIR=/your/path`，或给脚本的 `--out` / `--out-dir` 传一个带目录的完整路径（此时尊重用户指定）。\n- 下方各命令的 `--out` 只写文件名即可，文件会自动落到 `data-auto-analyzer/` 下。\n\n## 模式选择决策树\n\n```\n用户上传了 Excel/CSV？\n├── 是\n│   ├── 提到\"诊断/体检/哪些要暂停/计划效果差\" → 模式 B：账户诊断\n│   ├── 提到\"日报/汇报/对比昨日\" → 模式 D：日报生成\n│   ├── 提到\"A/B 测试/显著性/哪个版本好\" → 模式 C：A/B 测试\n│   └── 其他（看报表/分析数据/趋势） → 模式 A：通用分析\n└── 否\n    └── 用户直接描述两组数据（手工输入） → 模式 C：A/B 测试\n```\n\n**不确定时优先询问用户，不要猜。**\n\n---\n\n## 模式 A：通用数据分析\n\n**用途**：任意 Excel/CSV 都能用，自动识别列类型（日期/维度/指标/百分比），生成一份浅色主题、交互式的 HTML 报告。\n\n```bash\npython3 scripts/analyze.py --file <输入文件> --out data_report.html\n# → 生成到 data-auto-analyzer/data_report.html\n```\n\n**输出与交互能力**：\n\n- **左侧悬浮导航**：点击平滑滚动到对应模块，滚动自动高亮；所有模块支持折叠/展开（带动画）。\n- **概览 / 指标汇总 / 异常检测 / 优化建议**：指标汇总与异常默认展示前 4 项，可\"展开更多\"。\n- **明细表格**：\n  - 每页 10 条；置顶\"全部数据汇总\"行（原报表带汇总行则提取，否则自动计算：指标求和、百分比取均值），汇总行可勾选、有日期时可展开看每日合计。\n  - **二级树**：当数据含日期且同一维度跨多日时，自动按维度分组为父行，可展开查看按日期明细；仅父行可勾选。\n  - 数值列按真实数值排序（含整数列）；维度列模糊搜索 + \"更多筛选\"按指标列做多组 `> ≥ = ≤ <` 条件（\"且\"关系）。\n- **图表**（数据随表格勾选联动；未勾选时全量聚合）：\n  - **平滑折线图 / 柱形图**：双 Y 轴 + 左右轴多选指标（互斥）；X 轴可在「按日期 / 按维度」切换；按日期勾选多组时，每个维度组单独成线/柱。\n  - **占比饼图**：可选分组维度（单维或维度组合）与指标，不合并\"其他\"。\n  - **相关性热力图**：取方差最大的若干指标，基于全量数据。\n  - 所有下拉选择器均支持模糊搜索。\n\n> 完全本地处理；HTML 在浏览器打开时从 cdnjs 加载 ECharts（如需离线，可改为本地引入 echarts.min.js）。\n\n---\n\n## 模式 B：广告账户诊断器\n\n**用途**：分析广告投放报表，给每条计划打红/黄/绿预警，输出处置建议（暂停/降价/提价/观察）。\n\n```bash\npython3 scripts/diagnose.py --file <投放报表.xlsx> --out diagnose_report.html\n# → 生成到 data-auto-analyzer/diagnose_report.html\n```\n\n**诊断规则摘要**（完整说明见 `references/diagnose_rules.md`）：\n- 🔴 红色（立即处理）：消耗 > 均值 2 倍但转化为 0、CPA > 均值 3 倍、CTR < 均值 0.3 倍\n- 🟡 黄色（需优化）：CPA > 均值 1.5 倍、转化率 < 均值 0.5 倍\n- 🟢 绿色（健康）：指标正常或优于均值\n\n脚本自动识别常见列名（消耗/花费/cost、转化/conversion、点击/click、展示/impression 等），识别失败时提示用户手动指定。\n\n---\n\n## 模式 C：A/B 测试结果分析\n\n**用途**：判断两组数据差异是否显著，给出置信度和结论。\n\n两种场景：\n- **比例型**（CTR、转化率）→ Z 检验\n- **均值型**（CPC、CPA、ROI）→ T 检验\n\n**执行方式 1：手工输入数据**\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --out ab_result.html\n# → 生成到 data-auto-analyzer/ab_result.html\n```\n\n**执行方式 2：从文件**\n```bash\npython3 scripts/ab_test.py --file <数据.xlsx> \\\n  --group-col <分组列名> --metric-col <指标列名> \\\n  --metric-type <rate|mean> \\\n  --out ab_result.html\n```\n\n详细用法和场景示例见 `references/ab_test_guide.md`。\n\n---\n\n## 模式 D：每日投放日报生成器\n\n**用途**：上传投放报表，生成结构化日报。输出钉钉/飞书可直接粘贴的纯文本版 + HTML 精美版。\n\n```bash\n# 单日报表（默认输出到 data-auto-analyzer/ 目录）\npython3 scripts/daily_report.py --today <今日.xlsx>\n\n# 带昨日对比（推荐）\npython3 scripts/daily_report.py --today <今日.xlsx> --yesterday <昨日.xlsx>\n```\n\n**输出两个文件**：\n- `daily_report.txt` — 纯文本，直接复制到钉钉/飞书/微信\n- `daily_report.html` — 精美 HTML 版，适合邮件附件或存档\n\n**日报结构**：核心指标卡片 + 环比涨跌 + TOP 3 最好/最差计划 + 异常提醒 + 明日建议。\n\n详见 `references/daily_report_format.md`。\n\n---\n\n## Notes\n\n- 分析过程完全本地执行，不上传任何数据；生成的 HTML 报告在浏览器打开时会从 CDN (cdnjs.cloudflare.com) 加载 ECharts\n- 所有脚本必须保存为 `.py` 文件执行，不支持 `python3 -c` 内联\n- 列名完全动态识别，不预设字段名\n- 编码自动识别，兼容 UTF-8 / GBK / GB2312\n- 输出统一落到 `data-auto-analyzer/` 目录，可用 `DATA_AUTO_ANALYZER_OUTDIR` 覆盖\n\n## 更新日志\n\n### 4.0.0\n- 模式 A 报告全面升级为**浅色高级主题**，新增**左侧悬浮导航**（点击平滑滚动 + 滚动高亮），各模块支持折叠/展开动画。\n- 明细表格新增**二级树**（同维度多日期自动聚合为父行，可展开看每日明细，仅父行可勾选）、**置顶汇总行**（可勾选/可展开）、**指标多组筛选**与维度列模糊搜索；修复整数列排序按字典序的问题。\n- 图表重构为**平滑折线 / 柱形（双 Y 轴、左右轴多选互斥、按日期/维度切换、按勾选组单独成线）+ 可选维度占比饼图 + 全量相关性热力图**，全部图表随表格勾选联动；所有下拉选择器支持模糊搜索；修复缩放控件与图例/坐标轴重叠、热力图色带与 X 轴文本重叠等问题。\n- 指标汇总/异常默认展示前 4 项并可展开更多；百分比指标在汇总中按均值而非求和处理。\n- 修复指标筛选条件组过多时底部\"应用/重置\"按钮被遮挡的问题（条件区可滚动、按钮固定、下拉浮层改用 fixed 定位避免裁切）。\n\n### 3.0.1\n- 统一输出目录到 `data-auto-analyzer/`，路径可移植（本地/云端/CI）；移除对 `/home/claude`、`/mnt/user-data` 等沙箱专用路径的依赖。\n\nFile v4.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn75qh8ba8e3ekf513rveqqstx84tt20\",\n  \"slug\": \"data-auto-analyzer\",\n  \"version\": \"4.0.0\",\n  \"publishedAt\": 1780497777443\n}\n\nFile v4.0.0:references/ab_test_guide.md\n\n# A/B 测试分析使用指南\n\n## 两种测试场景\n\n### 1. 比例型指标（Rate）\n\n用于判断\"点击率、转化率、注册率\"等**分母明确**的指标。\n\n**统计方法**：两比例 Z 检验（Proportion Z-Test）\n\n**数据形式**：每组需要两个数字——成功数 + 总数\n- A 组：120 次点击 / 2400 次展示\n- B 组：150 次点击 / 2500 次展示\n\n**典型应用**：\n- 素材 A vs 素材 B 的 CTR\n- 落地页 A vs 落地页 B 的转化率\n- 文案 A vs 文案 B 的下载率\n\n### 2. 均值型指标（Mean）\n\n用于判断\"CPC、CPA、客单价、ROI\"等**连续数值**的指标。\n\n**统计方法**：独立样本 T 检验（Welch's T-Test，不假设方差齐性）\n\n**数据形式**：每组需要一列数值（多行样本）\n- A 组：[2.1, 2.5, 1.8, 2.3, 2.6, ...]\n- B 组：[1.9, 2.0, 1.7, 1.8, 1.9, ...]\n\n**典型应用**：\n- 出价策略 A vs B 的 CPA 分布\n- 定向方案 A vs B 的 ROI 分布\n\n## 使用方式\n\n### 方式 1：手工输入（比例型）\n\n适合已经算好聚合数据的情况：\n\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --a-name \"素材A\" --b-name \"素材B\" \\\n  --out ab_result.html\n```\n\n参数说明：\n- `--a-success`：A 组成功次数（如点击数）\n- `--a-total`：A 组总次数（如展示数）\n- `--b-success` / `--b-total`：B 组同理\n- `--a-name` / `--b-name`：可选，组别显示名称\n\n### 方式 2：从文件分析（均值型）\n\n适合每行一个样本的明细数据：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"实验组\" \\\n  --metric-col \"CPA\" \\\n  --metric-type mean \\\n  --out ab_result.html\n```\n\n参数说明：\n- `--group-col`：分组列名（值应为 A/B 两种）\n- `--metric-col`：要比较的指标列名\n- `--metric-type mean`：均值型检验\n\n### 方式 3：从文件分析（比例型）\n\n适合需要从明细聚合的情况：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"版本\" \\\n  --success-col \"点击数\" \\\n  --total-col \"展示数\" \\\n  --metric-type rate \\\n  --out ab_result.html\n```\n\n## 结论判定标准\n\n| p 值范围 | 显著性 | 结论 |\n|---------|-------|------|\n| p < 0.01 | 极显著 | \"差异极其显著，置信度 99%\" |\n| 0.01 ≤ p < 0.05 | 显著 | \"差异显著，置信度 95%，建议采用优胜版本\" |\n| 0.05 ≤ p < 0.1 | 边缘显著 | \"差异接近显著，建议扩大样本继续观察\" |\n| p ≥ 0.1 | 不显著 | \"两组无显著差异，不能证明哪个更好\" |\n\n## 输出报告内容\n\nHTML 报告包含：\n1. **两组数据对比卡片**：样本量、指标值、差异百分比\n2. **可视化对比**：柱状图 + 置信区间\n3. **统计结果**：p 值、置信区间、检验量（Z 或 T）\n4. **业务结论**：一句话告诉用户该不该切换版本\n5. **样本量建议**：若结论不显著，给出达到 95% 置信度所需的样本量\n\n## 常见坑\n\n1. **样本量过小**：比例型检验建议两组总数各 ≥ 300，否则结论可信度低\n2. **多版本比较**：脚本当前仅支持两组对比，如果有 A/B/C/D 多版本，建议两两比较\n3. **指标归因**：比如 CPA 里既有出价因素也有创意因素，差异显著不等于某个因素的功劳\n\nFile v4.0.0:references/daily_report_format.md\n\n# 日报生成格式说明\n\n## 输出文件\n\n脚本会在 `--out-dir` 指定目录输出两个文件：\n\n### 1. daily_report.txt （纯文本版）\n\n专为**钉钉/飞书/企业微信**设计，直接复制粘贴即可。使用简洁的符号而非 emoji 表情（部分群组会禁用 emoji）。\n\n```\n━━━━━━━━━━━━━━━━━━━━━━━\n📊 投放日报 · 2026-04-20\n━━━━━━━━━━━━━━━━━━━━━━━\n\n【核心指标】\n• 消耗：12,580 元  ↑ 8.3%\n• 曝光：2,450,000  ↑ 12.1%\n• 点击：48,600  ↑ 5.2%\n• 转化：312  ↓ 2.8%\n• CPA：40.3 元  ↑ 11.4%  ⚠️\n• ROI：2.45  ↓ 6.1%\n\n【TOP 3 最佳计划】\n1. 计划A：消耗 2,300，转化 85，CPA 27.1\n2. 计划B：消耗 1,800，转化 62，CPA 29.0\n3. 计划C：消耗 1,500，转化 48，CPA 31.3\n\n【TOP 3 待优化计划】\n1. 计划X：消耗 1,200，转化 5，CPA 240\n2. 计划Y：消耗 980，转化 4，CPA 245\n3. 计划Z：消耗 850，转化 3，CPA 283\n\n【异常提醒】\n⚠️ 计划X CPA 激增 120%，建议立即暂停\n⚠️ 计划Y 转化归零超过 4 小时\n\n【明日建议】\n• 暂停计划 X/Y，替换新素材\n• 加大计划 A 预算（效果优异）\n• 关注整体 CPA 上涨趋势\n```\n\n### 2. daily_report.html （精美版）\n\n带 ECharts 图表的 HTML 版，适合邮件附件、存档、给上级看。包含：\n- 顶部指标卡片（与文本版同步，带涨跌箭头）\n- 消耗 vs 转化趋势对比图（若有昨日数据）\n- TOP 计划表格（带背景色标识好坏）\n- 异常列表\n- 明日建议\n\n## 核心逻辑\n\n### 指标计算\n从报表中自动识别并汇总核心指标：\n- 总消耗、总曝光、总点击、总转化\n- 平均 CPA = 总消耗 / 总转化\n- 平均 CTR = 总点击 / 总曝光\n- 平均转化率 = 总转化 / 总点击\n- ROI（若有收入/GMV 列）\n\n### 环比计算\n若提供了 `--yesterday` 参数：\n- 每个指标计算环比变化百分比\n- 加箭头符号：↑ 正增长、↓ 下降、→ 持平\n- CPA 上涨标 ⚠️（对投放是坏事）\n- CPA 下降标 ✅（对投放是好事）\n\n### TOP 计划判定\n- **最佳**：按 CPA 升序排序，取前 3（仅取转化 ≥ 1 的计划）\n- **最差**：按 CPA 降序排序，取前 3（仅取消耗 ≥ 100 的计划，避免小消耗计划误报）\n\n### 异常检测\n满足以下任一条件即列入异常：\n- 单日消耗涨幅 > 100% 但转化涨幅 < 10%\n- 转化数从非零变为零\n- CPA 涨幅 > 80%\n- 有消耗但转化为 0（且消耗 > 总消耗的 5%）\n\n### 明日建议\n基于检测结果自动生成 3-5 条具体建议，例如：\n- \"暂停 X/Y 计划（异常高 CPA）\"\n- \"加大 A 预算（效果优异）\"\n- \"整体 CPA 上涨，建议收紧出价\"\n- \"曝光增长但点击增长慢，检查创意质量\"\n\n## 使用示例\n\n```bash\n# 只有今日数据（默认输出到 data-auto-analyzer/ 目录）\npython3 scripts/daily_report.py --today today.xlsx\n\n# 有昨日对比（推荐）\npython3 scripts/daily_report.py --today today.xlsx --yesterday yesterday.xlsx\n\n# 指定日期\npython3 scripts/daily_report.py --today today.xlsx --yesterday yesterday.xlsx --date 2026-04-20\n\n# 自定义输出目录（可选）\npython3 scripts/daily_report.py --today today.xlsx --out-dir /your/custom/path\n```\n\nFile v4.0.0:references/diagnose_rules.md\n\n# 广告账户诊断规则\n\n## 列名智能识别\n\n脚本按以下优先级匹配常见列名（大小写不敏感，支持中英文混合）：\n\n| 指标 | 识别关键词 |\n|------|-----------|\n| 消耗/花费 | 消耗、花费、成本、费用、预算、cost、spend、spent |\n| 展示 | 展示、曝光、展现、impression、impressions、show |\n| 点击 | 点击、click、clicks、tap |\n| 转化 | 转化、注册、下单、成交、激活、conversion、conversions、convert |\n| CTR | ctr、点击率 |\n| CPC | cpc、点击单价 |\n| CPA / CPM | cpa、cpm、转化成本、千次展示成本 |\n| 计划/广告名 | 计划、广告、ad name、campaign、adgroup、creative |\n\n识别失败时：脚本会列出所有列供用户选择，由用户手动指定关键指标列。\n\n## 预警等级规则\n\n以下规则基于整个报表的整体均值做相对判断，适合批量诊断。\n\n### 🔴 红色预警（立即处理）\n\n任意一条命中即判红：\n1. **高消耗零转化**：消耗 ≥ 均值 × 2 且 转化数 = 0\n2. **CPA 严重超标**：CPA ≥ 均值 × 3（仅当有转化时）\n3. **CTR 异常低**：CTR ≤ 均值 × 0.3（展示 > 1000 时才判定，避免小样本噪音）\n4. **转化率极低**：转化率 ≤ 均值 × 0.2 且 消耗 ≥ 均值\n\n**处置建议**：立即暂停、排查创意/定向、或大幅降价测试\n\n### 🟡 黄色关注（需优化）\n\n任意一条命中即判黄（未判红的前提下）：\n1. **CPA 偏高**：CPA ≥ 均值 × 1.5\n2. **CTR 偏低**：CTR ≤ 均值 × 0.6\n3. **转化率偏低**：转化率 ≤ 均值 × 0.5\n4. **高消耗低转化**：消耗 ≥ 均值 × 1.5 且 转化数 ≤ 均值 × 0.5\n\n**处置建议**：优化创意、调整定向、适度降价观察 2-3 天\n\n### 🟢 绿色健康\n\n未命中以上任意规则 → 绿色。\n\n**处置建议**：保持或适度加价扩量（若 CPA 低于均值）\n\n## 处置建议生成逻辑\n\n根据具体命中规则给出针对性建议：\n\n| 命中规则 | 建议文本 |\n|---------|---------|\n| 高消耗零转化 | \"⚠️ 消耗高但无转化，建议立即暂停，检查落地页和定向人群\" |\n| CPA 严重超标 | \"❌ CPA 是均值的 N 倍，建议暂停或降价 50%\" |\n| CTR 异常低 | \"📉 CTR 仅为均值的 N%，创意吸引力不足，建议更换素材\" |\n| CPA 偏高 | \"⚡ CPA 偏高 N%，建议优化落地页、收窄定向\" |\n| CTR 偏低 | \"💡 CTR 偏低，建议 A/B 测试新素材\" |\n| 表现优异 | \"✅ CPA 低于均值 N%，建议适度加价扩量\" |\n\n## 输出报告结构\n\n生成的 HTML 报告包含：\n\n1. **诊断总览卡片**：红/黄/绿三色计划数量统计\n2. **核心指标卡片**：总消耗、总转化、平均 CPA、总 ROI\n3. **诊断详情表格**：每条计划的等级标签 + 处置建议（可按等级筛选）\n4. **TOP 问题计划**：红色预警计划列表（按消耗降序）\n5. **健康计划**：绿色计划列表（供加价参考）\n6. **ECharts 图表**：各计划 CPA 分布、消耗与转化散点图\n\nFile v4.0.0:skill-card.md\n\n## Description: <br>\nAnalyzes Excel and CSV datasets for general reporting, advertising account diagnosis, A/B test interpretation, and daily performance report generation. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[ming0429](https://clawhub.ai/user/ming0429) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nExternal users, analysts, operators, and advertising optimization teams use this skill to process local spreadsheet data into interactive analysis reports, campaign diagnostics, A/B test conclusions, and daily status summaries. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Spreadsheet inputs may contain business-sensitive data. <br>\nMitigation: Run the skill deliberately on intended local files and apply the same data-handling controls used for the source spreadsheets. <br>\nRisk: Generated HTML reports load ECharts from cdnjs when opened in a browser. <br>\nMitigation: Use an offline or locally hosted chart library before opening reports in environments where external browser requests are not acceptable. <br>\nRisk: The skill can write generated reports to user-selected output paths. <br>\nMitigation: Prefer the default data-auto-analyzer/ output directory unless an alternate destination is intentionally required. <br>\n\n\n## Reference(s): <br>\n- [ClawHub Skill Page](https://clawhub.ai/ming0429/data-auto-analyzer) <br>\n- [A/B 测试分析使用指南](references/ab_test_guide.md) <br>\n- [广告账户诊断规则](references/diagnose_rules.md) <br>\n- [日报生成格式说明](references/daily_report_format.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, code, shell commands, configuration, guidance, HTML reports] <br>\n**Output Format:** [Markdown guidance with shell commands; generated TXT and HTML report files] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Generated reports are written locally, usually under data-auto-analyzer/, unless the user supplies an alternate output path.] <br>\n\n## Skill Version(s): <br>\n4.0.0 (source: server release evidence and skill metadata) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v3.0.1: 11 files, 49165 bytes\n\nFiles: references/ab_test_guide.md (3362b), references/daily_report_format.md (3292b), references/diagnose_rules.md (3026b), scripts/_common.py (6359b), scripts/ab_test.py (28378b), scripts/analyze.py (39130b), scripts/daily_report.py (23865b), scripts/diagnose.py (25649b), skill-card.md (2626b), SKILL.md (5136b), _meta.json (137b)\n\nFile v3.0.1:SKILL.md\n\n---\nname: data-auto-analyzer\ndescription: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每日汇报、钉钉/飞书周报、对比昨日）。适用于信息流广告优化师、运营、数据分析师。支持巨量引擎、腾讯广告、Meta Ads、Google Ads、快手等平台导出数据，也支持销售、财务、运营等任何结构化表格。即使用户只说\"分析一下\"\"看看报表\"\"哪些计划要调整\"\"这俩哪个好\"\"生成日报\"，也应触发此 Skill。\nmetadata:\n  homepage: https://clawhub.ai/ming0429/data-auto-analyzer\n  version: 3.0.1\n  author: guojiaming\n  tags: [data-analysis, advertising, ab-test, daily-report, 数据分析, 广告优化, 账户诊断, AB测试, 日报生成]\n  clawdbot:\n    emoji: 📊\n    requires:\n      bins: [python3]\n      pip: [pandas, openpyxl, xlrd, jinja2, scipy]\n      env: []\n---\n\n# 数据自动分析 Skill\n\n一体化数据分析与广告优化工具集，包含 **4 个模式**，根据用户意图选择对应模式执行。\n\n## 环境准备（所有模式通用）\n\n```bash\npython3 -m venv /home/claude/.venv && source /home/claude/.venv/bin/activate\npip install pandas openpyxl xlrd jinja2 scipy -q\n```\n\n## 模式选择决策树\n\n```\n用户上传了 Excel/CSV？\n├── 是\n│   ├── 提到\"诊断/体检/哪些要暂停/计划效果差\" → 模式 B：账户诊断\n│   ├── 提到\"日报/汇报/对比昨日\" → 模式 D：日报生成\n│   ├── 提到\"A/B 测试/显著性/哪个版本好\" → 模式 C：A/B 测试\n│   └── 其他（看报表/分析数据/趋势） → 模式 A：通用分析\n└── 否\n    └── 用户直接描述两组数据（手工输入） → 模式 C：A/B 测试\n```\n\n**不确定时优先询问用户，不要猜。**\n\n---\n\n## 模式 A：通用数据分析\n\n**用途**：任意 Excel/CSV 都能用，自动识别列类型，生成交互式 HTML 报告。\n\n```bash\npython3 scripts/analyze.py --file <输入文件> --out /mnt/user-data/outputs/data_report.html\n```\n\n**输出**：包含数据概览、指标汇总、异常检测、可分页表格、5 个 ECharts 图表的 HTML。\n\n---\n\n## 模式 B：广告账户诊断器\n\n**用途**：分析广告投放报表，给每条计划打红/黄/绿预警，输出处置建议（暂停/降价/提价/观察）。\n\n```bash\npython3 scripts/diagnose.py --file <投放报表.xlsx> --out /mnt/user-data/outputs/diagnose_report.html\n```\n\n**诊断规则摘要**（完整说明见 `references/diagnose_rules.md`）：\n- 🔴 红色（立即处理）：消耗 > 均值 2 倍但转化为 0、CPA > 均值 3 倍、CTR < 均值 0.3 倍\n- 🟡 黄色（需优化）：CPA > 均值 1.5 倍、转化率 < 均值 0.5 倍\n- 🟢 绿色（健康）：指标正常或优于均值\n\n脚本自动识别常见列名（消耗/花费/cost、转化/conversion、点击/click、展示/impression 等），识别失败时提示用户手动指定。\n\n---\n\n## 模式 C：A/B 测试结果分析\n\n**用途**：判断两组数据差异是否显著，给出置信度和结论。\n\n两种场景：\n- **比例型**（CTR、转化率）→ Z 检验\n- **均值型**（CPC、CPA、ROI）→ T 检验\n\n**执行方式 1：手工输入数据**\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n**执行方式 2：从文件**\n```bash\npython3 scripts/ab_test.py --file <数据.xlsx> \\\n  --group-col <分组列名> --metric-col <指标列名> \\\n  --metric-type <rate|mean> \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n详细用法和场景示例见 `references/ab_test_guide.md`。\n\n---\n\n## 模式 D：每日投放日报生成器\n\n**用途**：上传投放报表，生成结构化日报。输出钉钉/飞书可直接粘贴的纯文本版 + HTML 精美版。\n\n```bash\n# 单日报表\npython3 scripts/daily_report.py --today <今日.xlsx> --out-dir /mnt/user-data/outputs/\n\n# 带昨日对比（推荐）\npython3 scripts/daily_report.py --today <今日.xlsx> --yesterday <昨日.xlsx> --out-dir /mnt/user-data/outputs/\n```\n\n**输出两个文件**：\n- `daily_report.txt` — 纯文本，直接复制到钉钉/飞书/微信\n- `daily_report.html` — 精美 HTML 版，适合邮件附件或存档\n\n**日报结构**：核心指标卡片 + 环比涨跌 + TOP 3 最好/最差计划 + 异常提醒 + 明日建议。\n\n详见 `references/daily_report_format.md`。\n\n---\n\n## Notes\n\n- 分析过程完全本地执行，不上传任何数据；生成的 HTML 报告在浏览器打开时会从 CDN (cdnjs.cloudflare.com) 加载 ECharts\n- 所有脚本必须保存为 `.py` 文件执行，不支持 `python3 -c` 内联\n- 列名完全动态识别，不预设字段名\n- 编码自动识别，兼容 UTF-8 / GBK / GB2312\n\nFile v3.0.1:_meta.json\n\n{\n  \"ownerId\": \"kn75qh8ba8e3ekf513rveqqstx84tt20\",\n  \"slug\": \"data-auto-analyzer\",\n  \"version\": \"3.0.1\",\n  \"publishedAt\": 1777019752535\n}\n\nFile v3.0.1:references/ab_test_guide.md\n\n# A/B 测试分析使用指南\n\n## 两种测试场景\n\n### 1. 比例型指标（Rate）\n\n用于判断\"点击率、转化率、注册率\"等**分母明确**的指标。\n\n**统计方法**：两比例 Z 检验（Proportion Z-Test）\n\n**数据形式**：每组需要两个数字——成功数 + 总数\n- A 组：120 次点击 / 2400 次展示\n- B 组：150 次点击 / 2500 次展示\n\n**典型应用**：\n- 素材 A vs 素材 B 的 CTR\n- 落地页 A vs 落地页 B 的转化率\n- 文案 A vs 文案 B 的下载率\n\n### 2. 均值型指标（Mean）\n\n用于判断\"CPC、CPA、客单价、ROI\"等**连续数值**的指标。\n\n**统计方法**：独立样本 T 检验（Welch's T-Test，不假设方差齐性）\n\n**数据形式**：每组需要一列数值（多行样本）\n- A 组：[2.1, 2.5, 1.8, 2.3, 2.6, ...]\n- B 组：[1.9, 2.0, 1.7, 1.8, 1.9, ...]\n\n**典型应用**：\n- 出价策略 A vs B 的 CPA 分布\n- 定向方案 A vs B 的 ROI 分布\n\n## 使用方式\n\n### 方式 1：手工输入（比例型）\n\n适合已经算好聚合数据的情况：\n\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --a-name \"素材A\" --b-name \"素材B\" \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n参数说明：\n- `--a-success`：A 组成功次数（如点击数）\n- `--a-total`：A 组总次数（如展示数）\n- `--b-success` / `--b-total`：B 组同理\n- `--a-name` / `--b-name`：可选，组别显示名称\n\n### 方式 2：从文件分析（均值型）\n\n适合每行一个样本的明细数据：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"实验组\" \\\n  --metric-col \"CPA\" \\\n  --metric-type mean \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n参数说明：\n- `--group-col`：分组列名（值应为 A/B 两种）\n- `--metric-col`：要比较的指标列名\n- `--metric-type mean`：均值型检验\n\n### 方式 3：从文件分析（比例型）\n\n适合需要从明细聚合的情况：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"版本\" \\\n  --success-col \"点击数\" \\\n  --total-col \"展示数\" \\\n  --metric-type rate \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n## 结论判定标准\n\n| p 值范围 | 显著性 | 结论 |\n|---------|-------|------|\n| p < 0.01 | 极显著 | \"差异极其显著，置信度 99%\" |\n| 0.01 ≤ p < 0.05 | 显著 | \"差异显著，置信度 95%，建议采用优胜版本\" |\n| 0.05 ≤ p < 0.1 | 边缘显著 | \"差异接近显著，建议扩大样本继续观察\" |\n| p ≥ 0.1 | 不显著 | \"两组无显著差异，不能证明哪个更好\" |\n\n## 输出报告内容\n\nHTML 报告包含：\n1. **两组数据对比卡片**：样本量、指标值、差异百分比\n2. **可视化对比**：柱状图 + 置信区间\n3. **统计结果**：p 值、置信区间、检验量（Z 或 T）\n4. **业务结论**：一句话告诉用户该不该切换版本\n5. **样本量建议**：若结论不显著，给出达到 95% 置信度所需的样本量\n\n## 常见坑\n\n1. **样本量过小**：比例型检验建议两组总数各 ≥ 300，否则结论可信度低\n2. **多版本比较**：脚本当前仅支持两组对比，如果有 A/B/C/D 多版本，建议两两比较\n3. **指标归因**：比如 CPA 里既有出价因素也有创意因素，差异显著不等于某个因素的功劳\n\nFile v3.0.1:references/daily_report_format.md\n\n# 日报生成格式说明\n\n## 输出文件\n\n脚本会在 `--out-dir` 指定目录输出两个文件：\n\n### 1. daily_report.txt （纯文本版）\n\n专为**钉钉/飞书/企业微信**设计，直接复制粘贴即可。使用简洁的符号而非 emoji 表情（部分群组会禁用 emoji）。\n\n```\n━━━━━━━━━━━━━━━━━━━━━━━\n📊 投放日报 · 2026-04-20\n━━━━━━━━━━━━━━━━━━━━━━━\n\n【核心指标】\n• 消耗：12,580 元  ↑ 8.3%\n• 曝光：2,450,000  ↑ 12.1%\n• 点击：48,600  ↑ 5.2%\n• 转化：312  ↓ 2.8%\n• CPA：40.3 元  ↑ 11.4%  ⚠️\n• ROI：2.45  ↓ 6.1%\n\n【TOP 3 最佳计划】\n1. 计划A：消耗 2,300，转化 85，CPA 27.1\n2. 计划B：消耗 1,800，转化 62，CPA 29.0\n3. 计划C：消耗 1,500，转化 48，CPA 31.3\n\n【TOP 3 待优化计划】\n1. 计划X：消耗 1,200，转化 5，CPA 240\n2. 计划Y：消耗 980，转化 4，CPA 245\n3. 计划Z：消耗 850，转化 3，CPA 283\n\n【异常提醒】\n⚠️ 计划X CPA 激增 120%，建议立即暂停\n⚠️ 计划Y 转化归零超过 4 小时\n\n【明日建议】\n• 暂停计划 X/Y，替换新素材\n• 加大计划 A 预算（效果优异）\n• 关注整体 CPA 上涨趋势\n```\n\n### 2. daily_report.html （精美版）\n\n带 ECharts 图表的 HTML 版，适合邮件附件、存档、给上级看。包含：\n- 顶部指标卡片（与文本版同步，带涨跌箭头）\n- 消耗 vs 转化趋势对比图（若有昨日数据）\n- TOP 计划表格（带背景色标识好坏）\n- 异常列表\n- 明日建议\n\n## 核心逻辑\n\n### 指标计算\n从报表中自动识别并汇总核心指标：\n- 总消耗、总曝光、总点击、总转化\n- 平均 CPA = 总消耗 / 总转化\n- 平均 CTR = 总点击 / 总曝光\n- 平均转化率 = 总转化 / 总点击\n- ROI（若有收入/GMV 列）\n\n### 环比计算\n若提供了 `--yesterday` 参数：\n- 每个指标计算环比变化百分比\n- 加箭头符号：↑ 正增长、↓ 下降、→ 持平\n- CPA 上涨标 ⚠️（对投放是坏事）\n- CPA 下降标 ✅（对投放是好事）\n\n### TOP 计划判定\n- **最佳**：按 CPA 升序排序，取前 3（仅取转化 ≥ 1 的计划）\n- **最差**：按 CPA 降序排序，取前 3（仅取消耗 ≥ 100 的计划，避免小消耗计划误报）\n\n### 异常检测\n满足以下任一条件即列入异常：\n- 单日消耗涨幅 > 100% 但转化涨幅 < 10%\n- 转化数从非零变为零\n- CPA 涨幅 > 80%\n- 有消耗但转化为 0（且消耗 > 总消耗的 5%）\n\n### 明日建议\n基于检测结果自动生成 3-5 条具体建议，例如：\n- \"暂停 X/Y 计划（异常高 CPA）\"\n- \"加大 A 预算（效果优异）\"\n- \"整体 CPA 上涨，建议收紧出价\"\n- \"曝光增长但点击增长慢，检查创意质量\"\n\n## 使用示例\n\n```bash\n# 只有今日数据\npython3 scripts/daily_report.py \\\n  --today today.xlsx \\\n  --out-dir /mnt/user-data/outputs/\n\n# 有昨日对比（推荐）\npython3 scripts/daily_report.py \\\n  --today today.xlsx \\\n  --yesterday yesterday.xlsx \\\n  --out-dir /mnt/user-data/outputs/\n\n# 指定日期\npython3 scripts/daily_report.py \\\n  --today today.xlsx \\\n  --yesterday yesterday.xlsx \\\n  --date 2026-04-20 \\\n  --out-dir /mnt/user-data/outputs/\n```\n\nFile v3.0.1:references/diagnose_rules.md\n\n# 广告账户诊断规则\n\n## 列名智能识别\n\n脚本按以下优先级匹配常见列名（大小写不敏感，支持中英文混合）：\n\n| 指标 | 识别关键词 |\n|------|-----------|\n| 消耗/花费 | 消耗、花费、成本、费用、预算、cost、spend、spent |\n| 展示 | 展示、曝光、展现、impression、impressions、show |\n| 点击 | 点击、click、clicks、tap |\n| 转化 | 转化、注册、下单、成交、激活、conversion、conversions、convert |\n| CTR | ctr、点击率 |\n| CPC | cpc、点击单价 |\n| CPA / CPM | cpa、cpm、转化成本、千次展示成本 |\n| 计划/广告名 | 计划、广告、ad name、campaign、adgroup、creative |\n\n识别失败时：脚本会列出所有列供用户选择，由用户手动指定关键指标列。\n\n## 预警等级规则\n\n以下规则基于整个报表的整体均值做相对判断，适合批量诊断。\n\n### 🔴 红色预警（立即处理）\n\n任意一条命中即判红：\n1. **高消耗零转化**：消耗 ≥ 均值 × 2 且 转化数 = 0\n2. **CPA 严重超标**：CPA ≥ 均值 × 3（仅当有转化时）\n3. **CTR 异常低**：CTR ≤ 均值 × 0.3（展示 > 1000 时才判定，避免小样本噪音）\n4. **转化率极低**：转化率 ≤ 均值 × 0.2 且 消耗 ≥ 均值\n\n**处置建议**：立即暂停、排查创意/定向、或大幅降价测试\n\n### 🟡 黄色关注（需优化）\n\n任意一条命中即判黄（未判红的前提下）：\n1. **CPA 偏高**：CPA ≥ 均值 × 1.5\n2. **CTR 偏低**：CTR ≤ 均值 × 0.6\n3. **转化率偏低**：转化率 ≤ 均值 × 0.5\n4. **高消耗低转化**：消耗 ≥ 均值 × 1.5 且 转化数 ≤ 均值 × 0.5\n\n**处置建议**：优化创意、调整定向、适度降价观察 2-3 天\n\n### 🟢 绿色健康\n\n未命中以上任意规则 → 绿色。\n\n**处置建议**：保持或适度加价扩量（若 CPA 低于均值）\n\n## 处置建议生成逻辑\n\n根据具体命中规则给出针对性建议：\n\n| 命中规则 | 建议文本 |\n|---------|---------|\n| 高消耗零转化 | \"⚠️ 消耗高但无转化，建议立即暂停，检查落地页和定向人群\" |\n| CPA 严重超标 | \"❌ CPA 是均值的 N 倍，建议暂停或降价 50%\" |\n| CTR 异常低 | \"📉 CTR 仅为均值的 N%，创意吸引力不足，建议更换素材\" |\n| CPA 偏高 | \"⚡ CPA 偏高 N%，建议优化落地页、收窄定向\" |\n| CTR 偏低 | \"💡 CTR 偏低，建议 A/B 测试新素材\" |\n| 表现优异 | \"✅ CPA 低于均值 N%，建议适度加价扩量\" |\n\n## 输出报告结构\n\n生成的 HTML 报告包含：\n\n1. **诊断总览卡片**：红/黄/绿三色计划数量统计\n2. **核心指标卡片**：总消耗、总转化、平均 CPA、总 ROI\n3. **诊断详情表格**：每条计划的等级标签 + 处置建议（可按等级筛选）\n4. **TOP 问题计划**：红色预警计划列表（按消耗降序）\n5. **健康计划**：绿色计划列表（供加价参考）\n6. **ECharts 图表**：各计划 CPA 分布、消耗与转化散点图\n\nFile v3.0.1:skill-card.md\n\n## Description: <br>\n数据自动分析 analyzes Excel/CSV datasets and advertising exports to generate general data reports, account diagnostics, A/B test conclusions, and daily performance reports. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[ming0429](https://clawhub.ai/user/ming0429) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nAdvertising optimizers, operations teams, and data analysts use this skill to inspect structured spreadsheets, diagnose campaign performance, evaluate two-variant tests, and create shareable daily reports. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The skill processes uploaded spreadsheets and generated HTML reports may contain source business, finance, or advertising data. <br>\nMitigation: Use a controlled local environment for confidential data and review generated HTML or text before sharing outside the intended audience. <br>\nRisk: Generated HTML reports contact cdnjs to load ECharts unless network access is blocked or the chart library is vendored locally. <br>\nMitigation: Block outbound network access for sensitive workflows or vendor the chart dependency locally before opening or distributing reports. <br>\nRisk: This is third-party Python code that reads local spreadsheet files and writes report files. <br>\nMitigation: Review and scan the release before installation, and run it with least-privilege filesystem access appropriate to the data being analyzed. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/ming0429/data-auto-analyzer) <br>\n- [A/B test guide](references/ab_test_guide.md) <br>\n- [Daily report format](references/daily_report_format.md) <br>\n- [Diagnosis rules](references/diagnose_rules.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, shell commands, guidance, files] <br>\n**Output Format:** [Markdown guidance with bash commands that produce HTML and text report files] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Generated reports may include source spreadsheet rows; HTML reports load ECharts from cdnjs unless network access is blocked or the library is vendored locally.] <br>\n\n## Skill Version(s): <br>\n3.0.1 (source: server release metadata and skill frontmatter) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v3.0.0: 10 files, 45708 bytes\n\nFiles: references/ab_test_guide.md (3362b), references/daily_report_format.md (3292b), references/diagnose_rules.md (3026b), scripts/_common.py (5281b), scripts/ab_test.py (28378b), scripts/analyze.py (34998b), scripts/daily_report.py (23865b), scripts/diagnose.py (25649b), SKILL.md (5136b), _meta.json (137b)\n\nFile v3.0.0:SKILL.md\n\n---\nname: data-auto-analyzer\ndescription: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每日汇报、钉钉/飞书周报、对比昨日）。适用于信息流广告优化师、运营、数据分析师。支持巨量引擎、腾讯广告、Meta Ads、Google Ads、快手等平台导出数据，也支持销售、财务、运营等任何结构化表格。即使用户只说\"分析一下\"\"看看报表\"\"哪些计划要调整\"\"这俩哪个好\"\"生成日报\"，也应触发此 Skill。\nmetadata:\n  homepage: https://clawhub.ai/ming0429/data-auto-analyzer\n  version: 3.0.0\n  author: guojiaming\n  tags: [data-analysis, advertising, ab-test, daily-report, 数据分析, 广告优化, 账户诊断, AB测试, 日报生成]\n  clawdbot:\n    emoji: 📊\n    requires:\n      bins: [python3]\n      pip: [pandas, openpyxl, xlrd, jinja2, scipy]\n      env: []\n---\n\n# 数据自动分析 Skill\n\n一体化数据分析与广告优化工具集，包含 **4 个模式**，根据用户意图选择对应模式执行。\n\n## 环境准备（所有模式通用）\n\n```bash\npython3 -m venv /home/claude/.venv && source /home/claude/.venv/bin/activate\npip install pandas openpyxl xlrd jinja2 scipy -q\n```\n\n## 模式选择决策树\n\n```\n用户上传了 Excel/CSV？\n├── 是\n│   ├── 提到\"诊断/体检/哪些要暂停/计划效果差\" → 模式 B：账户诊断\n│   ├── 提到\"日报/汇报/对比昨日\" → 模式 D：日报生成\n│   ├── 提到\"A/B 测试/显著性/哪个版本好\" → 模式 C：A/B 测试\n│   └── 其他（看报表/分析数据/趋势） → 模式 A：通用分析\n└── 否\n    └── 用户直接描述两组数据（手工输入） → 模式 C：A/B 测试\n```\n\n**不确定时优先询问用户，不要猜。**\n\n---\n\n## 模式 A：通用数据分析\n\n**用途**：任意 Excel/CSV 都能用，自动识别列类型，生成交互式 HTML 报告。\n\n```bash\npython3 scripts/analyze.py --file <输入文件> --out /mnt/user-data/outputs/data_report.html\n```\n\n**输出**：包含数据概览、指标汇总、异常检测、可分页表格、5 个 ECharts 图表的 HTML。\n\n---\n\n## 模式 B：广告账户诊断器\n\n**用途**：分析广告投放报表，给每条计划打红/黄/绿预警，输出处置建议（暂停/降价/提价/观察）。\n\n```bash\npython3 scripts/diagnose.py --file <投放报表.xlsx> --out /mnt/user-data/outputs/diagnose_report.html\n```\n\n**诊断规则摘要**（完整说明见 `references/diagnose_rules.md`）：\n- 🔴 红色（立即处理）：消耗 > 均值 2 倍但转化为 0、CPA > 均值 3 倍、CTR < 均值 0.3 倍\n- 🟡 黄色（需优化）：CPA > 均值 1.5 倍、转化率 < 均值 0.5 倍\n- 🟢 绿色（健康）：指标正常或优于均值\n\n脚本自动识别常见列名（消耗/花费/cost、转化/conversion、点击/click、展示/impression 等），识别失败时提示用户手动指定。\n\n---\n\n## 模式 C：A/B 测试结果分析\n\n**用途**：判断两组数据差异是否显著，给出置信度和结论。\n\n两种场景：\n- **比例型**（CTR、转化率）→ Z 检验\n- **均值型**（CPC、CPA、ROI）→ T 检验\n\n**执行方式 1：手工输入数据**\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n**执行方式 2：从文件**\n```bash\npython3 scripts/ab_test.py --file <数据.xlsx> \\\n  --group-col <分组列名> --metric-col <指标列名> \\\n  --metric-type <rate|mean> \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n详细用法和场景示例见 `references/ab_test_guide.md`。\n\n---\n\n## 模式 D：每日投放日报生成器\n\n**用途**：上传投放报表，生成结构化日报。输出钉钉/飞书可直接粘贴的纯文本版 + HTML 精美版。\n\n```bash\n# 单日报表\npython3 scripts/daily_report.py --today <今日.xlsx> --out-dir /mnt/user-data/outputs/\n\n# 带昨日对比（推荐）\npython3 scripts/daily_report.py --today <今日.xlsx> --yesterday <昨日.xlsx> --out-dir /mnt/user-data/outputs/\n```\n\n**输出两个文件**：\n- `daily_report.txt` — 纯文本，直接复制到钉钉/飞书/微信\n- `daily_report.html` — 精美 HTML 版，适合邮件附件或存档\n\n**日报结构**：核心指标卡片 + 环比涨跌 + TOP 3 最好/最差计划 + 异常提醒 + 明日建议。\n\n详见 `references/daily_report_format.md`。\n\n---\n\n## Notes\n\n- 分析过程完全本地执行，不上传任何数据；生成的 HTML 报告在浏览器打开时会从 CDN (cdnjs.cloudflare.com) 加载 ECharts\n- 所有脚本必须保存为 `.py` 文件执行，不支持 `python3 -c` 内联\n- 列名完全动态识别，不预设字段名\n- 编码自动识别，兼容 UTF-8 / GBK / GB2312\n\nFile v3.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn75qh8ba8e3ekf513rveqqstx84tt20\",\n  \"slug\": \"data-auto-analyzer\",\n  \"version\": \"3.0.0\",\n  \"publishedAt\": 1776666851581\n}\n\nFile v3.0.0:references/ab_test_guide.md\n\n# A/B 测试分析使用指南\n\n## 两种测试场景\n\n### 1. 比例型指标（Rate）\n\n用于判断\"点击率、转化率、注册率\"等**分母明确**的指标。\n\n**统计方法**：两比例 Z 检验（Proportion Z-Test）\n\n**数据形式**：每组需要两个数字——成功数 + 总数\n- A 组：120 次点击 / 2400 次展示\n- B 组：150 次点击 / 2500 次展示\n\n**典型应用**：\n- 素材 A vs 素材 B 的 CTR\n- 落地页 A vs 落地页 B 的转化率\n- 文案 A vs 文案 B 的下载率\n\n### 2. 均值型指标（Mean）\n\n用于判断\"CPC、CPA、客单价、ROI\"等**连续数值**的指标。\n\n**统计方法**：独立样本 T 检验（Welch's T-Test，不假设方差齐性）\n\n**数据形式**：每组需要一列数值（多行样本）\n- A 组：[2.1, 2.5, 1.8, 2.3, 2.6, ...]\n- B 组：[1.9, 2.0, 1.7, 1.8, 1.9, ...]\n\n**典型应用**：\n- 出价策略 A vs B 的 CPA 分布\n- 定向方案 A vs B 的 ROI 分布\n\n## 使用方式\n\n### 方式 1：手工输入（比例型）\n\n适合已经算好聚合数据的情况：\n\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --a-name \"素材A\" --b-name \"素材B\" \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n参数说明：\n- `--a-success`：A 组成功次数（如点击数）\n- `--a-total`：A 组总次数（如展示数）\n- `--b-success` / `--b-total`：B 组同理\n- `--a-name` / `--b-name`：可选，组别显示名称\n\n### 方式 2：从文件分析（均值型）\n\n适合每行一个样本的明细数据：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"实验组\" \\\n  --metric-col \"CPA\" \\\n  --metric-type mean \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n参数说明：\n- `--group-col`：分组列名（值应为 A/B 两种）\n- `--metric-col`：要比较的指标列名\n- `--metric-type mean`：均值型检验\n\n### 方式 3：从文件分析（比例型）\n\n适合需要从明细聚合的情况：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"版本\" \\\n  --success-col \"点击数\" \\\n  --total-col \"展示数\" \\\n  --metric-type rate \\\n  --out /mnt/user-data/outputs/ab_result.html\n```\n\n## 结论判定标准\n\n| p 值范围 | 显著性 | 结论 |\n|---------|-------|------|\n| p < 0.01 | 极显著 | \"差异极其显著，置信度 99%\" |\n| 0.01 ≤ p < 0.05 | 显著 | \"差异显著，置信度 95%，建议采用优胜版本\" |\n| 0.05 ≤ p < 0.1 | 边缘显著 | \"差异接近显著，建议扩大样本继续观察\" |\n| p ≥ 0.1 | 不显著 | \"两组无显著差异，不能证明哪个更好\" |\n\n## 输出报告内容\n\nHTML 报告包含：\n1. **两组数据对比卡片**：样本量、指标值、差异百分比\n2. **可视化对比**：柱状图 + 置信区间\n3. **统计结果**：p 值、置信区间、检验量（Z 或 T）\n4. **业务结论**：一句话告诉用户该不该切换版本\n5. **样本量建议**：若结论不显著，给出达到 95% 置信度所需的样本量\n\n## 常见坑\n\n1. **样本量过小**：比例型检验建议两组总数各 ≥ 300，否则结论可信度低\n2. **多版本比较**：脚本当前仅支持两组对比，如果有 A/B/C/D 多版本，建议两两比较\n3. **指标归因**：比如 CPA 里既有出价因素也有创意因素，差异显著不等于某个因素的功劳\n\nFile v3.0.0:references/daily_report_format.md\n\n# 日报生成格式说明\n\n## 输出文件\n\n脚本会在 `--out-dir` 指定目录输出两个文件：\n\n### 1. daily_report.txt （纯文本版）\n\n专为**钉钉/飞书/企业微信**设计，直接复制粘贴即可。使用简洁的符号而非 emoji 表情（部分群组会禁用 emoji）。\n\n```\n━━━━━━━━━━━━━━━━━━━━━━━\n📊 投放日报 · 2026-04-20\n━━━━━━━━━━━━━━━━━━━━━━━\n\n【核心指标】\n• 消耗：12,580 元  ↑ 8.3%\n• 曝光：2,450,000  ↑ 12.1%\n• 点击：48,600  ↑ 5.2%\n• 转化：312  ↓ 2.8%\n• CPA：40.3 元  ↑ 11.4%  ⚠️\n• ROI：2.45  ↓ 6.1%\n\n【TOP 3 最佳计划】\n1. 计划A：消耗 2,300，转化 85，CPA 27.1\n2. 计划B：消耗 1,800，转化 62，CPA 29.0\n3. 计划C：消耗 1,500，转化 48，CPA 31.3\n\n【TOP 3 待优化计划】\n1. 计划X：消耗 1,200，转化 5，CPA 240\n2. 计划Y：消耗 980，转化 4，CPA 245\n3. 计划Z：消耗 850，转化 3，CPA 283\n\n【异常提醒】\n⚠️ 计划X CPA 激增 120%，建议立即暂停\n⚠️ 计划Y 转化归零超过 4 小时\n\n【明日建议】\n• 暂停计划 X/Y，替换新素材\n• 加大计划 A 预算（效果优异）\n• 关注整体 CPA 上涨趋势\n```\n\n### 2. daily_report.html （精美版）\n\n带 ECharts 图表的 HTML 版，适合邮件附件、存档、给上级看。包含：\n- 顶部指标卡片（与文本版同步，带涨跌箭头）\n- 消耗 vs 转化趋势对比图（若有昨日数据）\n- TOP 计划表格（带背景色标识好坏）\n- 异常列表\n- 明日建议\n\n## 核心逻辑\n\n### 指标计算\n从报表中自动识别并汇总核心指标：\n- 总消耗、总曝光、总点击、总转化\n- 平均 CPA = 总消耗 / 总转化\n- 平均 CTR = 总点击 / 总曝光\n- 平均转化率 = 总转化 / 总点击\n- ROI（若有收入/GMV 列）\n\n### 环比计算\n若提供了 `--yesterday` 参数：\n- 每个指标计算环比变化百分比\n- 加箭头符号：↑ 正增长、↓ 下降、→ 持平\n- CPA 上涨标 ⚠️（对投放是坏事）\n- CPA 下降标 ✅（对投放是好事）\n\n### TOP 计划判定\n- **最佳**：按 CPA 升序排序，取前 3（仅取转化 ≥ 1 的计划）\n- **最差**：按 CPA 降序排序，取前 3（仅取消耗 ≥ 100 的计划，避免小消耗计划误报）\n\n### 异常检测\n满足以下任一条件即列入异常：\n- 单日消耗涨幅 > 100% 但转化涨幅 < 10%\n- 转化数从非零变为零\n- CPA 涨幅 > 80%\n- 有消耗但转化为 0（且消耗 > 总消耗的 5%）\n\n### 明日建议\n基于检测结果自动生成 3-5 条具体建议，例如：\n- \"暂停 X/Y 计划（异常高 CPA）\"\n- \"加大 A 预算（效果优异）\"\n- \"整体 CPA 上涨，建议收紧出价\"\n- \"曝光增长但点击增长慢，检查创意质量\"\n\n## 使用示例\n\n```bash\n# 只有今日数据\npython3 scripts/daily_report.py \\\n  --today today.xlsx \\\n  --out-dir /mnt/user-data/outputs/\n\n# 有昨日对比（推荐）\npython3 scripts/daily_report.py \\\n  --today today.xlsx \\\n  --yesterday yesterday.xlsx \\\n  --out-dir /mnt/user-data/outputs/\n\n# 指定日期\npython3 scripts/daily_report.py \\\n  --today today.xlsx \\\n  --yesterday yesterday.xlsx \\\n  --date 2026-04-20 \\\n  --out-dir /mnt/user-data/outputs/\n```\n\nFile v3.0.0:references/diagnose_rules.md\n\n# 广告账户诊断规则\n\n## 列名智能识别\n\n脚本按以下优先级匹配常见列名（大小写不敏感，支持中英文混合）：\n\n| 指标 | 识别关键词 |\n|------|-----------|\n| 消耗/花费 | 消耗、花费、成本、费用、预算、cost、spend、spent |\n| 展示 | 展示、曝光、展现、impression、impressions、show |\n| 点击 | 点击、click、clicks、tap |\n| 转化 | 转化、注册、下单、成交、激活、conversion、conversions、convert |\n| CTR | ctr、点击率 |\n| CPC | cpc、点击单价 |\n| CPA / CPM | cpa、cpm、转化成本、千次展示成本 |\n| 计划/广告名 | 计划、广告、ad name、campaign、adgroup、creative |\n\n识别失败时：脚本会列出所有列供用户选择，由用户手动指定关键指标列。\n\n## 预警等级规则\n\n以下规则基于整个报表的整体均值做相对判断，适合批量诊断。\n\n### 🔴 红色预警（立即处理）\n\n任意一条命中即判红：\n1. **高消耗零转化**：消耗 ≥ 均值 × 2 且 转化数 = 0\n2. **CPA 严重超标**：CPA ≥ 均值 × 3（仅当有转化时）\n3. **CTR 异常低**：CTR ≤ 均值 × 0.3（展示 > 1000 时才判定，避免小样本噪音）\n4. **转化率极低**：转化率 ≤ 均值 × 0.2 且 消耗 ≥ 均值\n\n**处置建议**：立即暂停、排查创意/定向、或大幅降价测试\n\n### 🟡 黄色关注（需优化）\n\n任意一条命中即判黄（未判红的前提下）：\n1. **CPA 偏高**：CPA ≥ 均值 × 1.5\n2. **CTR 偏低**：CTR ≤ 均值 × 0.6\n3. **转化率偏低**：转化率 ≤ 均值 × 0.5\n4. **高消耗低转化**：消耗 ≥ 均值 × 1.5 且 转化数 ≤ 均值 × 0.5\n\n**处置建议**：优化创意、调整定向、适度降价观察 2-3 天\n\n### 🟢 绿色健康\n\n未命中以上任意规则 → 绿色。\n\n**处置建议**：保持或适度加价扩量（若 CPA 低于均值）\n\n## 处置建议生成逻辑\n\n根据具体命中规则给出针对性建议：\n\n| 命中规则 | 建议文本 |\n|---------|---------|\n| 高消耗零转化 | \"⚠️ 消耗高但无转化，建议立即暂停，检查落地页和定向人群\" |\n| CPA 严重超标 | \"❌ CPA 是均值的 N 倍，建议暂停或降价 50%\" |\n| CTR 异常低 | \"📉 CTR 仅为均值的 N%，创意吸引力不足，建议更换素材\" |\n| CPA 偏高 | \"⚡ CPA 偏高 N%，建议优化落地页、收窄定向\" |\n| CTR 偏低 | \"💡 CTR 偏低，建议 A/B 测试新素材\" |\n| 表现优异 | \"✅ CPA 低于均值 N%，建议适度加价扩量\" |\n\n## 输出报告结构\n\n生成的 HTML 报告包含：\n\n1. **诊断总览卡片**：红/黄/绿三色计划数量统计\n2. **核心指标卡片**：总消耗、总转化、平均 CPA、总 ROI\n3. **诊断详情表格**：每条计划的等级标签 + 处置建议（可按等级筛选）\n4. **TOP 问题计划**：红色预警计划列表（按消耗降序）\n5. **健康计划**：绿色计划列表（供加价参考）\n6. **ECharts 图表**：各计划 CPA 分布、消耗与转化散点图\n\nArchive v1.1.1: 3 files, 12611 bytes\n\nFiles: scripts/analyze.py (34998b), SKILL.md (3999b), _meta.json (137b)\n\nFile v1.1.1:SKILL.md\n\n---\nname: data-auto-analyzer\ndescription: 通用数据自动分析 Skill。当用户上传 Excel（.xlsx/.xls）或 CSV 文件，或提到想分析数据、看报表、生成可视化报告、查看数据趋势时，必须使用此 Skill。自动识别所有列类型（日期、维度、数值指标），汇总全部指标，检测异常，生成包含交互式 ECharts 图表和可分页表格的 HTML 分析报告。适用于任何结构化表格数据：广告投放报表（巨量引擎、腾讯广告、Meta Ads、Google Ads 等）、销售数据、财务报表、运营指标、用户行为数据、电商订单、库存统计等。即使用户只是说\"帮我看看这个表格\"\"分析一下这个数据\"\"这个 Excel 有什么规律\"，也应触发此 Skill。\nmetadata:\n  homepage: https://clawhub.ai/ming0429/data-auto-analyzer\n  version: 1.1.1\n  author: guojiaming\n  tags:\n    [\n      data-analysis,\n      analytics,\n      excel,\n      csv,\n      数据分析,\n      可视化,\n      echarts,\n      html,\n      报表分析,\n      趋势分析,\n    ]\n  clawdbot:\n    emoji: 📊\n    requires:\n      bins: [python3]\n      pip: [pandas, openpyxl, xlrd, jinja2]\n      env: []\n---\n\n# 数据自动分析 Skill\n\n分析用户上传的 Excel/CSV 数据文件，自动识别所有列，汇总指标，检测异常，生成**交互式 HTML 分析报告**（含可分页表格 + ECharts 图表），输出优化建议。适用于广告报表、销售数据、财务数据、运营指标等任何结构化表格。\n\n## Setup\n\n无需任何配置，开箱即用。支持 `.xlsx` / `.xls` / `.csv`，兼容 UTF-8 / GBK 编码。\n\n## Usage\n\n用户上传文件后，将分析脚本复制到工作目录并执行。**不要用 `-c` 内联方式运行**。\n\n正确执行方式：\n\n```bash\n# 第一步：创建虚拟环境并安装依赖\npython3 -m venv /home/claude/.venv && source /home/claude/.venv/bin/activate\npip install pandas openpyxl xlrd jinja2 -q\n\n# 第二步：复制脚本到工作目录\ncp /mnt/skills/user/data-auto-analyzer/scripts/analyze.py /home/claude/analyze.py\n\n# 第三步：执行分析，生成 HTML 报告\npython3 /home/claude/analyze.py --file /path/to/report.xlsx --out /mnt/user-data/outputs/data_report.html\n```\n\n## 分析脚本说明\n\n脚本位于 `scripts/analyze.py`，执行后自动完成以下步骤：\n\n1. **读取文件** — 自动识别 xlsx/xls/csv，自动尝试 utf-8/gbk 编码\n2. **识别列类型** — 自动区分日期列、维度列（文字）、指标列（数值），不预设列名\n3. **汇总指标** — 所有数值列的合计、均值、最大值、最小值\n4. **分组分析** — 按每个维度列分组汇总，自动排序\n5. **异常检测** — 均值 ±2 倍标准差自动标记异常行\n6. **生成交互式 HTML 报告** — 单个 HTML 文件，内嵌 ECharts，包含：\n   - 数据概览卡片（总行数、列数、日期范围等）\n   - 核心指标汇总卡片\n   - 异常检测结果\n   - 优化建议\n   - 可分页、可排序的数据表格（每页 20 行）\n   - ECharts 交互图表：指标总量柱状图、趋势折线图、维度占比饼图、维度对比横向柱状图、相关性热力图\n7. **输出建议** — 基于数据给出具体优化方向\n\n## 输出\n\n单个 HTML 文件，浏览器直接打开即可查看，包含完整分析报告和交互图表。\n\n## Notes\n\n- 必须保存为 `.py` 文件执行，不支持 `python3 -c` 内联模式\n- 完全动态识别列名，表头是什么分析什么，一列不漏\n- 分析过程完全本地执行，不上传任何数据；生成的 HTML 报告在浏览器中打开时会从 CDN (cdnjs.cloudflare.com) 加载 ECharts 图表库\n- 编码自动识别，兼容各类平台导出文件\n\n## Examples\n\n分析 Excel 报表：\n\n```bash\npython3 analyze.py --file ~/Downloads/report.xlsx --out /mnt/user-data/outputs/data_report.html\n```\n\n分析 CSV 数据：\n\n```bash\npython3 analyze.py --file ~/Downloads/data.csv --out /mnt/user-data/outputs/data_report.html\n```\n\nFile v1.1.1:_meta.json\n\n{\n  \"ownerId\": \"kn75qh8ba8e3ekf513rveqqstx84tt20\",\n  \"slug\": \"data-auto-analyzer\",\n  \"version\": \"1.1.1\",\n  \"publishedAt\": 1776393565607\n}\n\nArchive v1.1.0: 3 files, 12542 bytes\n\nFiles: scripts/analyze.py (34998b), SKILL.md (3813b), _meta.json (137b)\n\nFile v1.1.0:SKILL.md\n\n---\nname: data-auto-analyzer\ndescription: 通用数据自动分析 Skill。当用户上传 Excel（.xlsx/.xls）或 CSV 文件，或提到想分析数据、看报表、生成可视化报告、查看数据趋势时，必须使用此 Skill。自动识别所有列类型（日期、维度、数值指标），汇总全部指标，检测异常，生成包含交互式 ECharts 图表和可分页表格的 HTML 分析报告。适用于任何结构化表格数据：广告投放报表（巨量引擎、腾讯广告、Meta Ads、Google Ads 等）、销售数据、财务报表、运营指标、用户行为数据、电商订单、库存统计等。即使用户只是说\"帮我看看这个表格\"\"分析一下这个数据\"\"这个 Excel 有什么规律\"，也应触发此 Skill。\nmetadata:\n  homepage: https://clawhub.ai/ming0429/data-auto-analyzer\n  version: 2.0.0\n  author: guojiaming\n  tags: [data-analysis, analytics, excel, csv, 数据分析, 可视化, echarts, html, 报表分析, 趋势分析]\n  clawdbot:\n    emoji: 📊\n    requires:\n      bins: [python3]\n      pip: [pandas, openpyxl, xlrd, jinja2]\n      env: []\n---\n\n# 数据自动分析 Skill\n\n分析用户上传的 Excel/CSV 数据文件，自动识别所有列，汇总指标，检测异常，生成**交互式 HTML 分析报告**（含可分页表格 + ECharts 图表），输出优化建议。适用于广告报表、销售数据、财务数据、运营指标等任何结构化表格。\n\n## Setup\n\n无需任何配置，开箱即用。支持 `.xlsx` / `.xls` / `.csv`，兼容 UTF-8 / GBK 编码。\n\n## Usage\n\n用户上传文件后，将分析脚本复制到工作目录并执行。**不要用 `-c` 内联方式运行**。\n\n正确执行方式：\n```bash\n# 第一步：安装依赖\npip install pandas openpyxl xlrd jinja2 --break-system-packages -q\n\n# 第二步：复制脚本到工作目录\ncp /mnt/skills/user/data-auto-analyzer/scripts/analyze.py /home/claude/analyze.py\n\n# 第三步：执行分析，生成 HTML 报告\npython3 /home/claude/analyze.py --file /path/to/report.xlsx --out /mnt/user-data/outputs/data_report.html\n```\n\n## 分析脚本说明\n\n脚本位于 `scripts/analyze.py`，执行后自动完成以下步骤：\n\n1. **读取文件** — 自动识别 xlsx/xls/csv，自动尝试 utf-8/gbk 编码\n2. **识别列类型** — 自动区分日期列、维度列（文字）、指标列（数值），不预设列名\n3. **汇总指标** — 所有数值列的合计、均值、最大值、最小值\n4. **分组分析** — 按每个维度列分组汇总，自动排序\n5. **异常检测** — 均值 ±2 倍标准差自动标记异常行\n6. **生成交互式 HTML 报告** — 单个 HTML 文件，内嵌 ECharts，包含：\n   - 数据概览卡片（总行数、列数、日期范围等）\n   - 核心指标汇总卡片\n   - 异常检测结果\n   - 优化建议\n   - 可分页、可排序的数据表格（每页 20 行）\n   - ECharts 交互图表：指标总量柱状图、趋势折线图、维度占比饼图、维度对比横向柱状图、相关性热力图\n7. **输出建议** — 基于数据给出具体优化方向\n\n## 输出\n\n单个 HTML 文件，浏览器直接打开即可查看，包含完整分析报告和交互图表。\n\n## Notes\n\n- 必须保存为 `.py` 文件执行，不支持 `python3 -c` 内联模式\n- 完全动态识别列名，表头是什么分析什么，一列不漏\n- 数据不外传，完全本地处理\n- 编码自动识别，兼容国内广告平台导出文件\n- 生成的 HTML 报告内嵌所有依赖（ECharts CDN），无需额外安装\n\n## Examples\n\n分析 Excel 报表：\n```bash\npython3 analyze.py --file ~/Downloads/report.xlsx --out /mnt/user-data/outputs/data_report.html\n```\n\n分析 CSV 数据：\n```bash\npython3 analyze.py --file ~/Downloads/data.csv --out /mnt/user-data/outputs/data_report.html\n```\n\nFile v1.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn75qh8ba8e3ekf513rveqqstx84tt20\",\n  \"slug\": \"data-auto-analyzer\",\n  \"version\": \"1.1.0\",\n  \"publishedAt\": 1776393012360\n}","readmeExcerpt":"Skill: 数据自动分析 Owner: ming0429 Summary: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每... Tags: ab-test:3.0.0, advertising:3.0.0, daily-report:3.0.0, data-analysis:3.0.0, data-auto-analyzer:4.0.1, latest:4.0.1 Version history: v4.0.1 | 2026-06-04T05:41:06.430Z | user - 列识别全面升级为动态智能识别，所有业务指标（如消耗/转化/点击/曝光/CPA/C","codeSnippets":[],"executableExamples":[{"language":"bash","snippet":"# 在 Skill 目录下创建虚拟环境（路径可移植，本地/云端/CI 均可）\npython3 -m venv .venv && source .venv/bin/activate\npip install pandas openpyxl xlrd jinja2 scipy -q"},{"language":"text","snippet":"用户上传了 Excel/CSV？\n├── 是\n│   ├── 提到\"诊断/体检/哪些要暂停/计划效果差\" → 模式 B：账户诊断\n│   ├── 提到\"日报/汇报/对比昨日\" → 模式 D：日报生成\n│   ├── 提到\"A/B 测试/显著性/哪个版本好\" → 模式 C：A/B 测试\n│   └── 其他（看报表/分析数据/趋势） → 模式 A：通用分析\n└── 否\n    └── 用户直接描述两组数据（手工输入） → 模式 C：A/B 测试"},{"language":"bash","snippet":"python3 scripts/analyze.py --file <输入文件> --out data_report.html\n# → 生成到 data-auto-analyzer/data_report.html"},{"language":"bash","snippet":"python3 scripts/diagnose.py --file <报表.xlsx> --out diagnose_report.html\n# → 生成到 data-auto-analyzer/diagnose_report.html"},{"language":"bash","snippet":"python3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --out ab_result.html\n# → 生成到 data-auto-analyzer/ab_result.html"},{"language":"bash","snippet":"python3 scripts/ab_test.py --file <数据.xlsx> \\\n  --group-col <分组列名> --metric-col <指标列名> \\\n  --metric-type <rate|mean> \\\n  --out ab_result.html"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: data-auto-analyzer\ndescription: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每日汇报、钉钉/飞书周报、对比昨日）。适用于信息流广告优化师、运营、数据分析师。支持巨量引擎、腾讯广告、Meta Ads、Google Ads、快手等平台导出数据，也支持销售、财务、运营等任何结构化表格。即使用户只说\"分析一下\"\"看看报表\"\"哪些计划要调整\"\"这俩哪个好\"\"生成日报\"，也应触发此 Skill。\nmetadata:\n  homepage: https://clawhub.ai/ming0429/data-auto-analyzer\n  version: 4.0.1\n  author: guojiaming\n  tags: [data-analysis, advertising, ab-test, daily-report, 数据分析, 广告优化, 账户诊断, AB测试, 日报生成]\n  clawdbot:\n    emoji: 📊\n    requires:\n      bins: [python3]\n      pip: [pandas, openpyxl, xlrd, jinja2, scipy]\n      env: []\n---\n\n# 数据自动分析 Skill\n\n一体化数据分析与广告优化工具集，包含 **4 个模式**，根据用户意图选择对应模式执行。\n\n## 环境准备（所有模式通用）\n\n```bash\n# 在 Skill 目录下创建虚拟环境（路径可移植，本地/云端/CI 均可）\npython3 -m venv .venv && source .venv/bin/activate\npip install pandas openpyxl xlrd jinja2 scipy -q\n```\n\n> Windows 用户激活命令为 `.venv\\Scripts\\activate`。若系统已装好依赖，可跳过 venv 直接用 `python3` 运行。\n\n## 输出目录（所有模式通用）\n\n所有生成的 HTML / TXT 文件**默认统一输出到当前工作目录下的 `data-auto-analyzer/` 文件夹**（脚本会自动创建）。\n\n- 想换目录：设置环境变量 `export DATA_AUTO_ANALYZER_OUTDIR=/your/path`，或给脚本的 `--out` / `--out-dir` 传一个带目录的完整路径（此时尊重用户指定）。\n- 下方各命令的 `--out` 只写文件名即可，文件会自动落到 `data-auto-analyzer/` 下。\n\n## 模式选择决策树\n\n```\n用户上传了 Excel/CSV？\n├── 是\n│   ├── 提到\"诊断/体检/哪些要暂停/计划效果差\" → 模式 B：账户诊断\n│   ├── 提到\"日报/汇报/对比昨日\" → 模式 D：日报生成\n│   ├── 提到\"A/B 测试/显著性/哪个版本好\" → 模式 C：A/B 测试\n│   └── 其他（看报表/分析数据/趋势） → 模式 A：通用分析\n└── 否\n    └── 用户直接描述两组数据（手工输入） → 模式 C：A/B 测试\n```\n\n**不确定时优先询问用户，不要猜。**\n\n---\n\n## 模式 A：通用数据分析\n\n**用途**：任意 Excel/CSV 都能用，自动识别列类型（日期/维度/指标/百分比），生成一份浅色主题、交互式的 HTML 报告。\n\n```bash\npython3 scripts/analyze.py --file <输入文件> --out data_report.html\n# → 生成到 data-auto-analyzer/data_report.html\n```\n\n**输出与交互能力**：\n\n- **左侧悬浮导航**：点击平滑滚动到对应模块，滚动自动高亮；所有模块支持折叠/展开（带动画）。\n- **概览 / 指标汇总 / 异常检测 / 优化建议**：指标汇总与异常默认展示前 4 项，可\"展开更多\"。\n- **明细表格**：\n  - 每页 10 条；置顶\"全部数据汇总\"行（原报表带汇总行则提取，否则自动计算：指标求和、百分比取均值），汇总行可勾选、有日期时可展开看每日合计。\n  - **二级树**：当数据含日期且同一维度跨多日时，自动按维度分组为父行，可展开查看按日期明细；仅父行可勾选。\n  - 数值列按真实数值排序（含整数列）；维度列模糊搜索 + \"更多筛选\"按指标列做多组 `> ≥ = ≤ <` 条件（\"且\"关系）。\n- **图表**（数据随表格勾选联动；未勾选时全量聚合）：\n  - **平滑折线图 / 柱形图**：双 Y 轴 + 左右轴多选指标（互斥）；X 轴可在「按日期 / 按维度」切换；按日期勾选多组时，每个维度组单独成线/柱。\n  - **占比饼图**：可选分组维度（单维或维度组合）与指标，不合并\"其他\"。\n  - **相关性热力图**：取方差最大的若干指标，基于全量数据。\n  - 所有下拉选择器均支持模糊搜索。\n\n> 完全本地处理；HTML 在浏览器打开时从 cdnjs 加载 ECharts（如需离线，可改为本地引入 echarts.min.js）。\n\n---\n\n## 模式 B：账户/计划诊断器\n\n**用途**：分析任意投放/业务报表，给每个实体（账户/计划/优化师…按表自动判定）打红/黄/绿预警并给出处置建议。**浅色主题 · 卡片阴影 · 可折叠 · 悬浮导航**，与模式 A 风格统一。\n\n```bash\npython3 scripts/diagnose.py --file <报表.xlsx> --out diagnose_report.html\n# → 生成到 data-auto-analyzer/diagnose_report.html\n```\n\n**完全动态识别**（不写死任何字段名）：\n- 实体维度按“会重复出现的业务维度”自动分组（含账户ID 等标识，每个实体成一组）。\n- 消耗/转化/点击/曝光/CPA/CTR/转化率等**按表格智能推断**；缺失的比率指标由基础列自动派生（CPA=消耗/转化、CTR=点击/曝光、CVR=转化/点击）。“成本”归为 CPA、“广告数量”等计数列不会被误当曝光/点击。\n\n**诊断规则摘要**（完整说明见 `references/diagnose_rules.md`，相对整体均值判定）：\n- 🔴 红色：高消耗零转化、CPA ≥ 均值 3 倍、CTR ≤ 均值 0.3 倍、转化率极低\n- 🟡 黄色：CPA ≥ 均值 1.5 倍、CTR/转化率偏低、高消耗低转化\n- 🟢 绿色：指标正常或优于均值\n\n若表中无任何广告指标，自动降级为**通用统计离群诊断**（按 z 分数标记异常实体）。报告"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn75qh8ba8e3ekf513rveqqstx84tt20\",\n  \"slug\": \"data-auto-analyzer\",\n  \"version\": \"4.0.1\",\n  \"publishedAt\": 1780551666430\n}"},{"path":"references/ab_test_guide.md","content":"# A/B 测试分析使用指南\n\n## 两种测试场景\n\n### 1. 比例型指标（Rate）\n\n用于判断\"点击率、转化率、注册率\"等**分母明确**的指标。\n\n**统计方法**：两比例 Z 检验（Proportion Z-Test）\n\n**数据形式**：每组需要两个数字——成功数 + 总数\n- A 组：120 次点击 / 2400 次展示\n- B 组：150 次点击 / 2500 次展示\n\n**典型应用**：\n- 素材 A vs 素材 B 的 CTR\n- 落地页 A vs 落地页 B 的转化率\n- 文案 A vs 文案 B 的下载率\n\n### 2. 均值型指标（Mean）\n\n用于判断\"CPC、CPA、客单价、ROI\"等**连续数值**的指标。\n\n**统计方法**：独立样本 T 检验（Welch's T-Test，不假设方差齐性）\n\n**数据形式**：每组需要一列数值（多行样本）\n- A 组：[2.1, 2.5, 1.8, 2.3, 2.6, ...]\n- B 组：[1.9, 2.0, 1.7, 1.8, 1.9, ...]\n\n**典型应用**：\n- 出价策略 A vs B 的 CPA 分布\n- 定向方案 A vs B 的 ROI 分布\n\n## 使用方式\n\n### 方式 1：手工输入（比例型）\n\n适合已经算好聚合数据的情况：\n\n```bash\npython3 scripts/ab_test.py --inline \\\n  --a-success 120 --a-total 2400 \\\n  --b-success 150 --b-total 2500 \\\n  --a-name \"素材A\" --b-name \"素材B\" \\\n  --out ab_result.html\n```\n\n参数说明：\n- `--a-success`：A 组成功次数（如点击数）\n- `--a-total`：A 组总次数（如展示数）\n- `--b-success` / `--b-total`：B 组同理\n- `--a-name` / `--b-name`：可选，组别显示名称\n\n### 方式 2：从文件分析（均值型）\n\n适合每行一个样本的明细数据：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"实验组\" \\\n  --metric-col \"CPA\" \\\n  --metric-type mean \\\n  --out ab_result.html\n```\n\n参数说明：\n- `--group-col`：分组列名（值应为 A/B 两种）\n- `--metric-col`：要比较的指标列名\n- `--metric-type mean`：均值型检验\n\n### 方式 3：从文件分析（比例型）\n\n适合需要从明细聚合的情况：\n\n```bash\npython3 scripts/ab_test.py \\\n  --file data.xlsx \\\n  --group-col \"版本\" \\\n  --success-col \"点击数\" \\\n  --total-col \"展示数\" \\\n  --metric-type rate \\\n  --out ab_result.html\n```\n\n## 结论判定标准\n\n| p 值范围 | 显著性 | 结论 |\n|---------|-------|------|\n| p < 0.01 | 极显著 | \"差异极其显著，置信度 99%\" |\n| 0.01 ≤ p < 0.05 | 显著 | \"差异显著，置信度 95%，建议采用优胜版本\" |\n| 0.05 ≤ p < 0.1 | 边缘显著 | \"差异接近显著，建议扩大样本继续观察\" |\n| p ≥ 0.1 | 不显著 | \"两组无显著差异，不能证明哪个更好\" |\n\n## 输出报告内容\n\nHTML 报告包含：\n1. **两组数据对比卡片**：样本量、指标值、差异百分比\n2. **可视化对比**：柱状图 + 置信区间\n3. **统计结果**：p 值、置信区间、检验量（Z 或 T）\n4. **业务结论**：一句话告诉用户该不该切换版本\n5. **样本量建议**：若结论不显著，给出达到 95% 置信度所需的样本量\n\n## 常见坑\n\n1. **样本量过小**：比例型检验建议两组总数各 ≥ 300，否则结论可信度低\n2. **多版本比较**：脚本当前仅支持两组对比，如果有 A/B/C/D 多版本，建议两两比较\n3. **指标归因**：比如 CPA 里既有出价因素也有创意因素，差异显著不等于某个因素的功劳"},{"path":"references/daily_report_format.md","content":"# 日报生成格式说明\n\n## 输出文件\n\n脚本会在 `--out-dir` 指定目录输出两个文件：\n\n### 1. daily_report.txt （纯文本版）\n\n专为**钉钉/飞书/企业微信**设计，直接复制粘贴即可。使用简洁的符号而非 emoji 表情（部分群组会禁用 emoji）。\n\n```\n━━━━━━━━━━━━━━━━━━━━━━━\n📊 投放日报 · 2026-04-20\n━━━━━━━━━━━━━━━━━━━━━━━\n\n【核心指标】\n• 消耗：12,580 元  ↑ 8.3%\n• 曝光：2,450,000  ↑ 12.1%\n• 点击：48,600  ↑ 5.2%\n• 转化：312  ↓ 2.8%\n• CPA：40.3 元  ↑ 11.4%  ⚠️\n• ROI：2.45  ↓ 6.1%\n\n【TOP 3 最佳计划】\n1. 计划A：消耗 2,300，转化 85，CPA 27.1\n2. 计划B：消耗 1,800，转化 62，CPA 29.0\n3. 计划C：消耗 1,500，转化 48，CPA 31.3\n\n【TOP 3 待优化计划】\n1. 计划X：消耗 1,200，转化 5，CPA 240\n2. 计划Y：消耗 980，转化 4，CPA 245\n3. 计划Z：消耗 850，转化 3，CPA 283\n\n【异常提醒】\n⚠️ 计划X CPA 激增 120%，建议立即暂停\n⚠️ 计划Y 转化归零超过 4 小时\n\n【明日建议】\n• 暂停计划 X/Y，替换新素材\n• 加大计划 A 预算（效果优异）\n• 关注整体 CPA 上涨趋势\n```\n\n### 2. daily_report.html （精美版）\n\n带 ECharts 图表的 HTML 版，适合邮件附件、存档、给上级看。包含：\n- 顶部指标卡片（与文本版同步，带涨跌箭头）\n- 消耗 vs 转化趋势对比图（若有昨日数据）\n- TOP 计划表格（带背景色标识好坏）\n- 异常列表\n- 明日建议\n\n## 核心逻辑\n\n### 指标计算\n从报表中自动识别并汇总核心指标：\n- 总消耗、总曝光、总点击、总转化\n- 平均 CPA = 总消耗 / 总转化\n- 平均 CTR = 总点击 / 总曝光\n- 平均转化率 = 总转化 / 总点击\n- ROI（若有收入/GMV 列）\n\n### 环比计算\n若提供了 `--yesterday` 参数：\n- 每个指标计算环比变化百分比\n- 加箭头符号：↑ 正增长、↓ 下降、→ 持平\n- CPA 上涨标 ⚠️（对投放是坏事）\n- CPA 下降标 ✅（对投放是好事）\n\n### TOP 计划判定\n- **最佳**：按 CPA 升序排序，取前 3（仅取转化 ≥ 1 的计划）\n- **最差**：按 CPA 降序排序，取前 3（仅取消耗 ≥ 100 的计划，避免小消耗计划误报）\n\n### 异常检测\n满足以下任一条件即列入异常：\n- 单日消耗涨幅 > 100% 但转化涨幅 < 10%\n- 转化数从非零变为零\n- CPA 涨幅 > 80%\n- 有消耗但转化为 0（且消耗 > 总消耗的 5%）\n\n### 明日建议\n基于检测结果自动生成 3-5 条具体建议，例如：\n- \"暂停 X/Y 计划（异常高 CPA）\"\n- \"加大 A 预算（效果优异）\"\n- \"整体 CPA 上涨，建议收紧出价\"\n- \"曝光增长但点击增长慢，检查创意质量\"\n\n## 使用示例\n\n```bash\n# 只有今日数据（默认输出到 data-auto-analyzer/ 目录）\npython3 scripts/daily_report.py --today today.xlsx\n\n# 有昨日对比（推荐）\npython3 scripts/daily_report.py --today today.xlsx --yesterday yesterday.xlsx\n\n# 指定日期\npython3 scripts/daily_report.py --today today.xlsx --yesterday yesterday.xlsx --date 2026-04-20\n\n# 自定义输出目录（可选）\npython3 scripts/daily_report.py --today today.xlsx --out-dir /your/custom/path\n```"},{"path":"references/diagnose_rules.md","content":"# 广告账户诊断规则\n\n## 列名智能识别\n\n脚本按以下优先级匹配常见列名（大小写不敏感，支持中英文混合）：\n\n| 指标 | 识别关键词 |\n|------|-----------|\n| 消耗/花费 | 消耗、花费、成本、费用、预算、cost、spend、spent |\n| 展示 | 展示、曝光、展现、impression、impressions、show |\n| 点击 | 点击、click、clicks、tap |\n| 转化 | 转化、注册、下单、成交、激活、conversion、conversions、convert |\n| CTR | ctr、点击率 |\n| CPC | cpc、点击单价 |\n| CPA / CPM | cpa、cpm、转化成本、千次展示成本 |\n| 计划/广告名 | 计划、广告、ad name、campaign、adgroup、creative |\n\n识别失败时：脚本会列出所有列供用户选择，由用户手动指定关键指标列。\n\n## 预警等级规则\n\n以下规则基于整个报表的整体均值做相对判断，适合批量诊断。\n\n### 🔴 红色预警（立即处理）\n\n任意一条命中即判红：\n1. **高消耗零转化**：消耗 ≥ 均值 × 2 且 转化数 = 0\n2. **CPA 严重超标**：CPA ≥ 均值 × 3（仅当有转化时）\n3. **CTR 异常低**：CTR ≤ 均值 × 0.3（展示 > 1000 时才判定，避免小样本噪音）\n4. **转化率极低**：转化率 ≤ 均值 × 0.2 且 消耗 ≥ 均值\n\n**处置建议**：立即暂停、排查创意/定向、或大幅降价测试\n\n### 🟡 黄色关注（需优化）\n\n任意一条命中即判黄（未判红的前提下）：\n1. **CPA 偏高**：CPA ≥ 均值 × 1.5\n2. **CTR 偏低**：CTR ≤ 均值 × 0.6\n3. **转化率偏低**：转化率 ≤ 均值 × 0.5\n4. **高消耗低转化**：消耗 ≥ 均值 × 1.5 且 转化数 ≤ 均值 × 0.5\n\n**处置建议**：优化创意、调整定向、适度降价观察 2-3 天\n\n### 🟢 绿色健康\n\n未命中以上任意规则 → 绿色。\n\n**处置建议**：保持或适度加价扩量（若 CPA 低于均值）\n\n## 处置建议生成逻辑\n\n根据具体命中规则给出针对性建议：\n\n| 命中规则 | 建议文本 |\n|---------|---------|\n| 高消耗零转化 | \"⚠️ 消耗高但无转化，建议立即暂停，检查落地页和定向人群\" |\n| CPA 严重超标 | \"❌ CPA 是均值的 N 倍，建议暂停或降价 50%\" |\n| CTR 异常低 | \"📉 CTR 仅为均值的 N%，创意吸引力不足，建议更换素材\" |\n| CPA 偏高 | \"⚡ CPA 偏高 N%，建议优化落地页、收窄定向\" |\n| CTR 偏低 | \"💡 CTR 偏低，建议 A/B 测试新素材\" |\n| 表现优异 | \"✅ CPA 低于均值 N%，建议适度加价扩量\" |\n\n## 输出报告结构\n\n生成的 HTML 报告包含：\n\n1. **诊断总览卡片**：红/黄/绿三色计划数量统计\n2. **核心指标卡片**：总消耗、总转化、平均 CPA、总 ROI\n3. **诊断详情表格**：每条计划的等级标签 + 处置建议（可按等级筛选）\n4. **TOP 问题计划**：红色预警计划列表（按消耗降序）\n5. **健康计划**：绿色计划列表（供加价参考）\n6. **ECharts 图表**：各计划 CPA 分布、消耗与转化散点图"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每... Skill: 数据自动分析 Owner: ming0429 Summary: 数据自动分析 + 广告投放优化一体化 Skill。当用户上传 Excel/CSV 文件，或提到以下任一场景时必须触发：①通用数据分析（看报表、数据趋势、可视化）；②账户诊断（哪些计划效果差、哪些要暂停、投放诊断、账户体检）；③A/B 测试分析（两组数据对比、哪个版本好、是否显著、置信度）；④日报生成（投放日报、每... Tags: ab-test:3.0.0, advertising:3.0.0, daily-report:3.0.0, data-analysis:3.0.0, data-auto-analyzer:4.0.1, latest:4.0.1 Version history: v4.0.1 | 2026-06-04T05:41:06.430Z | user - 列识别全面升级为动态智能识别，所有业务指标（如消耗/转化/点击/曝光/CPA/C","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":680,"uniquenessScore":63,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T07:43:54.078Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-10T07:43:54.078Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T10:42:45.123Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}