{"id":"11973729-1686-487a-b87d-8e99fe1ae061","entityType":"agent","slug":"clawhub-phoenixlucky-business-data-analyst-skill","name":"Business Data Analyst","canonicalUrl":"https://www.xpersona.co/agent/clawhub-phoenixlucky-business-data-analyst-skill","canonicalPath":"/agent/clawhub-phoenixlucky-business-data-analyst-skill","generatedAt":"2026-10-10T11:51:51.041Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T09:28:25.326Z","emptyReason":null},"description":"Turn business data into decisions Skill: Business Data Analyst Owner: phoenixlucky Summary: Turn business data into decisions Tags: latest:1.7.0 Version history: v1.7.0 | 2026-09-29T10:22:26.687Z | user Add practical guidance for statistical inference, experiment evaluation, KPI systems, and resource prioritization. v1.6.0 | 2026-09-24T05:14:49.343Z | user Refresh analysis guidance, reporting, market research, and Wei Liaozi business framework. v1.3.","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.5K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s17705e3p3j221cp70a66wbscd844f38:business-data-analyst-skill","sourceUrl":"https://clawhub.ai/phoenixlucky/business-data-analyst-skill","homepage":"https://clawhub.ai/phoenixlucky/skills/business-data-analyst-skill","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/phoenixlucky/business-data-analyst-skill","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/phoenixlucky/skills/business-data-analyst-skill","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":64,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"Turn business data into decisions Skill: Business Data Analyst Owner: phoenixlucky Summary: Turn business data into decisions Tags: latest:1.7.0 Version history"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T09:28:25.326Z","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":"2026-10-10T09:28:25.326Z","emptyReason":null},"stars":null,"forks":null,"downloads":1525,"packageName":null,"latestVersion":"1.7.0","tractionLabel":"1.5K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T09:28:25.326Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T09:28:25.326Z","lastCrawledAt":"2026-10-10T09:28:25.326Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T09:28:25.326Z","lastVerifiedAt":null,"highlights":[{"version":"1.7.0","createdAt":"2026-09-29T10:22:26.687Z","changelog":"Add practical guidance for statistical inference, experiment evaluation, KPI systems, and resource prioritization.","fileCount":16,"zipByteSize":45621},{"version":"1.6.0","createdAt":"2026-09-24T05:14:49.343Z","changelog":"Refresh analysis guidance, reporting, market research, and Wei Liaozi business framework.","fileCount":16,"zipByteSize":41803},{"version":"1.3.0","createdAt":"2026-06-12T06:40:48.335Z","changelog":"Add market research capability","fileCount":13,"zipByteSize":26923},{"version":"1.2.0","createdAt":"2026-04-20T08:46:20.760Z","changelog":"Add response-language rules, information-gap handling, model-use discipline, and router/reference guidance.","fileCount":12,"zipByteSize":20214},{"version":"1.0.0","createdAt":"2026-04-16T08:28:55.484Z","changelog":"Initial publish: Business data analysis and operating diagnosis skill with metric frameworks, analysis order, and reference materials.","fileCount":7,"zipByteSize":7184}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17705e3p3j221cp70a66wbscd844f38:business-data-analyst-skill","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","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-phoenixlucky-business-data-analyst-skill/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T11:51:51.037Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/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":"2026-10-10T09:28:25.326Z","emptyReason":null},"readme":"Skill: Business Data Analyst\n\nOwner: phoenixlucky\n\nSummary: Turn business data into decisions\n\nTags: latest:1.7.0\n\nVersion history:\n\nv1.7.0 | 2026-09-29T10:22:26.687Z | user\n\nAdd practical guidance for statistical inference, experiment evaluation, KPI systems, and resource prioritization.\n\nv1.6.0 | 2026-09-24T05:14:49.343Z | user\n\nRefresh analysis guidance, reporting, market research, and Wei Liaozi business framework.\n\nv1.3.0 | 2026-06-12T06:40:48.335Z | user\n\nAdd market research capability\n\nv1.2.0 | 2026-04-20T08:46:20.760Z | user\n\nAdd response-language rules, information-gap handling, model-use discipline, and router/reference guidance.\n\nv1.0.0 | 2026-04-16T08:28:55.484Z | user\n\nInitial publish: Business data analysis and operating diagnosis skill with metric frameworks, analysis order, and reference materials.\n\nArchive index:\n\nArchive v1.7.0: 16 files, 45621 bytes\n\nFiles: agents/openai.yaml (257b), CHANGELOG.md (5903b), package.json (2891b), README.md (6593b), references/business-reporting.md (5064b), references/examples.md (2223b), references/market-research.md (11881b), references/metric-playbook.md (20035b), references/router-design.md (2211b), references/wei-liaozi-business-framework.md (6311b), skill-card.md (1959b), SKILL.md (20183b), src/index.js (242b), src/router.js (7457b), test/router.test.js (2423b), _meta.json (146b)\n\nFile v1.7.0:SKILL.md\n\n---\r\nname: business-data-analyst-skill\r\nversion: 1.7.0\r\ndescription: Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas. Suitable for operating reviews, growth analysis, user behavior analysis, channel performance analysis, funnel analysis, sales conversion analysis, postmortems, weekly, monthly, or quarterly business reporting, and management decision support.\n---\r\n\r\n# 商业数据分析师\r\n\r\n先定义问题，再统一口径，再看数据质量，再做诊断，最后给动作。\r\n\r\n把“发生了什么”与“为什么发生”分开，把“观察”与“建议”分开，把“相关性”与“因果性”分开。\r\n\r\n## 核心工作原则\r\n\r\n- 先业务问题，后分析动作：先写清决策问题、对象、时间范围、比较基准。\r\n- 先指标口径，后看结论：任何同比、环比、转化率、ROI、LTV，都先定义分子、分母、时间窗、归因口径。\r\n- 先验数，后解释：先检查样本量、缺失值、重复值、埋点变更、口径漂移，再做业务判断。\r\n- 先拆结构，后下结论：选与业务机制和数据粒度相关的维度，检查总量变化是否由少数关键分群驱动。\n- 先区分事实与推断：明确哪些是已知，哪些是推断，哪些需要额外验证。\n- 决策分析要落到动作：说明建议做什么、优先级依据及如何验证；纯描述型请求不强加行动清单。\n\r\n建议必要时使用以下标记：\r\n- `已知`\r\n- `推断`\r\n- `假设`\r\n- `风险`\r\n\r\n## 默认分析顺序\n\n按任务需要省略或组合步骤，保持“先定义问题和口径，再评估证据，最后形成结论”的主线。\n\r\n1. **定义决策问题**\r\n   用一句话写清楚：谁要决策、要决定什么、目标是什么。\r\n2. **统一分析口径**\r\n   明确指标定义、时间范围、对比基准、分析粒度、归因口径。\r\n3. **检查数据可信度**\r\n   检查来源、样本覆盖、异常值、埋点/口径变更、是否存在幸存者偏差或抽样偏差。\r\n4. **描述现象**\r\n   先回答“发生了什么”：规模、趋势、结构变化、异常拐点、分层差异。\r\n5. **拆解驱动因素**\r\n   用漏斗、分层、 cohort、价格-销量、供给-需求、渠道贡献等方法拆解变化来源。\r\n6. **评估业务影响**\r\n   量化对收入、利润、留存、转化、库存、交付、人效、现金流或客户体验的影响。\r\n7. **输出动作建议**\r\n   给出优先级、负责人建议、验证指标、预期影响、风险和下一步实验。\r\n\r\n## 常用分析框架\r\n\r\n### 1. 增长分析\r\n\r\n适用于新增、活跃、收入增长放缓或异常波动。\r\n\r\n优先拆：\r\n- 流量/线索\r\n- 转化率\r\n- 客单价或 ARPU\r\n- 复购/留存\r\n- 渠道结构\r\n\r\n问题模板：\r\n- 增长来自新增、提价、提频，还是结构变化？\r\n- 是总盘下滑，还是某几个关键渠道/客群下滑？\r\n- 增长是否可持续，是否依赖短期补贴或活动？\r\n\r\n### 2. 漏斗分析\r\n\r\n适用于注册、激活、下单、付费、销售转化、续约等流程。\r\n\r\n必须输出：\r\n- 每一层转化率\r\n- 每一层绝对流失量\r\n- 最大损失环节\r\n- 新旧用户、渠道、地区、设备或销售团队的差异\r\n\r\n### 3. 留存与 cohort 分析\r\n\r\n适用于用户流失、复购、订阅续费、客户健康度问题。\r\n\r\n重点看：\r\n- 不同首购/首登批次的留存曲线\r\n- 留存变化是由获客结构变了，还是产品/服务体验变了\r\n- 留存问题发生在第几周/第几月\r\n\r\n### 4. 收入与利润分析\r\n\r\n适用于经营复盘、预算偏差、价格策略、品类结构变化。\r\n\r\n优先拆：\r\n- 量\r\n- 价\r\n- 折扣\r\n- 产品结构\r\n- 渠道结构\r\n- 成本与毛利\r\n\r\n### 5. 运营效率分析\r\n\r\n适用于库存、交付、客服、人效、门店、销售团队效率问题。\r\n\r\n优先拆：\r\n- 单位产出\r\n- 单位成本\r\n- 周期时长\r\n- 资源利用率\r\n- 异常损耗\r\n\r\n### 6. 市场调研\r\n\r\n适用于行业进入、赛道评估、竞品对标、客户洞察、市场规模估算。\r\n\r\n调研前先明确：\r\n- 决策问题：调研结果用于支持什么决策\r\n- 关键假设：需要验证哪些隐含假设\r\n- 输出形式：报告、市场地图还是打分卡\r\n\r\n优先路径：\r\n- 市场规模 -> 二手数据 + 行业报告 + 交叉验证\r\n- 竞品对标 -> 公开信息 + 产品体验 + 用户评价\r\n- 客户洞察 -> 访谈 + 问卷 + 社交媒体挖掘\r\n- 行业趋势 -> 政策 + 技术 + 资本 + 社会变化\r\n\r\n搜索纪律：\r\n- 每次搜索前明确目标，不要漫无目的浏览\n- 优先使用含发布时间、统计口径、数据来源的信息\n- 单一来源数据标注为 `单来源`，不做核心判断依据\n- 发现会影响结论的来源差异时，先核对统计对象、期间、指标定义、币种、含税口径和计算方法；无法调和时并列呈现差异，不用固定百分比直接判为口径不一致\n- 按信息变化速度和决策周期判断时效：价格、政策和竞品信息通常需要较新的资料；长期结构分析可引用较早资料，但要标出资料日期和适用范围\n- 无日期或无来源的信息只能作为线索；关键结论需找到可核验来源或明确标为待验证\n- 调研结束后必须综合提炼，不把搜索结果直接堆入输出\r\n\r\n### 7. 搜索工具使用纪律\n\n只有在需要外部事实支持当前判断时才搜索。宿主提供搜索工具时，先说明要核实的主张，再按目标市场、来源语言和已知缺口构造查询；没有搜索工具时，说明限制并列出待查信息。\n\n评估每条关键证据是否适合支持对应主张，检查出处、数据期间、口径、方法和潜在偏差。按缺口补充查询；当关键主张有足够支持，或新增搜索的预期价值较低时停止。对外部发现保留来源与日期，区分事实、估算和推断。\n\r\n## 强化分析模型\r\n\r\n当用户的问题不只是“指标为什么变了”，而是“公司该不该做、该怎么打、该怎么卖、该怎么管、值不值得投”时，优先补以下模型。\r\n\r\n### 1. 战略分析模型\r\n\r\n适用于方向选择、进入新市场、推出新产品、调整业务边界。\r\n\r\n优先使用：\r\n- `SWOT`：梳理内部优势、劣势与外部机会、威胁\r\n- `PESTEL`：检查政策、经济、社会、技术、环境、法律约束\r\n- `3C`：同时看公司、客户、竞争对手\r\n- `Ansoff` 矩阵：判断市场渗透、市场开发、产品开发、多元化路径\r\n\r\n强化要求：\r\n- 不要只列概念，要指出每个因素如何影响收入、成本、风险或执行难度\r\n- 不要把 `机会` 写成愿望，要说明触发条件和验证方式\r\n- 战略结论必须回答“要不要做、为什么现在做、主要风险是什么”\r\n\r\n### 2. 竞争分析模型\r\n\r\n适用于行业吸引力评估、赛道判断、竞争压力判断、进入壁垒评估。\r\n\r\n优先使用：\r\n- 波特五力\r\n- 战略群组分析\r\n- 竞争对手画像与 Benchmark\r\n\r\n强化要求：\r\n- 五力分析必须落到利润空间、议价能力、替代风险和防御能力\r\n- 竞争对手分析不能只比功能，要比价格、渠道、交付能力、品牌、客户结构\r\n- 最终要回答“行业赚钱难不难、公司凭什么赢、短期最需要防谁”\r\n\r\n### 3. 营销分析模型\r\n\r\n适用于用户分层、目标市场选择、定位、增长转化、投放和促销策略。\r\n\r\n优先使用：\r\n- `STP`\r\n- `4P`\r\n- `AIDA`\r\n- 用户生命周期分析，包括 `LTV`、留存、转化\r\n\r\n强化要求：\r\n- `Segmentation` 不能只按人口属性，要补消费能力、场景、需求强度、行为差异\r\n- `Positioning` 要明确相对谁、靠什么差异化、牺牲什么\r\n- `4P` 不能只讨论促销，必须同时看产品匹配度、价格门槛、渠道效率\r\n- 最终要回答“卖给谁、为什么买、通过什么路径成交、利润是否成立”\r\n\r\n### 4. 运营分析模型\r\n\r\n适用于目标管理、执行效率提升、流程优化、增长实验和经营监控。\r\n\r\n优先使用：\r\n- `KPI/OKR`\r\n- 漏斗模型\r\n- 北极星指标\r\n- 精益创业 `Build-Measure-Learn`\r\n\r\n强化要求：\r\n- `OKR` 要区分结果指标和过程指标，避免只写任务\r\n- 漏斗分析要同时输出转化率和绝对损失量\r\n- 北极星指标必须能反映长期价值，而不是短期虚高指标\r\n- 精益创业分析要写清实验假设、验证指标、观察周期和停止条件\r\n\r\n### 5. 财务分析模型\r\n\r\n适用于项目评估、预算决策、资源投入、回报测算和经营健康度判断。\r\n\r\n优先使用：\r\n- `ROI`\r\n- 盈亏平衡点\r\n- 现金流模型\r\n- 杜邦分析\r\n\r\n强化要求：\r\n- `ROI` 不只算静态回报，要明确时间窗和回收周期\n- 盈亏平衡点要拆销量、价格、固定成本、变动成本\n- 现金流分析要区分利润与现金，警惕高利润低现金项目\n- 杜邦分析要拆净利率、周转率、杠杆，避免只看单一利润指标\n\n详细的适用条件、所需数据和误用边界见 [references/metric-playbook.md](references/metric-playbook.md)。\n\r\n### 6. 指标体系与目标管理\r\n\r\n适用于跨团队目标拆解、经营监控、北极星指标设计和指标冲突排查。\r\n\r\n基本要求：\r\n- 从决策目标建立指标树：结果指标连接到可干预的驱动指标，并为关键结果指标配套护栏指标。\r\n- 为关键指标统一定义、粒度、数据源、负责人、刷新频率、目标/基准和异常阈值；区分目标、预测与实际。\r\n- 检查局部指标是否可能诱发短期行为、口径套利或损害客户体验、利润、质量等长期结果。\r\n\r\n指标树设计、护栏和治理字段见 [references/metric-playbook.md](references/metric-playbook.md)。\r\n\r\n### 7. 统计推断与因果评估\r\n\r\n当结论依赖群体差异、时间变化或某项行动的效果时，先确认观测单位、样本覆盖、时间窗和比较对象，再选择描述性比较、实验或准实验方法。报告效果大小与不确定范围，并区分统计证据和业务意义；证据不足时保留为关联或假设。\r\n\r\n评估设计、常见偏差和方法选择见 [references/metric-playbook.md](references/metric-playbook.md)。\r\n\r\n### 8. 方案比较与资源优先级\r\n\r\n当多个行动争用预算、人力、产能或时间时，比较相对于“不行动/维持现状”的增量价值、投入、见效时间、约束、风险和证据置信度。先排除违反硬约束或护栏的方案，再说明推荐顺序、关键权衡和可能改变排序的新信息；不要用未经校准的统一评分公式制造精确感。\r\n\r\n方案比较和资源配置方法见 [references/metric-playbook.md](references/metric-playbook.md)。\r\n\n## 尉缭子商业分析框架（现代转译）\r\n\n处理需要从诊断走到资源配置、执行和复盘的综合经营问题时，可用“制 → 称 → 权 → 分 → 备 → 胜 → 行 → 验”串起分析：\n\n1. **制**：定义决策、指标口径、时间范围和数据责任。\n2. **称**：盘点目标、资源与约束，用驱动树和瓶颈分析检验承载能力。\n3. **权**：比较市场机会、外部条件与组织能力，识别相对优势和短板。\n4. **分**：按贡献、潜力和风险细分客户、产品、渠道或区域，明确资源重点。\n5. **备**：检查执行准备度、领先指标、产能、资金、人才与风险预案。\n6. **胜**：用情景、敏感性、盈亏平衡或预期价值评估方案成立条件与决策门槛。\n7. **行**：把选择转成可控动作、资源安排、负责人和观察指标。\n8. **验**：通过实验、准实验或复盘评估增量效果，更新假设并进入下一轮。\n\n这是基于《尉缭子》若干篇章做的现代经营分析转译，并非原书已有的商业模型；“验”是补入的数据验证环节。按问题挑选适用步骤，不必每次完整展开。定义、问题适配与模型映射见 [references/wei-liaozi-business-framework.md](references/wei-liaozi-business-framework.md)。\n\n## 模型选择规则\n\r\n面对不同问题，优先这样选：\r\n\r\n- “要不要做某件事” -> 战略分析模型 + 财务分析模型\r\n- “这个行业值不值得进” -> 竞争分析模型 + 战略分析模型\r\n- “产品怎么卖、卖给谁” -> 营销分析模型\r\n- “怎么提升执行效率或转化” -> 运营分析模型\r\n- “项目值不值、钱怎么回” -> 财务分析模型\r\n- “这个市场怎么样、能不能进” -> 市场调研 + 战略分析模型\n- “竞争对手在做什么、我们怎么打” -> 市场调研 + 竞争分析模型\n- “目标客户是谁、想要什么” -> 市场调研 + 营销分析模型\n- “实际结果为何偏离预算或上期” -> 差异桥接；收入变化按数据条件使用量价结构拆解\n- “客户、产品或渠道是否盈利” -> 单位经济与贡献毛利，必要时按客群或 cohort 拆分\n- “目标能否达成、结果对假设有多敏感” -> 情景分析与敏感性分析\n- “业绩是否依赖少数客户、产品或渠道” -> 帕累托与集中度分析；同时核对利润贡献和风险暴露\n- “要从经营诊断走到资源配置、执行和复盘” -> 尉缭子商业分析框架；按需组合驱动树、市场比较、分群、情景分析和效果验证\n- “如何设计目标、北极星指标或跨团队指标树” -> 指标体系与目标管理\r\n- “差异是否可靠、某项行动是否产生增量效果” -> 统计推断与因果评估；优先采用与问题和数据条件匹配的比较设计\r\n- “多个项目争用资源、先做哪一个” -> 方案比较与资源优先级；以增量价值、资源约束、风险和证据为依据\r\n\r\n如果问题跨多个层级，先定主模型，再用 1 到 2 个辅助模型补充，不要把所有模型堆在一起。\r\n\r\n## 响应语言与信息缺口规则\r\n\r\n- 默认跟随用户提问语言输出；用户用中文问，就用中文答；用户用英文问，就用英文答。\r\n- 如果用户混合使用多种语言，以主问题语言为准；不要为了显得专业而擅自切换语言。\r\n- 若题目缺少关键口径、时间范围、样本定义、归因口径或对比基准，先指出缺口，再给条件式判断。\r\n- 缺信息时不要硬编数字、样本量、因果链、行业均值或结论强度。\r\n- 若可以继续分析但不能下确定结论，用 `已知 / 推断 / 假设 / 风险` 标记，把不确定性留在台面上。\r\n- 若只缺 1 到 2 个关键前提，优先先给可执行的临时判断，再列出补充数据清单，不要一味卡在追问。\r\n\r\n## 模型使用纪律\r\n\r\n- 先用数据分析主线回答“发生了什么”，再决定是否引入战略、竞争、营销、运营或财务模型解释“为什么”。\r\n- 默认只选 1 个主模型；最多再加 1 到 2 个辅助模型，避免把回答写成模型名词堆砌。\r\n- `模型分析` 必须服务于决策，不要把 SWOT、五力、STP、ROI 当作展示知识点。\r\n- 用模型时必须回答：这个模型为什么适合当前问题，它改变了什么判断，它带来了什么动作。\r\n- 如果用户明显只要快速结论，不要强行展开全套模型；保留主线、删掉花架子。\r\n\r\n## 路由与参考材料使用\r\n\r\n- 如果宿主支持内部路由层，可使用 `src/router.js` 先判断是否属于增长、漏斗、留存、收入利润、效率、市场调研或经营诊断场景。\r\n- 需要理解路由输入输出契约、命中逻辑和提示语拼装方式时，读取 [references/router-design.md](references/router-design.md)。\r\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)。\r\n- 需要常见指标口径、拆解方法、建议动作模板或强化分析模型时，读 [references/metric-playbook.md](references/metric-playbook.md)。\n- 需要端到端经营决策流程时，读 [references/wei-liaozi-business-framework.md](references/wei-liaozi-business-framework.md)。\n- 需要统计推断、实验/准实验评估、指标体系设计或资源优先级比较时，读 [references/metric-playbook.md](references/metric-playbook.md) 对应章节。\r\n- 需要市场调研方法、搜索工具规范、市场规模估算或竞品调研框架时，读 [references/market-research.md](references/market-research.md)。\r\n- 若用户问题偏战略/竞争/营销/财务/市场判断，优先从 `SKILL.md` 保持主线，再按需读取 `metric-playbook.md` 或 `market-research.md` 中对应章节，不要一次把所有参考材料都塞进上下文。\r\n\r\n## 输出要求\n\n先按用户的主要交付需求选择一种主结构；组合任务可补充必要部分，但不要把多套模板完整叠加。\n\n| 主要需求 | 主结构 |\n| --- | --- |\n| 快速判断问题与下一步 | 快速模式：问题定义、关键发现、原因拆解、建议动作 |\n| 诊断指标变化或经营异常 | 通用分析结构：口径、数据质量、发现、驱动、影响、动作、待验证事项 |\n| 市场或竞争调研 | 市场调研结构；使用 `references/market-research.md` |\n| 周/月/季度经营汇报、决策报告 | 报告结构；使用 `references/business-reporting.md` |\n\n报告结构应先给执行摘要与关键结论，再呈现指标和基准、主要驱动、业务影响、风险和行动；根据读者与周期调整篇幅，并标明数据来源、口径及不确定性。\n\n### 通用分析结构\n\r\n1. **问题定义**\r\n2. **口径与范围**\r\n3. **数据质量检查**\r\n4. **关键发现**\r\n5. **原因拆解**\r\n6. **业务影响**\r\n7. **建议动作**\r\n8. **信息缺口 / 待验证假设**\r\n\r\n市场调研主结构：\n\r\n1. **调研问题与决策场景**\r\n2. **关键假设**\r\n3. **信息来源与可信度评估**\r\n4. **市场规模与趋势**（如适用）\r\n5. **竞争格局**（如适用）\r\n6. **客户与需求洞察**（如适用）\n7. **关键发现与结论**\n8. **决策含义、方案比较或建议**（用户需要决策时）\n9. **信息缺口与后续调研建议**\n\r\n其中：\r\n- `关键发现` 只写观察到的事实，不提前混入建议。\n- `原因拆解` 要按影响大小排序，不要罗列无关因素。\n- 短答或常规诊断优先给 1–3 条最相关的动作；正式报告可按需要列出更多已排序行动。\n- 能量化时写明影响和验证指标；无法可靠量化时，可按影响、紧迫性、可行性与证据置信度做定性排序，并说明依据。\n- 使用模型时把计算、假设和局限放在相关的驱动分析中；模型应补强主结构，不另加重复章节。\n\r\n## 快速模式\r\n\r\n如果用户只想快速判断“问题在哪里、先做什么”，最少保留四段：\r\n\r\n1. `问题定义`\r\n2. `关键发现`\r\n3. `原因拆解`\r\n4. `建议动作`\r\n\r\n## 不要这样做\r\n\r\n- 不要在口径不清时直接给结论。\r\n- 不要只看总体均值，不看结构变化。\r\n- 不要把相关性直接写成因果。\r\n- 不要把一次活动、节假日、政策扰动当作长期趋势。\r\n- 不要给“加强运营”“提升转化”这种不可执行建议。\r\n- 不要把未校准的估算写成确定事实；优先级应说明量化或定性依据。\n\r\n## 参考材料\r\n\r\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)\r\n- 需要常见指标与拆解思路时，读 [references/metric-playbook.md](references/metric-playbook.md)\n- 需要市场调研方法与搜索工具规范时，读 [references/market-research.md](references/market-research.md)\n- 需要商业报告结构、WBR/MBR/QBR 编排与交付检查时，读 [references/business-reporting.md](references/business-reporting.md)\n- 需要端到端经营决策流程时，读 [references/wei-liaozi-business-framework.md](references/wei-liaozi-business-framework.md)\n\nFile v1.7.0:README.md\n\n<div align=\"center\">\n\n# 商业数据分析师\n\n**把业务问题转成可靠分析、清晰决策与可验证行动。**\n\n面向增长、转化、留存、收入、运营与市场研究的分析方法、参考资料和轻量意图路由工具。\n\n[![Version](https://img.shields.io/github/package-json/v/phoenixlucky/business-data-analyst-skill?style=flat-square&label=version)](https://github.com/phoenixlucky/business-data-analyst-skill/blob/main/package.json)\n[![Stars](https://img.shields.io/github/stars/phoenixlucky/business-data-analyst-skill?style=flat-square&label=stars)](https://github.com/phoenixlucky/business-data-analyst-skill/stargazers)\n[![Forks](https://img.shields.io/github/forks/phoenixlucky/business-data-analyst-skill?style=flat-square&label=forks)](https://github.com/phoenixlucky/business-data-analyst-skill/forks)\n[![Issues](https://img.shields.io/github/issues/phoenixlucky/business-data-analyst-skill?style=flat-square&label=issues)](https://github.com/phoenixlucky/business-data-analyst-skill/issues)\n[![Last commit](https://img.shields.io/github/last-commit/phoenixlucky/business-data-analyst-skill?style=flat-square&label=updated)](https://github.com/phoenixlucky/business-data-analyst-skill/commits/main)\n![Node.js 18+](https://img.shields.io/badge/Node.js-%E2%89%A518-339933?style=flat-square&logo=nodedotjs&logoColor=white)\n\n[快速开始](#快速开始) · [分析能力](#分析能力) · [意图路由](#意图路由) · [项目结构](#项目结构) · [边界说明](#边界说明)\n\n</div>\n\n---\n\n## 项目简介\n\n本项目帮助分析者沿着一条清晰的经营分析主线工作：**定义问题与指标口径 → 检查数据质量 → 拆解业务驱动 → 评估影响 → 形成行动 → 验证效果**。\n\n仓库包含可供 AI 宿主使用的分析技能说明、模型手册、报告与市场研究指南，以及一个不依赖外部库的 Node.js 关键词路由器。它提供分析方法和问题路由，不连接业务数据源，也不代替分析者核验数据与结论。\n\n## 快速开始\n\n### 将分析技能用于宿主环境\n\n从 [SKILL.md](SKILL.md) 开始。根据任务再读取 `references/` 中对应专题，避免一次加载全部材料。分析所需的数据、计算能力及网页搜索由宿主环境提供。\n\n### 在 Node.js 中调用意图路由\n\n要求 **Node.js 18 或更高版本**。路由器只分析输入文本并返回场景提示，不查询数据或执行业务分析。\n\n```js\nconst { routeSkillIntent } = require(\"./src\");\n\nconst result = routeSkillIntent(\"最近续费率下降，帮我定位原因并给动作建议\");\n\nconsole.log(result.intent);     // retention_analysis\nconsole.log(result.promptHint); // 优先做 cohort、续费和流失阶段拆解。\n```\n\n也支持对象形式：\n\n```js\nconst result = routeSkillIntent({\n  message: \"请分析注册到支付的转化漏斗\",\n});\n```\n\n## 分析能力\n\n| 领域 | 覆盖内容 |\n| --- | --- |\n| 经营诊断 | 指标口径、数据质量、趋势和结构拆解、驱动因素与业务影响 |\n| 增长与客户 | 增长、漏斗、留存、复购、续费、流失和 cohort 分析 |\n| 收入与效率 | 收入利润、贡献毛利、单位经济、产能与运营效率 |\n| 市场与竞争 | 市场规模、行业趋势、竞争格局、客户需求与证据评估 |\n| 报告与决策 | 商业报告、WBR/MBR/QBR、指标体系、方案比较、行动优先级与验证指标 |\n\n### 可复用的分析模型\n\n- **差异桥接与量价拆解**：解释实际结果相对预算、目标或基准期的变化。\n- **单位经济与贡献毛利**：评估客群、产品、订单、渠道或门店的边际经济性。\n- **情景与敏感性分析**：比较假设、约束、方案结果和关键变量影响。\n- **帕累托与集中度分析**：检查贡献结构、关键依赖和组合风险。\n- **统计推断与因果评估**：报告差异的不确定性，设计实验或适用的准实验。\n- **指标树与资源优先级**：连接结果、驱动和护栏指标，按增量价值与约束比较方案。\n\n每个模型均说明适用条件、所需数据与误用边界，避免只罗列框架名称。\n\n### 尉缭子商业分析框架（现代转译）\n\n通过“**制 → 称 → 权 → 分 → 备 → 胜 → 行 → 验**”串联问题定义、资源与约束、外部比较、重点分群、行动准备、方案评估、执行和效果验证。它是现代经营分析转译，**不是《尉缭子》原书已有的商业模型**；其中“验”是补充的数据验证环节。\n\n详见[框架说明](references/wei-liaozi-business-framework.md)。\n\n## 意图路由\n\n路由器支持以下分析场景：\n\n| 场景 | 路由标识 | 示例问题 |\n| --- | --- | --- |\n| 增长分析 | `growth_analysis` | 新增、活跃或销售增长为何变化？ |\n| 漏斗分析 | `funnel_analysis` | 注册到激活或支付的转化在哪一步流失？ |\n| 留存分析 | `retention_analysis` | 续费率、复购或留存为什么下降？ |\n| 收入利润分析 | `revenue_analysis` | 收入、毛利或客单价由什么驱动？ |\n| 运营效率分析 | `efficiency_analysis` | 人效、库存或履约效率如何改善？ |\n| 经营诊断 | `business_diagnosis` | 经营结果偏离目标的主要原因是什么？ |\n| 市场调研 | `market_research` | 市场规模、行业趋势或竞争格局如何？ |\n\n## 项目结构\n\n```text\n.\n├── SKILL.md\n├── src/                           # Node.js 意图路由器\n├── test/                          # 路由测试\n├── references/\n│   ├── business-reporting.md      # 商业报告与交付检查\n│   ├── examples.md                # 分析案例\n│   ├── market-research.md         # 市场研究方法\n│   ├── metric-playbook.md         # 指标口径、推断、评估与方案比较\n│   ├── router-design.md           # 路由规则与接口说明\n│   └── wei-liaozi-business-framework.md # 端到端经营决策框架\n├── agents/                        # Agent 元数据\n├── package.json\n└── CHANGELOG.md\n```\n\n## 本地检查\n\n```bash\nnpm test\nnpm run lint\n```\n\n## 边界说明\n\n- 不连接业务数据源，不自行运行 SQL 或统计分析。\n- 不自行执行网页搜索；市场研究需要宿主提供搜索工具。\n- 路由置信度是关键词匹配的启发式分数，不是经校准的概率。\n- 分析结论应基于可追溯数据，并区分事实、推断、假设与风险。\n\n## 版本\n\n当前版本 **1.7.0**。变更记录见 [CHANGELOG.md](CHANGELOG.md)。\n\nFile v1.7.0:_meta.json\n\n{\n  \"ownerId\": \"kn7dpzpqn086by5pfg5sbf64zx80zr6m\",\n  \"slug\": \"business-data-analyst-skill\",\n  \"version\": \"1.7.0\",\n  \"publishedAt\": 1790677346687\n}\n\nFile v1.7.0:references/business-reporting.md\n\n# 商业报告编写指南\n\n本指南用于把数据分析整理成适合阅读、讨论和决策的业务报告。报告应先回答读者关心的业务问题，再提供支持结论的指标、拆解和行动；不要把分析过程或图表本身当作报告目的。\n\n## 动笔前先明确\n\n- **读者与决策**：谁会使用报告？需要了解状态、定位问题，还是批准某项行动？\n- **周期与范围**：报告覆盖的期间、数据截止时间、业务范围和比较基准是什么？\n- **指标与来源**：关键指标的定义、目标值、来源和刷新时间是什么？口径变化要明确说明。\n- **篇幅与形式**：选择一页摘要、周期经营回顾、专题诊断或决策备忘录；只保留支持结论和决策所需的内容。\n\n缺少关键数据时，应标明缺口及其对结论的影响；不要补造数字、目标或归因。\n\n## 默认报告结构\n\n### 1. 标题与范围\n\n用标题说明业务对象和问题，并注明报告周期、数据截止时间、指标范围及必要的口径说明。\n\n### 2. 执行摘要\n\n用 3–5 条先给结论：\n\n- 整体表现相对目标或基准如何？\n- 哪些指标变化最值得关注？\n- 主要驱动因素及业务影响是什么？\n- 接下来建议采取什么行动，或需要读者决定什么？\n\n先写结论，再写证据。区分已验证事实、推断和待验证假设。\n\n### 3. 核心指标概览\n\n优先用简洁表格展示关键指标及对比基准：\n\n| 指标 | 实际值 | 目标/基准 | 差异 | 趋势 | 状态 |\n| --- | ---: | ---: | ---: | --- | --- |\n| 示例指标 | — | — | — | — | 待填 |\n\n差异需注明采用绝对值还是百分比；指标方向可能因业务语境而异，状态判断应说明阈值或规则。只纳入与报告目的相关的指标。\n\n### 4. 关键发现与驱动因素\n\n按业务影响从大到小组织发现。每项发现说明观察到的变化、对比范围、主要分层或驱动因素，以及证据的可靠程度。总体变化要按需要拆到渠道、产品、地区、客群、时间或流程环节；避免堆砌无关切片。\n\n关键数字与外部事实应在相邻文字、图表注释或表格脚注中标出来源、链接、发布日期/数据期间和关键口径。二手资料尽量追溯原始来源；无法核实的内容标明为估算、单来源或待验证，不要只在报告末尾放一组无法对应具体主张的来源。\n\n### 5. 业务影响、风险与展望\n\n量化对收入、利润、客户、运营或战略目标的影响。无法精确估计时，给出有依据的范围或定性判断，并说明假设。列出关键风险、数据限制和需要继续验证的问题。\n\n### 6. 行动与决策\n\n| 优先级 | 行动 | 负责人 | 截止时间 | 验证指标/目标 | 状态或所需决策 |\n| --- | --- | --- | --- | --- | --- |\n| — | — | — | — | — | — |\n\n行动要明确下一步和验证方式。优先级有量化证据时展示预期影响；无法可靠量化时，按影响、紧迫性、可行性和证据置信度定性排序并说明依据。负责人、日期或目标未知时标为待确认，不要自行编造。\n\n## 按报告周期调整\n\n- **周报（WBR）**：突出本周目标进度、异常变化、近期驱动因素、下周重点和未完成行动；控制指标数量，聚焦需要快速处理的偏差。\n- **月报（MBR）**：比较实际与目标、上月和必要的同比基准；解释月度业绩驱动、结构变化、预测风险和纠偏行动。\n- **季度经营回顾（QBR）**：评估季度目标与关键结果，解释结构性趋势和资源投入产出，回顾上季行动效果，并列出下一季度的选择与决策。\n- **专题诊断或决策报告**：围绕一个明确问题展开，重点呈现口径、证据、原因、影响、方案比较与建议，不必套用完整周期汇报结构。\n\n周期报告应沿用稳定的指标定义和展示顺序；定义或目标变更时标注变化，避免把口径变化误读成业务变化。\n\n## 图表与表达\n\n- 每张图回答一个具体问题，标题直接说明要点或比较对象。\n- 标明单位、时间范围、数据来源和必要的样本量；展示目标线或基准时注明其定义。\n- 趋势用折线、构成用堆叠或条形、排序比较用条形；避免装饰性图表和误导比例尺度。\n- 正文优先使用短标题、结论句和少量证据；将明细表、口径定义和补充计算放入附录。\n- 在全文中清楚区分事实、解释、建议和待验证假设，不把相关性直接写成因果。\n\n## 交付前检查\n\n- 报告是否回答了读者的业务问题和决策需求？\n- 每个关键数字或外部事实是否就近注明来源、链接、发布日期/数据期间、口径和比较基准？\n- 结论是否能由报告中的证据支持，且不确定性已明确标出？\n- 行动是否有清楚的下一步和验证指标？未知字段是否标为待确认？\n- 摘要能否让读者快速理解表现、原因、影响和所需决策？\n\nFile v1.7.0:references/examples.md\n\n# 商业数据分析示例\r\n\r\n## 示例 1：电商 GMV 下滑\r\n\r\n用户请求：\r\n`帮我分析为什么 3 月 GMV 比 2 月下降了 12%。`\r\n\r\n建议输出骨架：\r\n\r\n```md\r\n## 问题定义\r\n3 月 GMV 环比下降 12%，需要判断是季节性回落、流量问题、转化问题，还是客单价与结构变化导致。\r\n\r\n## 口径与范围\r\n- 指标：GMV，按支付成功口径\r\n- 时间：2026-03 vs 2026-02\r\n- 粒度：日、渠道、品类、新老客\r\n\r\n## 数据质量检查\r\n- 排除支付回传延迟\r\n- 检查 3 月是否有埋点或归因口径变更\r\n\r\n## 关键发现\r\n- 总访客下降 5%\r\n- 下单转化率下降 4%\r\n- 客单价下降 3%\r\n- 某核心投放渠道流量下降最明显\r\n\r\n## 原因拆解\r\n1. 付费渠道流量缩量贡献了主要跌幅\r\n2. 低价品类占比提升，拉低客单价\r\n3. 老客复购基本稳定，问题主要出在新客获取\r\n\r\n## 业务影响\r\n- 预计月度收入少 X\r\n- 若渠道恢复不到位，下月仍有延续风险\r\n\r\n## 建议动作\r\n1. 先修复核心渠道投放与素材供给，观察访客恢复\r\n2. 对低转化落地页做 A/B 测试，追踪下单转化率\r\n3. 单独监控高客单品类占比，避免结构继续恶化\r\n```\r\n\r\n## 示例 2：SaaS 续费率下降\r\n\r\n用户请求：\r\n`最近续费率从 78% 掉到 71%，帮我定位原因并给动作建议。`\r\n\r\n优先分析：\r\n- 按客户规模、行业、销售团队、版本、首签月份拆 cohort\r\n- 区分续费率下降是到期客户结构变化，还是同类客户真实变差\r\n- 关联产品使用深度、工单量、NPS、价格调整记录\r\n\r\n## 示例 3：门店人效差异大\r\n\r\n用户请求：\r\n`为什么华东门店人效明显高于华南？`\r\n\r\n优先分析：\r\n- 人效定义：销售额/人时，还是毛利/人头\r\n- 对比客流、转化率、连带率、客单价、排班、店型结构\r\n- 区分“单店效率差”与“区域结构差”\r\n\r\n## 示例 4：活动复盘\r\n\r\n用户请求：\r\n`帮我复盘这次大促是否值得继续做。`\r\n\r\n至少回答：\r\n- 增量收入是否覆盖补贴、投放、履约和客服成本\r\n- 新客质量是否达标，活动后 7/30 天留存如何\r\n- 是否只是把自然单前移，还是创造了新增需求\n\nFile v1.7.0:references/market-research.md\n\n# 市场调研方法手册\r\n\r\n## 适用场景\r\n\r\n市场调研适用于以下场景：\r\n\r\n- 进入新市场或新赛道前评估机会\r\n- 分析行业规模、增长趋势与竞争格局\r\n- 了解目标客户需求、痛点与决策路径\r\n- 对标竞争对手的产品、价格、渠道与品牌\r\n- 验证或修正业务假设（市场规模、客户意愿、定价空间）\r\n- 为战略分析（SWOT、PESTEL、3C、五力）提供外部事实输入\r\n\r\n## 调研流程\r\n\r\n### 1. 定义调研问题\r\n\r\n回答三个问题：\r\n\r\n- **决策问题**：调研结果要支持什么决策？（进入/不进入、定价多少、优先攻哪个客群）\r\n- **关键假设**：隐含了哪些需要验证的假设？（市场够大、客户愿意付这个价、竞品没有壁垒）\r\n- **输出形式**：报告、打分卡、市场地图还是数据表？\r\n\r\n### 2. 设计调研策略\r\n\r\n根据问题类型选择调研路径：\r\n\r\n| 问题类型 | 首选路径 | 辅助路径 |\r\n|---|---|---|\r\n| 市场有多大、增长多快 | 二手数据 + 行业报告 | 专家访谈验证 |\r\n| 客户想要什么、痛点在哪 | 用户访谈 + 问卷 | 社交媒体/评论挖掘 |\r\n| 竞争对手在做什么 | 二手数据 + 产品体验 | 渠道走访 |\r\n| 定价是否合理 | 竞品价格映射 + 问卷 | 价格敏感度测试 |\r\n\r\n### 3. 执行信息收集\r\n\r\n按问题选择来源；以下是常见来源类型，不构成跨问题的固定优先级：\n\r\n1. **公开权威数据**：国家统计局、央行、行业协会、白皮书、上市公司财报\r\n2. **行业研究**：艾瑞、QuestMobile、IDC、Gartner、Forrester、36Kr、亿欧等\r\n3. **竞品公开信息**：官网、产品文档、定价页、用户评价、招聘岗位、融资新闻\r\n4. **用户生成内容**：社交媒体、论坛、评论区、电商评价\r\n5. **一手调研**：问卷、访谈、焦点小组、神秘访客\r\n\r\n### 4. 交叉验证与质量评估\r\n\r\n对关键主张逐条检查：\n\n- **是否适合支持这条主张？**区分原始统计、公司披露、调查结果、模型估算、评论和预测；来源名气不能替代证据质量。\n- **能否追溯与复核？**记录发布机构、链接或文档、发布日期、数据期间、定义、样本和方法；尽量回到被引用的原始来源。\n- **时效是否足够？**按信息变化速度和决策周期判断。报告发布日期与数据期间可能不同，两者都要记录；早期数据可用于长期趋势，但不能冒充当前水平。\n- **口径是否匹配？**核对统计对象、地区、期间、币种、含税/净额、单位和计算方法。\n- **可能有哪些偏差？**检查样本覆盖、估算假设、利益关系、宣传目的和幸存者偏差。\n\n来源结果不一致时，先判断口径和范围是否相同，再保留各自数值、区间及出处。不能解释的差异标注为 `待验证`；不得仅凭固定差异百分比推断为口径错误。\n\r\n### 5. 综合输出\r\n\r\n按用户的决策需求选择输出结构；正式报告可参考 [business-reporting.md](business-reporting.md)。事实型调研不必强行给出建议，涉及决策时应明确选项、影响和建议。关键事实、数字和估算应在相邻文字或图表处注明来源、链接、发布日期与数据期间、口径和方法；二手资料尽量追溯原始来源。通常包括：\n\r\n1. **调研结论摘要**：3-5 条最关键发现\r\n2. **市场规模与趋势**：TAM、SAM、SOM、增长率、关键趋势\r\n3. **竞争格局**：主要玩家、市场份额、定位差异\r\n4. **客户与需求洞察**：目标客群画像、核心需求、未被满足的痛点\r\n5. **关键假设验证结果**：哪些假设被支持、哪些被推翻、哪些待验证\r\n6. **决策含义、方案比较或建议**（涉及决策时）\n7. **信息缺口与后续调研建议**\n\r\n---\r\n\r\n## 搜索工具使用规范\r\n\r\n### 何时使用搜索工具\r\n\r\n当以下条件之一成立且宿主提供搜索工具时，启动外部搜索：\n\r\n- 用户明确要求调研、查行业、看竞品、看市场\r\n- 当前分析缺少关键外部事实（市场规模、竞品数据、行业基准）\r\n- 涉及战略/竞争判断需要外部输入（SWOT 的机会/威胁、五力的行业结构）\r\n- 需要验证或反驳一个关于市场的假设\n\n用户要求搜索而宿主没有搜索工具时，说明限制并列出待核实的问题与所需来源。\n\r\n### 搜索策略\r\n\r\n1. **关键词结构化**：围绕待回答的问题形成少量可检验的搜索查询，必要时逐轮补缺口。按目标市场和可用来源选择语言，不要求机械地中英文成对：\n   - 核心概念（行业/市场/产品名）\n   - 限定词（规模、报告、趋势、竞争格局、市场份额）\n\n   示例：\n   ```\r\n   \"中国 SaaS CRM 市场规模 2025\"\r\n   \"SaaS CRM market size 2025 forecast\"\r\n   \"CRM 行业竞争格局 市场份额\"\r\n   ```\r\n\r\n2. **评估来源适用性**：优先使用能直接支持当前主张、可追溯且方法透明的来源。政府统计、监管文件、财报和原始调查常能支持事实；咨询报告、券商研究和行业媒体可提供估算或背景，但要检查方法、引用链和潜在偏向。来源类别是检查起点，不是质量排名。\n\n3. **按缺口迭代并停止**：先收集能回答核心决策问题的证据，再针对未解问题补充查询；当关键主张有足够支持，或新增搜索的预期价值较低时停止。搜索轮数和查询数量按问题调整，不作为硬性配额。\n\r\n### 信息筛选规则\r\n\r\n- 优先使用含发布时间、数据来源、统计口径的信息\n- 单一来源的数据标注为 `单来源`，不做核心判断依据\n- 对会影响结论的差异，核对统计对象、地区、期间、定义、币种、单位、方法和来源引用链；无法调和时保留各自口径和数值\n- 依据变化速度评估新旧：旧资料不自动失效，需说明数据期间与当前决策的关系；未注明日期/来源的材料不得作为关键结论的唯一依据\n- 预测、市场规模估算和调查结果应区分实测值与估算值，保留来源、关键假设和不确定范围\n\r\n### 搜索工具纪律\r\n\r\n- 每次搜索前明确搜索目标，不要漫无目的浏览\r\n- 围绕关键缺口搜索；当核心发现已经交叉验证或继续搜索的边际价值较低时停止\n- 搜索结果优先使用权威来源摘要，非必要不打开全文\r\n- 搜索结束后立即整理关键发现，不把搜索结果直接堆入输出\r\n- 若搜索结果与已有假设矛盾，优先记录矛盾，不要选择性忽略\r\n\r\n---\r\n\r\n## 市场调研方法\r\n\r\n### 1. 市场规模估算\r\n\r\n#### 方法一：自上而下法（Top-down）\r\n\r\n```\r\nTAM（总可用市场） = 目标人群总数 × 年人均消费/年客单价\nSAM（可服务市场） = TAM 中符合地区、客群、场景与产品范围的部分\nSOM（可获得市场） = 预测期间内可触达且可转化的 SAM 部分\n```\n\n逐个定义目标人群、期间、消费/价格口径及纳入边界。可达比例和渗透率必须有依据，并检查是否重复扣减地区、渠道、场景等限制。\n\n适用：行业成熟、有可比的宏观或行业数据时使用。\n\n风险：范围边界和渗透率假设容易导致高估；应以自下而上估算或可比来源交叉检查，并报告假设与区间。\n\r\n#### 方法二：自下而上法（Bottom-up）\r\n\r\n```\r\n收入 = 可服务客户数 × 期间购买率 × 购买客户的期间订单数 × 净客单价\n或\n收入 = 可运营网点数 × 单网点期间销量 × 单位净收入\n```\n\n将变量定义为同一地区、同一期间和一致口径的数量；标注来源、假设及容量约束。若使用增长率，应先说明基数并计算期间末客户数，不能直接把增长率当客户数量相乘。\n\n适用：有可参考的客户、渠道、价格或运营数据时。\n\r\n优势：更贴近实际，适合早期验证。\r\n\r\n#### 方法三：类比法（Analogy）\r\n\r\n```\r\n目标市场 = 相似成熟市场 × 人口/经济/渗透率调整系数\r\n```\r\n\r\n适用：全新市场缺乏直接数据时，参考相似市场的发展路径。\r\n\r\n风险：类比的有效性取决于可比程度，标注关键差异。\r\n\r\n### 2. 竞争分析调研\r\n\r\n需要收集的信息：\r\n\r\n- **产品与定价**：功能对比表、价格分层、免费/付费策略\r\n- **渠道与交付**：销售模式（直销/渠道/自营/平台）、物流、服务网络\r\n- **客户与口碑**：目标客群、客户规模、NPS、评价关键词\r\n- **组织与资源**：团队规模、融资历史、股东背景、招聘方向\r\n- **市场表现**：市场份额趋势、增长率、活跃用户、GMV（如公开）\r\n\r\n信息获取渠道：\r\n\r\n- 竞品官网、产品文档、Help Center\r\n- 第三方评测平台（G2、Capterra、Trustpilot、大众点评端）\r\n- 招聘网站（JD 看方向、规模、薪资）\r\n- 融资新闻、财报（上市或披露公司）\r\n- 用户社区、社交媒体、投诉平台\r\n\r\n### 3. 客户与需求调研\r\n\r\n#### 用户画像调研\r\n\r\n至少覆盖：\r\n\r\n- 人口属性：年龄、地域、职业、收入\r\n- 行为特征：使用频率、使用场景、决策路径\r\n- 需求与痛点：核心需求、未被满足的需求、切换成本\r\n- 信息渠道：通过什么渠道了解产品、信任什么来源\r\n\r\n#### 需求验证方法\r\n\r\n- **问题访谈**：了解用户在什么场景下遇到什么问题，现在怎么解决\r\n- **解决方案测试**：用户是否愿意为方案付钱/花时间\r\n- **价格敏感度测试**：Van Westendorp 或 Gabor-Granger 法\r\n\r\n### 4. 行业与趋势调研\r\n\r\n重点覆盖：\r\n\r\n- **政策环境**：监管态度、行业标准、补贴/限制政策\r\n- **技术驱动**：关键技术成熟度、渗透率、对成本/效率的影响\r\n- **社会变化**：消费习惯、人口结构、工作方式的变化\r\n- **资本流向**：赛道融资总额、头部项目、估值变化\r\n\r\n来源举例（中国）：\r\n\r\n- 国家统计局、工信部、商务部\r\n- 36Kr、晚点、虎嗅、甲子光年、亿欧\r\n- 上市公司财报、招股书\r\n- 券商行业研报（东方财富、Wind）\r\n- 咨询公司报告（McKinsey、BCG、Bain、Deloitte、PwC、KPMG）\r\n\r\n来源举例（国际）：\r\n\r\n- World Bank、IMF、OECD、UN\r\n- Gartner、IDC、Forrester、Frost & Sullivan\r\n- Crunchbase、PitchBook、CB Insights\r\n- SEC filings (10-K, 10-Q)、annual reports\r\n\r\n---\r\n\r\n## 输出质量检查清单\r\n\r\n输出前逐项检查：\r\n\r\n- [ ] 调研问题是否明确对应一个决策场景\r\n- [ ] 每条关键发现都有来源标注（来源 + 时间）\n- [ ] 关键事实附近可定位来源、链接、发布日期/数据期间和口径\n- [ ] 未验证的关键假设已标注 `待验证` 或 `假设`\r\n- [ ] 分歧数据已标注不同口径和出处\r\n- [ ] 市场规模的统计口径已说明（TAM/SAM/SOM、时间段、包含范围）\r\n- [ ] 竞品信息标注了收集时间和可靠程度\r\n- [ ] 没有把搜索结果直接堆砌到输出中，而是做了综合提炼\r\n- [ ] 调研结论直接回答了起始的决策问题\n- [ ] 涉及决策时，呈现决策含义、方案权衡或建议；事实型调研明确保持中立\n\r\n---\r\n\r\n## 与现有分析框架的关系\r\n\r\n市场调研为其他分析框架提供外部输入：\r\n\r\n- `SWOT`：调研结果为机会和威胁提供事实依据\r\n- `PESTEL`：调研覆盖政策、经济、社会、技术维度\r\n- `3C`：调研覆盖客户和竞争对手维度\r\n- `五力`：调研覆盖行业结构、替代品、新进入者\r\n- `STP`：调研覆盖市场细分、客户画像和定位依据\r\n- `4P`：调研覆盖竞品定价、渠道和促销策略\r\n\r\n市场调研本身不替代上述框架，而是在框架需要外部数据时提供输入。调研结果进入分析流程后，仍需遵守 `SKILL.md` 的分析纪律。\n\nFile v1.7.0:references/metric-playbook.md\n\n# 常见指标与拆解手册\r\n\r\n## 增长类\r\n\r\n- `新增用户 = 新注册 / 新激活 / 首购用户`\r\n- `活跃用户 = DAU / WAU / MAU`\r\n- `增长率 = (本期 - 上期) / 上期`\r\n\r\n常见拆法：\r\n- 渠道\r\n- 地区\r\n- 客群\r\n- 产品/品类\r\n- 新老用户\r\n- 自然周 / 自然月 / 活动期\r\n\r\n## 漏斗类\r\n\r\n- `访问 -> 注册 -> 激活 -> 下单 -> 支付`\r\n- `线索 -> 商机 -> 报价 -> 成交 -> 回款`\r\n\r\n常见输出：\r\n- 每层转化率\r\n- 每层流失量\r\n- 最大损失环节\r\n- 分群差异\r\n\r\n## 留存类\r\n\r\n- `次日留存`\r\n- `7日/30日留存`\r\n- `复购率`\r\n- `续费率`\r\n\r\n常见误区：\r\n- 只看总体留存，不看 cohort\r\n- 获客结构变化导致总体留存变化，却误判为产品问题\r\n\r\n## 收入类\r\n\r\n- `收入 = 流量 × 转化率 × 客单价`\r\n- `GMV = 订单量 × 平均订单金额`\r\n- `ARPU = 收入 / 用户数`\r\n- `毛利 = 收入 - 可变成本`\r\n\r\n常见拆法：\r\n- 量价拆解\r\n- 品类结构拆解\r\n- 渠道结构拆解\r\n- 折扣与补贴影响\r\n\r\n## 效率类\r\n\r\n- `人效 = 产出 / 人力投入`\r\n- `坪效 = 销售额 / 面积`\r\n- `库存周转 = 销售成本 / 平均库存`\r\n- `履约时长 = 签收时间 - 下单时间`\r\n\r\n常见拆法：\r\n- 单位产出\r\n- 单位成本\r\n- 周期\r\n- 利用率\r\n- 异常损耗\r\n\r\n## 建议动作模板\r\n\r\n当分析完成后，尽量把建议写成下面的格式：\r\n\r\n`动作 + 负责人类型 + 验证指标 + 观察周期 + 风险`\r\n\r\n示例：\r\n- 优化高流失页面文案，负责人为增长/产品，验证注册转化率，观察 7 天，风险是样本量不足\r\n- 调整低 ROI 渠道预算，负责人为投放，验证获客成本和首购率，观察 2 周，风险是季节性扰动\r\n\r\n## 强化分析模型手册\r\n\r\n### 1. 战略分析模型\r\n\r\n#### SWOT\r\n\r\n适用：\r\n- 公司要不要进入新业务\r\n- 某项战略调整是否具备条件\r\n\r\n分析重点：\r\n- `优势` 是否真的可转化为份额、利润或效率\r\n- `劣势` 是短期可补，还是结构性短板\r\n- `机会` 是否存在明确窗口期\r\n- `威胁` 对收入、毛利、合规、组织能力的影响有多大\r\n\r\n建议输出：\r\n- 关键优势与劣势各 2 到 3 条\r\n- 最重要机会与威胁各 2 条\r\n- 战略结论：做 / 不做 / 延后做\r\n\r\n#### PESTEL\r\n\r\n适用：\r\n- 行业环境变化\r\n- 政策驱动或约束明显的业务\r\n\r\n分析重点：\r\n- 政策和法律会不会改变准入门槛\r\n- 经济周期是否影响需求和支付能力\r\n- 社会趋势是否改变用户偏好\r\n- 技术进步是否重构成本或壁垒\r\n\r\n建议输出：\r\n- 外部环境利好和利空\r\n- 最关键的 1 到 2 个不确定因素\r\n- 对应的应对动作\r\n\r\n#### 3C\r\n\r\n适用：\r\n- 公司能力与市场机会是否匹配\r\n- 增长路径是否可执行\r\n\r\n分析重点：\r\n- `Company`：能力、资源、品牌、渠道、组织效率\r\n- `Customer`：需求强度、场景、支付意愿、决策链\r\n- `Competitor`：价格、交付、渠道、口碑、速度\r\n\r\n建议输出：\r\n- 公司优势是否和客户核心需求匹配\r\n- 与竞争对手相比的关键差异\r\n- 当前最可打的客户切口\r\n\r\n#### Ansoff 矩阵\r\n\r\n适用：\r\n- 讨论增长路径\r\n- 评估新市场或新产品投入\r\n\r\n分析重点：\r\n- 市场渗透：能否在现有市场继续提份额\r\n- 市场开发：进入新区域、新客群是否可行\r\n- 产品开发：新产品是否服务现有客户\r\n- 多元化：风险最高，需额外验证能力匹配\r\n\r\n建议输出：\r\n- 四种路径的机会和风险\r\n- 推荐主路径和不推荐路径\r\n\r\n### 2. 竞争分析模型\r\n\r\n#### 波特五力\r\n\r\n适用：\r\n- 行业利润空间评估\r\n- 赛道壁垒判断\r\n\r\n分析重点：\r\n- 供应商议价能力\r\n- 买方议价能力\r\n- 替代品威胁\r\n- 新进入者威胁\r\n- 现有竞争激烈程度\r\n\r\n建议输出：\r\n- 哪一股力量最压利润\r\n- 公司能否建立护城河\r\n- 行业是否值得长期投入\r\n\r\n#### 战略群组分析\r\n\r\n适用：\r\n- 同行业不同打法分层\r\n- 找直接竞争圈层\r\n\r\n分析重点：\r\n- 按价格带、渠道、目标客户、服务深度分组\r\n- 区分头部、腰部、长尾玩家\r\n\r\n建议输出：\r\n- 我们属于哪个群组\r\n- 最值得对标的 3 类对手\r\n\r\n#### Benchmark\r\n\r\n适用：\r\n- 具体竞争对手比较\r\n- 制定追赶策略\r\n\r\n分析重点：\r\n- 产品力\r\n- 价格力\r\n- 渠道力\r\n- 品牌力\r\n- 交付和服务能力\r\n\r\n建议输出：\r\n- 关键差距\r\n- 可以复制的做法\r\n- 不应盲目跟进的点\r\n\r\n### 3. 营销分析模型\r\n\r\n#### STP\r\n\r\n适用：\r\n- 明确目标用户\r\n- 优化市场定位\r\n\r\n分析重点：\r\n- 细分市场是否足够可识别、可触达、可盈利\r\n- 目标客群选择是否与资源匹配\r\n- 定位是否清晰且可被感知\r\n\r\n建议输出：\r\n- 重点客群画像\r\n- 放弃哪些客群\r\n- 核心定位语句\r\n\r\n#### 4P\r\n\r\n适用：\r\n- 产品上市\r\n- 营销组合优化\r\n\r\n分析重点：\r\n- 产品是否解决核心痛点\r\n- 价格是否匹配价值与竞争环境\r\n- 渠道是否覆盖关键触点\r\n- 促销是否带来真实增量\r\n\r\n建议输出：\r\n- 当前最短板的 `P`\r\n- 优先优化顺序\r\n\r\n#### AIDA\r\n\r\n适用：\r\n- 广告投放\r\n- 内容转化链路分析\r\n\r\n分析重点：\r\n- 注意获取是否足够\r\n- 兴趣是否被建立\r\n- 欲望是否被强化\r\n- 行动是否有阻碍\r\n\r\n建议输出：\r\n- 卡点在哪一层\r\n- 每层的改进建议\r\n\r\n#### 用户生命周期\r\n\r\n适用：\r\n- 拉新转化留存一体化分析\r\n- 评估用户长期价值\r\n\r\n分析重点：\r\n- 获客成本与首购转化\r\n- 留存和复购变化\r\n- `LTV/CAC` 是否成立\r\n\r\n建议输出：\r\n- 哪个阶段损失最大\r\n- 哪类用户长期价值最高\r\n\r\n### 4. 运营分析模型\r\n\r\n#### KPI / OKR\r\n\r\n适用：\r\n- 经营目标拆解\r\n- 团队执行跟踪\r\n\r\n分析重点：\r\n- 目标是否清晰\r\n- 指标是否能反映目标\r\n- 过程指标是否支持结果达成\r\n\r\n建议输出：\r\n- 北极目标\r\n- 关键结果\r\n- 过程监控指标\r\n\r\n#### 漏斗模型\r\n\r\n适用：\r\n- 注册、激活、下单、销售转化\r\n\r\n分析重点：\r\n- 每层转化率\r\n- 绝对损失量\r\n- 分群差异\r\n\r\n建议输出：\r\n- 最大损失环节\r\n- 优先修复环节\r\n\r\n#### 北极星指标\r\n\r\n适用：\r\n- 统一增长方向\r\n- 防止团队目标分散\r\n\r\n分析重点：\r\n- 指标是否代表长期用户价值\r\n- 是否可被团队关键动作驱动\r\n\r\n建议输出：\r\n- 北极星指标定义\r\n- 一级驱动因子\r\n- 监控频率\r\n\r\n#### Build-Measure-Learn\r\n\r\n适用：\r\n- 新功能试验\r\n- 增长实验\r\n\r\n分析重点：\r\n- 假设是否清晰\r\n- 度量指标是否可验证\r\n- 学习结果是否能进入下一轮决策\r\n\r\n建议输出：\r\n- 实验假设\r\n- 成功阈值\r\n- 继续 / 停止 / 调整结论\r\n\r\n### 5. 财务分析模型\n\r\n#### ROI\r\n\r\n适用：\r\n- 项目投放\r\n- 预算审批\r\n\r\n分析重点：\r\n- 投入项是否算全\r\n- 收益是否考虑时间窗口\r\n- 是否存在延迟回收\r\n\r\n建议输出：\r\n- 静态 ROI\r\n- 回收周期\r\n- 敏感性因素\r\n\r\n#### 盈亏平衡点\r\n\r\n适用：\r\n- 新项目立项\r\n- 价格或销量方案评估\r\n\r\n分析重点：\r\n- 固定成本\r\n- 变动成本\r\n- 单位贡献毛利\r\n\r\n建议输出：\r\n- 需要达到的销量或收入门槛\r\n- 达成门槛的前提条件\r\n\r\n#### 现金流模型\r\n\r\n适用：\r\n- 高增长但重投入项目\r\n- 回款周期长的业务\r\n\r\n分析重点：\r\n- 收入确认与回款时间差\r\n- 库存、应收、预付款占用\r\n- 现金缺口出现时间\r\n\r\n建议输出：\r\n- 现金流高风险环节\r\n- 关键资金压力点\r\n\r\n#### 杜邦分析\r\n\r\n适用：\r\n- 经营质量复盘\r\n- 多业务单元比较\r\n\r\n分析重点：\r\n- 净利率\r\n- 资产周转率\r\n- 财务杠杆\r\n\r\n建议输出：\n- 回报由利润驱动还是效率驱动\n- 关键改善方向\n\n### 6. 目标差异桥接与量价结构拆解\n\n适用：\n- 实际结果偏离预算、目标、上期或同期\n- 需要解释收入变化由销量、价格、产品/客户组合或其他驱动带来多少\n\n所需数据：\n- 实际期与基准期/目标期的同口径数据\n- 可比粒度下的数量、净价及细分维度（如 SKU、渠道、地区）\n- 折扣、退货、汇率、范围变更等会影响收入的调整项\n\n步骤与输出：\n1. 先核对实际与基准的范围、期间、币种和指标定义。\n2. 计算总差异，并按业务驱动拆解成可解释的桥接项。\n3. 收入可写成 `R = Σᵢ(Pᵢ × Qᵢ)`；单一产品时，`ΔR = P₀ΔQ + Q₀ΔP + ΔPΔQ`。多产品的价格、销量和组合拆分需明确采用的分解顺序或分摊约定。\n4. 用瀑布表/瀑布图呈现基准、各项影响、未解释残差和实际结果；桥接项应能加总回总差异。\n\n边界：\n- 用产品级数据拆分价格和组合变化，避免把产品结构变化误读成平均售价变化。\n- 分解结果可能依赖顺序或交互项分摊方法；标明方法，并对重要结论做替代方法敏感性检查。\n- 总差异接近零或驱动项彼此抵消时，贡献百分比会失真；优先展示金额和方向。\n- 缺少关键分层数据时，把未解释部分标为残差，不强行归因。\n\n### 7. 单位经济与贡献毛利\n\n适用：\n- 判断客户、订单、产品、门店或渠道的边际盈利能力\n- 评估获客投入、客户回收周期或规模扩张的经济性\n\n常用计算：\n- `单位贡献毛利 = 单位净收入 − 单位变动成本`\n- `贡献毛利率 = 贡献毛利 / 净收入`\n- `盈亏平衡销量 = 固定成本 / 单位贡献毛利`（单位贡献毛利为正，且价格、成本和销量关系近似稳定时）\n- `渠道 CAC = 归属于该渠道及 cohort 的获客成本 / 同口径新增付费客户数`\n- 回收期按累计贡献现金流覆盖 CAC 的时间计算；LTV 应基于指定期间内的预期贡献毛利，而不是直接用 GMV 或收入代替。\n\n所需数据与输出：\n- 明确核算对象、时间窗、净收入、变动成本范围、固定成本分摊和获客归因规则。\n- 按渠道、客群、产品或 cohort 比较单位贡献、CAC、回收期和盈亏平衡条件。\n- 报告规模变化需要增加的资源、现金流时点及关键假设。\n\n边界：\n- 说明变动成本边界；只扣直接履约成本的贡献指标不能称为全成本利润。\n- CAC、LTV 和回收期必须使用一致的客群、渠道、毛利口径与观察期间；行业间没有可直接套用的统一 LTV/CAC 门槛。\n- 平均值会遮住不同 cohort 的留存、扩张和回款差异；重要决策按 cohort 展示。\n- 单位贡献毛利不为正时，不存在有限的正向盈亏平衡销量；容量、折扣和规模成本变化会破坏线性假设。\n\n### 8. 情景预测与敏感性分析\n\n适用：\n- 目标达成、预算、资源投入或市场机会对关键假设敏感\n- 需要比较不同外部环境或执行方案下的结果\n\n步骤与输出：\n1. 建立能与实际数据核对的驱动模型，如 `收入 = 订单数 × 净客单价`，并明确期间和变量定义。\n2. 给出基准、上行和下行情景；每个情景列出驱动假设、约束、结果区间和可能触发条件。\n3. 对单个关键输入做敏感性检查；需要时用二维表或龙卷风图展示影响最大的假设。\n4. 用实际结果滚动校准假设，并区分情景、预测和目标。\n\n边界：\n- 情景用于比较假设，不自动代表概率预测；只有依据充分时才赋予概率。\n- 不把单因素敏感性结果简单相加；多项输入相关或存在交互时，使用一致的组合情景。\n- 上下行情景应由业务约束和证据支持，不机械套用固定百分比。\n- 明示基准数据、时间范围、名义/实际金额及汇率或折现假设（如适用）。\n\n### 9. 帕累托与集中度分析\n\n适用：\n- 判断收入、利润、客户、SKU、供应商或渠道是否集中于少数对象\n- 排定排查顺序，评估单点依赖和组合结构风险\n\n步骤与输出：\n1. 选定同一期间、同一口径的目标指标，按实体贡献排序。\n2. 展示头部对象占比、累计贡献曲线和剩余长尾；可用 `累计占比 = 累计贡献 / 总贡献`。\n3. 当份额均为非负且类别完整互斥时，可用 `HHI = Σᵢ(sᵢ²)` 作为集中度补充，并说明份额用小数还是百分数计算。\n4. 对关键集中项联看利润、波动、替代性和依赖风险，说明后续动作。\n\n边界：\n- 80/20 是经验启发，不是必须出现的比例；不按它强行分组。\n- 集中度能描述“贡献集中在哪里”，本身不能解释原因或证明因果。\n- 负值、零总额、重叠归因或不完整类别会使累计占比/HHI失真；此时报告绝对值或 Top-N 占比并解释口径。\n- 高集中既可能带来效率，也可能形成依赖风险，需结合业务可替代性和波动判断。\n\r\n### 10. 统计推断与不确定性\r\n\r\n适用：\r\n- 比较不同客群、渠道、地区、实验组或时间段的结果\r\n- 需要判断观察到的差异是否足以支持业务行动\r\n\r\n分析步骤：\r\n1. 明确要估计的量、分析单位、目标总体、样本来源、观察窗口和比较对象；区分用户级、订单级、门店级等不同粒度。\r\n2. 检查样本覆盖、缺失、重复、选择偏差、指标分布、时间相关性和口径变化；必要时按关键基线变量分层查看。\r\n3. 展示样本量、绝对差异和相对差异。数据与设计允许时，给出置信区间或其他合适的不确定范围；说明使用的估计方法。\r\n4. 判断差异是否达到业务上有意义的幅度，不能只凭显著性判断是否值得行动。对低样本或高波动结果，降低结论强度，或按事先规定的观察期补充样本。\r\n5. 若同时查看大量指标、分群或时间切片，标记探索性发现，并用预先定义的假设、校正方法或独立数据复核关键结论。\r\n\r\n边界：\r\n- 置信区间描述在指定设计和假设下的估计不确定性，不会自动消除抽样偏差、测量错误或混杂因素。\r\n- 用户/门店重复观测、集群分配或时间序列会破坏独立样本假设；估计方法应反映实际的随机化或抽样单位。\r\n- 当样本量、数据生成过程或必要假设未知时，不编造显著性结论；优先报告描述性差异和限制。\r\n- 多次切片后挑出最大差异会夸大偶然发现；把此类结果作为后续验证线索。\r\n\r\n### 11. 因果评估与实验设计\r\n\r\n适用：\r\n- 判断产品改动、营销活动、定价、政策或流程变更是否造成结果变化\r\n- 需要在继续、调整、停止或扩大投入之间作决定\r\n\r\n方法选择：\r\n- 能控制分配且干扰风险可管理时，优先使用随机实验；按实际分配单位随机，并事先定义主要结果指标、护栏、观察窗和停止规则。\r\n- 无法随机时，根据处理发生方式、时间和可用对照选择可信的准实验设计，例如差分中的差分、断点回归；匹配等调整方法只有在识别假设合理时才支持因果解释。说明识别假设及其可检验部分。\r\n- 只有前后对比或观察性数据时，描述同期变化和可能混杂，避免将变化直接归因于行动。\r\n\r\n执行与报告：\r\n1. 在看结果前写清处理对象、对照对象、纳入规则、主要指标、护栏指标、观察期和判断门槛。\r\n2. 检查分配执行、样本流失、组间污染、同期活动、季节性和溢出效应；实验按分配组报告总体效果，另将依从性分析作为补充。\r\n3. 报告绝对效果、相对效果、不确定范围、样本量和设计限制；分别说明统计证据、业务价值和外推范围。\r\n4. 将结果映射到事先约定的决策：扩大、继续观察、调整、停止或重做设计，并记录适用人群和复盘时间。\r\n\r\n边界：\r\n- 不因中途看到有利结果就提前停止或反复查看并挑选有利指标；需中期分析时，预先规定规则并使用匹配的方法。\r\n- 随机实验的结论通常只适用于实验覆盖的人群、场景和时段；推广前检查外部有效性与容量约束。\r\n- 准实验依赖设计假设。若关键假设明显不成立或无法评估，降低因果结论强度。\r\n- 对存在隐私、公平性、安全或不可逆影响的干预，先评估风险和必要的审查要求，再确定实验范围。\r\n\r\n### 12. 指标体系与目标管理\r\n\r\n适用：\r\n- 建立公司、业务线或团队的指标树\r\n- 设计北极星指标、OKR、经营看板和目标复盘机制\r\n\r\n设计步骤：\r\n1. 从业务目标和目标用户价值出发，选定可观察的结果指标；检查指标是否能代表目标，而非只因易采集或短期易提升而入选。\r\n2. 将结果指标拆成可被业务动作影响的驱动指标，标明指标之间的业务机制和假设；无法解释的关联先作为待验证关系。\r\n3. 为结果指标配置护栏，覆盖可能被牺牲的长期价值，如毛利、留存、质量、风险或客户体验；按问题选择，不要求每个指标配齐所有护栏。\r\n4. 为每个关键指标建立定义记录：名称、计算逻辑、单位、粒度、范围、数据源、负责人、刷新频率、基准、目标及异常阈值。标记定义或数据源变更。\r\n5. 区分结果指标与领先/过程指标，也区分目标、预测和实际；目标需说明基线、期间、约束和制定依据。\r\n6. 定期复核指标是否仍能反映目标，检查局部优化、目标冲突、口径漂移和指标博弈，并记录调整原因及生效时间。\r\n\r\n输出至少包含：\r\n- 一张从目标到结果指标、驱动指标和护栏指标的简明指标树\r\n- 关键指标定义与责任信息\r\n- 当前实际、基准/目标、趋势和需要触发的管理动作\r\n- 指标间的主要权衡、未经验证的机制假设和复核周期\r\n\r\n边界：\r\n- 北极星指标不能替代财务、客户、质量和风险护栏；单一指标容易被局部优化。\r\n- 过程指标只能作为可控驱动的代理，不能在未经验证时当作结果保证。\r\n- 不为所有团队强行共用同一层级或目标；指标树应反映实际价值链和责任边界。\r\n\r\n### 13. 方案比较与资源优先级\r\n\r\n适用：\r\n- 多个项目或行动争用预算、人力、产能、时间或管理注意力\r\n- 需要决定先试点、扩大、延后或停止哪些方案\r\n\r\n比较步骤：\r\n1. 列出可选方案、维持现状/不行动方案、硬性约束和必须守住的护栏。\r\n2. 对每个方案估计相对基线的增量收益、成本、现金流、资源占用、见效时间和退出成本；避免将总市场规模或历史相关性当作方案增量收益。\r\n3. 展示基准及上下行情景、关键假设、证据置信度、主要下行风险、依赖项和可逆性；可能时用同一时间窗及净现值口径比较。\r\n4. 先筛除违反硬约束或护栏的方案，再根据战略契合度、单位资源回报、时效、风险和证据质量形成排序；说明排序依据和关键权衡。\r\n5. 识别组合层面的依赖与资源瓶颈。若信息不足但可低成本试点，比较试点成本与其可能带来的信息价值，并预设扩大、调整和停止门槛。\r\n6. 给出推荐顺序、资源安排建议、负责人/决策人待确认项、检查节点，以及会改变排序的关键新证据。\r\n\r\n建议对照表：\r\n\r\n| 方案 | 增量结果/价值 | 投入与资源 | 见效时间 | 风险/护栏 | 证据置信度 | 决策 |\r\n| --- | --- | --- | --- | --- | --- | --- |\r\n| — | — | — | — | — | — | — |\r\n\r\n边界：\r\n- 不把不同单位、不同期间的金额或回报率直接排序；统一口径，说明折现、风险和归因假设。\r\n- 不把多个维度压成未经校准的单一分数；如确需加权评分，公开权重、依据和敏感性。\r\n- 资源优先级是相对选择，必须保留机会成本和被延后方案；战略必要性、法规要求或风险控制也可能构成硬约束。\r\n- 估算不确定性较大时，优先明确决策门槛与试点信息价值，而不是给出虚假的精确排名。\n\nFile v1.7.0:references/router-design.md\n\n# 路由设计与实现\n\n## 职责\n\n`src/router.js` 是一个可解释的关键词路由层，判断请求是否属于商业分析，并在命中后分到一个分析子场景。它只返回意图、置信度、原因和提示语，不读取业务数据、不执行分析，也不调用搜索工具。\n\n## 输入与输出\n\n公开入口 `routeSkillIntent(input)` 接受字符串，或至少包含 `message` 字符串的对象。对象中的其他字段（例如 `locale`、`metadata`）目前不会参与判断。\n\n命中时返回：\n\n```js\n{\n  matched: true,\n  intent: \"retention_analysis\",\n  confidence: 0.72,\n  reason: \"命中留存分析，检测到相关问题模式和关键词。\",\n  promptHint: \"优先做 cohort、续费和流失阶段拆解。\"\n}\n```\n\n未命中时 `intent` 和 `promptHint` 为 `null`。`detectBusinessAnalysis(message)` 用于单独检查是否属于业务分析；`detectIntent(message)` 用于单独识别子场景。\n\n## 当前意图与优先级\n\n路由目前覆盖：\n\n- `growth_analysis`：增长分析\n- `funnel_analysis`：漏斗分析\n- `retention_analysis`：留存分析\n- `revenue_analysis`：收入利润分析\n- `efficiency_analysis`：运营效率分析\n- `business_diagnosis`：经营诊断\n- `market_research`：市场调研\n\n意图分数为命中的非重叠关键词数。同一较长关键词中包含的短关键词不会重复计分。分数相同时按规则中显式声明的 `priority` 选择，不依赖数组排列；置信度仍是规则匹配分数的启发式映射，不代表校准后的概率。\n\n业务场景门控要求至少命中一个业务信号，且综合分数达到 0.2。纯技术或通用写作请求应排除。未识别到具体子场景但已通过业务门控时，默认进入 `business_diagnosis`。\n\n## 维护约定\n\n- 新增关键词或意图时，在 `test/router.test.js` 增加真实输入与预期路由的测试。\n- 为会同时命中多个意图的输入明确优先级，并用测试锁定结果。\n- 路由规则保持轻量和可解释；路由只负责分流，最终分析仍遵守 [SKILL.md](../SKILL.md)。\n- 市场调研所需的数据和网页搜索能力由宿主提供；路由提示语不会执行这些操作。\n\nFile v1.7.0:references/wei-liaozi-business-framework.md\n\n# 尉缭子商业分析框架（现代转译）\n\n本框架把《尉缭子》若干篇章中关于先定制度、权衡条件、审察形势、备而后动等思想，转译为现代经营分析流程。**《尉缭子》原书并不存在这套商业模型**；“制 → 称 → 权 → 分 → 备 → 胜 → 行 → 验”是现代分析者组织问题的工作框架，其中“验”是基于数据分析实践补充的验证环节。古代军事语境不等同于现代经营管理，使用时应保留原意边界，避免将古籍包装成现代实证方法。\n\n## 适用场景\n\n- 经营问题涉及多个环节，需要由诊断推进到方案选择、资源安排和复盘。\n- 需要同时看市场机会、内部产能、客群/产品结构、投入回报和执行风险。\n- 需要把年度/季度目标转成可跟踪的经营动作与验证机制。\n\n纯指标查询、单项指标诊断或用户明确只要简答时，不必展开完整八步；选最相关环节即可。该框架用于组织判断，不能替代可信数据、合适的统计设计、专业财务审核或合规审查。\n\n## 八步流程\n\n| 步骤 | 经营分析问题 | 常用方法与输出 |\n| --- | --- | --- |\n| **制：定问题与口径** | 谁要决定什么？成功如何定义？数据覆盖哪些对象与期间？目标由哪些结果与驱动指标衡量？ | 决策陈述、指标树、护栏、指标字典、时间窗、比较基准、数据责任与质量检查。 |\n| **称：衡量资源与约束** | 当前目标与能力是否匹配？最紧的约束在哪里？ | 驱动树、产能/容量模型、瓶颈分析、供需与现金流约束。 |\n| **权：比较外部与内部条件** | 机会多大、变化多快？组织在哪些环节有能力或短板？ | 市场研究、竞争基准、客户需求、能力盘点；区分事实、估算和推断。 |\n| **分：识别差异与重点** | 哪些客群、产品、渠道或区域贡献不同？资源优先投向哪里？ | 分群、cohort、贡献毛利、Pareto/集中度、潜力与风险分层。 |\n| **备：检查行动准备度** | 落地需要哪些前置条件？如何尽早发现执行偏差？ | 领先指标、人员/资金/供应/系统准备度、风险清单、触发条件和预案。 |\n| **胜：评估方案成立条件** | 方案在什么条件下值得做？相对维持现状的增量价值、机会成本、边界和失败条件是什么？ | 方案比较、基准/上行/下行情景、敏感性、盈亏平衡、回收期、资源约束、预期价值或决策门槛。 |\n| **行：执行与配置资源** | 具体做什么、谁负责、何时完成？哪些变量可以控制？如何安排多个方案的先后和资源？ | 行动计划、资源分配、责任人与里程碑、可控杠杆、护栏指标、扩大/停止门槛。 |\n| **验：验证效果并学习** | 结果是否由行动带来？估计有多不确定？假设是否成立？下一轮如何调整？ | 统计推断、A/B 测试、准实验/因果评估、前后对照适用性检查、复盘和假设更新。 |\n\n## 实际使用方法\n\n1. 先写出待决策的问题、对象、截止时间和成功指标。若决策问题不清楚，暂不急于套模型。\n2. 根据问题选择主线：目标差距走驱动树；目标体系走指标树与护栏；机会选择加市场比较；资源优先级加方案增量价值和机会成本；效果判断加统计推断与因果评估。\n3. 先暴露关键约束和成立条件，再将备选方案与维持现状比较。不要把目标当预测，也不要把市场规模直接当收入机会。\n4. 把建议写成可执行动作，并同步指定负责人建议、时间点、资源、结果指标、护栏指标和扩大/调整/停止门槛。\n5. 预先定义验证方法及其限制。无法随机实验时，评估准实验或其他反事实设计是否可信；若只能观察前后变化，明确不能据此单独证明因果，并报告估计的不确定性。\n6. 复盘实际结果，更新驱动假设、指标目标、资源配置和下一轮决策；保留未解释差异，不强行填补因果链。\n\n## 与现有分析模型的映射\n\n- **制**：指标树、结果与驱动指标、护栏、指标口径、数据质量检查、业务报告中的问题定义与范围。\n- **称**：驱动树、差异桥接、瓶颈与产能分析。\n- **权**：市场研究、竞争分析、战略与能力评估。\n- **分**：用户/产品/渠道分层、cohort、单位经济、Pareto 与集中度。\n- **备**：领先指标、经营风险、情景触发条件与执行准备度。\n- **胜**：方案增量比较、机会成本、财务模型、单位经济、盈亏平衡、情景与敏感性分析。\n- **行**：基于资源约束的行动优先级、责任安排、资源配置、决策门槛和实验设计。\n- **验**：统计推断、效果评估、实验/准实验、经营复盘和假设更新。\n\n模型映射仅是选择提示；根据决策所需证据选择少量方法，不要求每项分析都包含全部工具。\n\n## 输出建议\n\n用于管理层决策或经营计划时，可按以下顺序组织交付：\n\n1. **决策摘要**：要做的决定、推荐方案及成立条件。\n2. **问题与证据**：口径、数据质量、主要发现及来源。\n3. **约束与机会**：关键瓶颈、外部条件、能力、指标树和分群差异。\n4. **方案比较**：相对基线的增量价值、机会成本、资源需求、情景、风险与证据置信度。\n5. **执行计划**：动作、负责人建议、时间点、领先/结果/护栏指标。\n6. **验证与复盘**：评估设计、判断标准、复盘时间和需要更新的假设。\n\n若是简短诊断，只保留决策相关的步骤与发现，不照抄此目录。\n\n## 来源说明\n\n该现代转译参考《尉缭子》的相关篇章，而不主张古籍原文含有现代商业分析术语或定量模型。可对照阅读：[《制谈》](https://ctext.org/wei-liao-zi/zhi-tan/zh)、[《兵谈》](https://ctext.org/wei-liao-zi/bing-tan/zhs)、[《攻权》](https://ctext.org/wei-liao-zi/gong-quan/zhs)与[《天官》](https://ctext.org/wei-liao-zi/tian-guan/zhs)。引申到市场比较、资源配置和效果验证的部分属于现代分析设计，应以可追溯数据和适当方法独立论证。\n\nFile v1.7.0:CHANGELOG.md\n\n# Changelog\n\nAll notable changes to this project will be documented in this file.\n\n## [1.7.0] - 2026-09-29\n\n### Added\n\n- Added practical guidance for statistical inference and uncertainty, experiment and quasi-experiment design, KPI trees and guardrails, and resource-constrained option prioritization.\n- Integrated the new methods into the main skill routing and the end-to-end business decision framework.\n\n### Changed\n\n- Updated the README capability summary and bumped the project version to `1.7.0`.\n\n## [1.6.0] - 2026-09-24\n\n### Added\n\n- Added a modern, clearly attributed “Wei Liaozi” business analysis framework connecting decision definition, constraints, market comparison, segmentation, readiness, decision gates, execution, and validation.\n- Added variance bridge/PVM, unit economics and contribution margin, scenario and sensitivity, and Pareto/concentration guidance.\n- Expanded market research and business reporting guidance for source traceability, contextual freshness, decision implications, and evidence-based qualitative prioritization.\n\n### Changed\n\n- Clarified output selection, model routing, and research stopping criteria; removed universal source-age and mismatch thresholds.\n- Bumped the project version to `1.6.0` across `README.md`, `SKILL.md`, and `package.json`.\n\n## [1.5.0] - 2026-09-24\n\n### Added\n\n- Added `references/business-reporting.md` with guidance for executive summaries, KPI scorecards, driver analysis, WBR/MBR/QBR structures, action tracking, and report quality checks.\n- Integrated business reporting guidance into `SKILL.md` and added the reference to the README project overview.\n\n### Changed\n\n- Bumped the project version to `1.5.0` across `README.md`, `SKILL.md`, and `package.json`.\n\n## [1.4.0] - 2026-09-24\n\n### Added\n\n- Added Node.js built-in router tests for all analysis intents, tie handling, negative signals, and English keyword routing.\n- Added an `npm test` script and documented the package's host-provided data and search tool requirements.\n\n### Changed\n\n- Updated router documentation to describe the implemented input, scoring, priority, and output behavior.\n- Replaced machine-specific README and changelog links with repository-relative links.\n- Made intent priorities explicit and prevented overlapping phrases from inflating intent scores.\n- Rewrote the README with a clearer project overview, usage example, scenario table, repository structure, and capability boundaries.\n- Bumped the project version to `1.4.0` across `README.md`, `SKILL.md`, and `package.json`.\n\r\n## [1.3.0] - 2026-06-12\r\n\r\n### Added\r\n\r\n- Added `market_research` intent to `src/router.js`, supporting 23 keywords for market research, industry analysis, competitive analysis, and market sizing scenarios.\r\n- Added `references/market-research.md` — a comprehensive market research reference covering: research process design, search strategy and tool usage discipline, market sizing methods (TAM/SAM/SOM, top-down, bottom-up, analogy), competitive intelligence gathering, customer research methods, industry trend tracking, cross-validation rules, and integration guidance with existing analysis frameworks.\r\n- Added **市场调研** analysis framework (section 6) to `SKILL.md`, defining when and how to conduct market research, priority paths, and search discipline.\r\n- Added **搜索工具使用纪律** section to `SKILL.md`, specifying when to use external search, keyword structuring, source grading, multi-round convergence, and result distillation rules.\r\n- Added 3 new model selection rules to `SKILL.md` mapping market research scenarios to appropriate models (market + strategy, market + competitive, market + marketing).\r\n- Added market research output structure template to `SKILL.md` covering research questions, information sources, market sizing, competitive landscape, and customer insights.\r\n- Updated `SKILL.md` routing/references section and 参考材料 section to cross-link `references/market-research.md`.\r\n- Updated `README.md` to reflect the new market research capability, directory listing, and usage instructions.\r\n\r\n### Changed\r\n\r\n- Bumped the project version to `1.3.0` across `README.md` and `package.json`.\r\n- `buildPromptHint()` in `src/router.js` now includes a prompt hint for the `market_research` intent.\r\n\r\n## [1.2.0] - 2026-04-20\r\n\r\n### Added\r\n\r\n- Added `响应语言与信息缺口规则` to `SKILL.md`, clarifying language following, missing-data handling, and conditional judgment discipline.\r\n- Added `模型使用纪律` to `SKILL.md` so strategic and financial models stay subordinate to the main analysis flow instead of turning into framework dumping.\r\n- Added `路由与参考材料使用` to `SKILL.md` so hosts know when to use `src/router.js` and when to read `references/router-design.md`, `references/examples.md`, and `references/metric-playbook.md`.\r\n\r\n### Changed\r\n\r\n- Bumped the project version to `1.2.0` across `README.md` and `package.json`.\r\n- Strengthened `SKILL.md` so the skill now covers response language, uncertainty handling, model selection discipline, and progressive disclosure guidance more explicitly.\r\n\r\n## [1.1.0] - 2026-04-20\r\n\r\n### Added\r\n\r\n- Added `src/router.js` for internal skill intent routing.\r\n- Added `src/index.js` as the public export entry for router utilities.\r\n- Added intent routing support for `growth_analysis`, `funnel_analysis`, `retention_analysis`, `revenue_analysis`, `efficiency_analysis`, and `business_diagnosis`.\r\n- Added [references/router-design.md](references/router-design.md) to document the routing design and expected contract.\n- Added strategic, competitive, marketing, operational, and financial analysis model guidance to [SKILL.md](SKILL.md) and [references/metric-playbook.md](references/metric-playbook.md).\n\r\n### Changed\r\n\r\n- Updated [README.md](README.md) to document the new runtime routing layer and point change history to `CHANGELOG.md`.\n\nFile v1.7.0:skill-card.md\n\n## Description:\n\nHelps teams define business metrics, assess data quality, diagnose performance changes, and turn findings into actionable recommendations.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[phoenixlucky](https://clawhub.ai/user/phoenixlucky)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nBusiness analysts and decision-makers use this skill to investigate growth, conversion, retention, revenue, operational efficiency, and market questions, then prepare evidence-based recommendations and reports.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Market-research queries may be sent through host-provided search tools.\n\nMitigation: Review queries and the host tool's data handling before searching.\n\nRisk: Confidential business data may be exposed in an unapproved host environment.\n\nMitigation: Use only approved environments for sensitive data and avoid sharing unnecessary confidential details.\n\n## Reference(s):\n\n- [ClawHub skill release](https://clawhub.ai/phoenixlucky/skills/business-data-analyst-skill)\n- [Metric playbook](references/metric-playbook.md)\n- [Market research guidance](references/market-research.md)\n- [Business reporting guidance](references/business-reporting.md)\n\n## Skill Output:\n\n**Output Type(s):** [Text, Markdown, Guidance]\n\n**Output Format:** [Markdown analysis plans, reports, and recommendations]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Does not independently connect to business data or run web searches; external research depends on host-provided tools.]\n\n## Skill Version(s):\n\n1.7.0 (source: release metadata, frontmatter, CHANGELOG, package.json)\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\nFile v1.7.0:package.json\n\n{\r\n  \"name\": \"business-data-analyst-skill\",\r\n  \"version\": \"1.7.0\",\r\n  \"description\": \"Business analysis skill with evidence-based reporting, market research, reusable models, and an end-to-end decision framework.\",\n  \"main\": \"src/index.js\",\r\n  \"exports\": {\r\n    \".\": \"./src/index.js\",\r\n    \"./router\": \"./src/router.js\",\r\n    \"./package.json\": \"./package.json\"\r\n  },\r\n  \"files\": [\r\n    \"src\",\r\n    \"references\",\r\n    \"agents\",\r\n    \"SKILL.md\",\r\n    \"README.md\",\r\n    \"CHANGELOG.md\"\r\n  ],\r\n  \"scripts\": {\n    \"lint\": \"node --check src/index.js && node --check src/router.js\",\n    \"test\": \"node --test\",\n    \"smoke:test\": \"node -e \\\"const { routeSkillIntent } = require('./src'); console.log(routeSkillIntent('最近续费率下降，帮我定位原因并给动作建议'));\\\"\"\n  },\r\n  \"engines\": {\r\n    \"node\": \">=18\"\r\n  },\r\n  \"author\": \"phoenixlucky\",\r\n  \"license\": \"MIT\",\r\n  \"repository\": {\r\n    \"type\": \"git\",\r\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill.git\"\r\n  },\r\n  \"bugs\": {\r\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill/issues\"\r\n  },\r\n  \"homepage\": \"https://github.com/phoenixlucky/business-data-analyst-skill#readme\",\r\n  \"keywords\": [\r\n    \"business-data-analyst\",\r\n    \"business analysis\",\r\n    \"商业分析\",\r\n    \"经营分析\",\r\n    \"strategy analysis\",\r\n    \"战略分析\",\r\n    \"competitive analysis\",\r\n    \"竞争分析\",\r\n    \"marketing analysis\",\r\n    \"营销分析\",\r\n    \"financial analysis\",\r\n    \"财务分析\",\r\n    \"operations analysis\",\r\n    \"运营分析\",\r\n    \"data analyst\",\r\n    \"数据分析师\",\r\n    \"operating diagnosis\",\r\n    \"经营诊断\",\r\n    \"metric\",\r\n    \"指标分析\",\r\n    \"growth analysis\",\r\n    \"增长分析\",\r\n    \"conversion funnel\",\r\n    \"漏斗分析\",\r\n    \"retention\",\r\n    \"留存分析\",\r\n    \"revenue analysis\",\r\n    \"收入分析\",\r\n    \"north star metric\",\r\n    \"北极星指标\",\r\n    \"okr\",\r\n    \"kpi\",\r\n    \"目标管理\",\r\n    \"swot\",\r\n    \"优势劣势机会威胁\",\r\n    \"pestel\",\r\n    \"宏观环境分析\",\r\n    \"3c\",\r\n    \"公司客户竞争对手\",\r\n    \"ansoff\",\r\n    \"安索夫矩阵\",\r\n    \"porter five forces\",\r\n    \"波特五力\",\r\n    \"stp\",\r\n    \"市场细分\",\r\n    \"4p\",\r\n    \"营销组合\",\r\n    \"aida\",\r\n    \"用户生命周期\",\r\n    \"roi\",\r\n    \"投资回报率\",\r\n    \"dupont analysis\",\r\n    \"杜邦分析\",\r\n    \"KPIs\",\r\n    \"business intelligence\",\r\n    \"商业智能\",\r\n    \"SQL\",\r\n    \"数据质量\",\r\n    \"data quality\",\r\n    \"bilingual\",\r\n    \"双语\",\r\n    \"market research\",\r\n    \"市场调研\",\r\n    \"行业分析\",\r\n    \"competitive intelligence\",\r\n    \"竞品分析\",\r\n    \"market sizing\",\n    \"市场规模\",\n    \"business reporting\",\n    \"商业报告\",\n    \"unit economics\",\n    \"单位经济\",\n    \"scenario analysis\",\n    \"情景分析\",\n    \"variance analysis\",\n    \"差异分析\",\n    \"wei liaozi\",\n    \"尉缭子\",\n    \"skill\"\n  ]\r\n}\n\nArchive v1.6.0: 16 files, 41803 bytes\n\nFiles: agents/openai.yaml (257b), CHANGELOG.md (5480b), package.json (2890b), README.md (6336b), references/business-reporting.md (5064b), references/examples.md (2223b), references/market-research.md (11881b), references/metric-playbook.md (12751b), references/router-design.md (2211b), references/wei-liaozi-business-framework.md (5774b), skill-card.md (2960b), SKILL.md (17955b), src/index.js (242b), src/router.js (7457b), test/router.test.js (2423b), _meta.json (146b)\n\nFile v1.6.0:SKILL.md\n\n---\r\nname: business-data-analyst-skill\r\nversion: 1.6.0\ndescription: Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas. Suitable for operating reviews, growth analysis, user behavior analysis, channel performance analysis, funnel analysis, sales conversion analysis, postmortems, weekly, monthly, or quarterly business reporting, and management decision support.\n---\r\n\r\n# 商业数据分析师\r\n\r\n先定义问题，再统一口径，再看数据质量，再做诊断，最后给动作。\r\n\r\n把“发生了什么”与“为什么发生”分开，把“观察”与“建议”分开，把“相关性”与“因果性”分开。\r\n\r\n## 核心工作原则\r\n\r\n- 先业务问题，后分析动作：先写清决策问题、对象、时间范围、比较基准。\r\n- 先指标口径，后看结论：任何同比、环比、转化率、ROI、LTV，都先定义分子、分母、时间窗、归因口径。\r\n- 先验数，后解释：先检查样本量、缺失值、重复值、埋点变更、口径漂移，再做业务判断。\r\n- 先拆结构，后下结论：选与业务机制和数据粒度相关的维度，检查总量变化是否由少数关键分群驱动。\n- 先区分事实与推断：明确哪些是已知，哪些是推断，哪些需要额外验证。\n- 决策分析要落到动作：说明建议做什么、优先级依据及如何验证；纯描述型请求不强加行动清单。\n\r\n建议必要时使用以下标记：\r\n- `已知`\r\n- `推断`\r\n- `假设`\r\n- `风险`\r\n\r\n## 默认分析顺序\n\n按任务需要省略或组合步骤，保持“先定义问题和口径，再评估证据，最后形成结论”的主线。\n\r\n1. **定义决策问题**\r\n   用一句话写清楚：谁要决策、要决定什么、目标是什么。\r\n2. **统一分析口径**\r\n   明确指标定义、时间范围、对比基准、分析粒度、归因口径。\r\n3. **检查数据可信度**\r\n   检查来源、样本覆盖、异常值、埋点/口径变更、是否存在幸存者偏差或抽样偏差。\r\n4. **描述现象**\r\n   先回答“发生了什么”：规模、趋势、结构变化、异常拐点、分层差异。\r\n5. **拆解驱动因素**\r\n   用漏斗、分层、 cohort、价格-销量、供给-需求、渠道贡献等方法拆解变化来源。\r\n6. **评估业务影响**\r\n   量化对收入、利润、留存、转化、库存、交付、人效、现金流或客户体验的影响。\r\n7. **输出动作建议**\r\n   给出优先级、负责人建议、验证指标、预期影响、风险和下一步实验。\r\n\r\n## 常用分析框架\r\n\r\n### 1. 增长分析\r\n\r\n适用于新增、活跃、收入增长放缓或异常波动。\r\n\r\n优先拆：\r\n- 流量/线索\r\n- 转化率\r\n- 客单价或 ARPU\r\n- 复购/留存\r\n- 渠道结构\r\n\r\n问题模板：\r\n- 增长来自新增、提价、提频，还是结构变化？\r\n- 是总盘下滑，还是某几个关键渠道/客群下滑？\r\n- 增长是否可持续，是否依赖短期补贴或活动？\r\n\r\n### 2. 漏斗分析\r\n\r\n适用于注册、激活、下单、付费、销售转化、续约等流程。\r\n\r\n必须输出：\r\n- 每一层转化率\r\n- 每一层绝对流失量\r\n- 最大损失环节\r\n- 新旧用户、渠道、地区、设备或销售团队的差异\r\n\r\n### 3. 留存与 cohort 分析\r\n\r\n适用于用户流失、复购、订阅续费、客户健康度问题。\r\n\r\n重点看：\r\n- 不同首购/首登批次的留存曲线\r\n- 留存变化是由获客结构变了，还是产品/服务体验变了\r\n- 留存问题发生在第几周/第几月\r\n\r\n### 4. 收入与利润分析\r\n\r\n适用于经营复盘、预算偏差、价格策略、品类结构变化。\r\n\r\n优先拆：\r\n- 量\r\n- 价\r\n- 折扣\r\n- 产品结构\r\n- 渠道结构\r\n- 成本与毛利\r\n\r\n### 5. 运营效率分析\r\n\r\n适用于库存、交付、客服、人效、门店、销售团队效率问题。\r\n\r\n优先拆：\r\n- 单位产出\r\n- 单位成本\r\n- 周期时长\r\n- 资源利用率\r\n- 异常损耗\r\n\r\n### 6. 市场调研\r\n\r\n适用于行业进入、赛道评估、竞品对标、客户洞察、市场规模估算。\r\n\r\n调研前先明确：\r\n- 决策问题：调研结果用于支持什么决策\r\n- 关键假设：需要验证哪些隐含假设\r\n- 输出形式：报告、市场地图还是打分卡\r\n\r\n优先路径：\r\n- 市场规模 -> 二手数据 + 行业报告 + 交叉验证\r\n- 竞品对标 -> 公开信息 + 产品体验 + 用户评价\r\n- 客户洞察 -> 访谈 + 问卷 + 社交媒体挖掘\r\n- 行业趋势 -> 政策 + 技术 + 资本 + 社会变化\r\n\r\n搜索纪律：\r\n- 每次搜索前明确目标，不要漫无目的浏览\n- 优先使用含发布时间、统计口径、数据来源的信息\n- 单一来源数据标注为 `单来源`，不做核心判断依据\n- 发现会影响结论的来源差异时，先核对统计对象、期间、指标定义、币种、含税口径和计算方法；无法调和时并列呈现差异，不用固定百分比直接判为口径不一致\n- 按信息变化速度和决策周期判断时效：价格、政策和竞品信息通常需要较新的资料；长期结构分析可引用较早资料，但要标出资料日期和适用范围\n- 无日期或无来源的信息只能作为线索；关键结论需找到可核验来源或明确标为待验证\n- 调研结束后必须综合提炼，不把搜索结果直接堆入输出\r\n\r\n### 7. 搜索工具使用纪律\n\n只有在需要外部事实支持当前判断时才搜索。宿主提供搜索工具时，先说明要核实的主张，再按目标市场、来源语言和已知缺口构造查询；没有搜索工具时，说明限制并列出待查信息。\n\n评估每条关键证据是否适合支持对应主张，检查出处、数据期间、口径、方法和潜在偏差。按缺口补充查询；当关键主张有足够支持，或新增搜索的预期价值较低时停止。对外部发现保留来源与日期，区分事实、估算和推断。\n\r\n## 强化分析模型\r\n\r\n当用户的问题不只是“指标为什么变了”，而是“公司该不该做、该怎么打、该怎么卖、该怎么管、值不值得投”时，优先补以下模型。\r\n\r\n### 1. 战略分析模型\r\n\r\n适用于方向选择、进入新市场、推出新产品、调整业务边界。\r\n\r\n优先使用：\r\n- `SWOT`：梳理内部优势、劣势与外部机会、威胁\r\n- `PESTEL`：检查政策、经济、社会、技术、环境、法律约束\r\n- `3C`：同时看公司、客户、竞争对手\r\n- `Ansoff` 矩阵：判断市场渗透、市场开发、产品开发、多元化路径\r\n\r\n强化要求：\r\n- 不要只列概念，要指出每个因素如何影响收入、成本、风险或执行难度\r\n- 不要把 `机会` 写成愿望，要说明触发条件和验证方式\r\n- 战略结论必须回答“要不要做、为什么现在做、主要风险是什么”\r\n\r\n### 2. 竞争分析模型\r\n\r\n适用于行业吸引力评估、赛道判断、竞争压力判断、进入壁垒评估。\r\n\r\n优先使用：\r\n- 波特五力\r\n- 战略群组分析\r\n- 竞争对手画像与 Benchmark\r\n\r\n强化要求：\r\n- 五力分析必须落到利润空间、议价能力、替代风险和防御能力\r\n- 竞争对手分析不能只比功能，要比价格、渠道、交付能力、品牌、客户结构\r\n- 最终要回答“行业赚钱难不难、公司凭什么赢、短期最需要防谁”\r\n\r\n### 3. 营销分析模型\r\n\r\n适用于用户分层、目标市场选择、定位、增长转化、投放和促销策略。\r\n\r\n优先使用：\r\n- `STP`\r\n- `4P`\r\n- `AIDA`\r\n- 用户生命周期分析，包括 `LTV`、留存、转化\r\n\r\n强化要求：\r\n- `Segmentation` 不能只按人口属性，要补消费能力、场景、需求强度、行为差异\r\n- `Positioning` 要明确相对谁、靠什么差异化、牺牲什么\r\n- `4P` 不能只讨论促销，必须同时看产品匹配度、价格门槛、渠道效率\r\n- 最终要回答“卖给谁、为什么买、通过什么路径成交、利润是否成立”\r\n\r\n### 4. 运营分析模型\r\n\r\n适用于目标管理、执行效率提升、流程优化、增长实验和经营监控。\r\n\r\n优先使用：\r\n- `KPI/OKR`\r\n- 漏斗模型\r\n- 北极星指标\r\n- 精益创业 `Build-Measure-Learn`\r\n\r\n强化要求：\r\n- `OKR` 要区分结果指标和过程指标，避免只写任务\r\n- 漏斗分析要同时输出转化率和绝对损失量\r\n- 北极星指标必须能反映长期价值，而不是短期虚高指标\r\n- 精益创业分析要写清实验假设、验证指标、观察周期和停止条件\r\n\r\n### 5. 财务分析模型\r\n\r\n适用于项目评估、预算决策、资源投入、回报测算和经营健康度判断。\r\n\r\n优先使用：\r\n- `ROI`\r\n- 盈亏平衡点\r\n- 现金流模型\r\n- 杜邦分析\r\n\r\n强化要求：\r\n- `ROI` 不只算静态回报，要明确时间窗和回收周期\n- 盈亏平衡点要拆销量、价格、固定成本、变动成本\n- 现金流分析要区分利润与现金，警惕高利润低现金项目\n- 杜邦分析要拆净利率、周转率、杠杆，避免只看单一利润指标\n\n详细的适用条件、所需数据和误用边界见 [references/metric-playbook.md](references/metric-playbook.md)。\n\n## 尉缭子商业分析框架（现代转译）\n\n处理需要从诊断走到资源配置、执行和复盘的综合经营问题时，可用“制 → 称 → 权 → 分 → 备 → 胜 → 行 → 验”串起分析：\n\n1. **制**：定义决策、指标口径、时间范围和数据责任。\n2. **称**：盘点目标、资源与约束，用驱动树和瓶颈分析检验承载能力。\n3. **权**：比较市场机会、外部条件与组织能力，识别相对优势和短板。\n4. **分**：按贡献、潜力和风险细分客户、产品、渠道或区域，明确资源重点。\n5. **备**：检查执行准备度、领先指标、产能、资金、人才与风险预案。\n6. **胜**：用情景、敏感性、盈亏平衡或预期价值评估方案成立条件与决策门槛。\n7. **行**：把选择转成可控动作、资源安排、负责人和观察指标。\n8. **验**：通过实验、准实验或复盘评估增量效果，更新假设并进入下一轮。\n\n这是基于《尉缭子》若干篇章做的现代经营分析转译，并非原书已有的商业模型；“验”是补入的数据验证环节。按问题挑选适用步骤，不必每次完整展开。定义、问题适配与模型映射见 [references/wei-liaozi-business-framework.md](references/wei-liaozi-business-framework.md)。\n\n## 模型选择规则\n\r\n面对不同问题，优先这样选：\r\n\r\n- “要不要做某件事” -> 战略分析模型 + 财务分析模型\r\n- “这个行业值不值得进” -> 竞争分析模型 + 战略分析模型\r\n- “产品怎么卖、卖给谁” -> 营销分析模型\r\n- “怎么提升执行效率或转化” -> 运营分析模型\r\n- “项目值不值、钱怎么回” -> 财务分析模型\r\n- “这个市场怎么样、能不能进” -> 市场调研 + 战略分析模型\n- “竞争对手在做什么、我们怎么打” -> 市场调研 + 竞争分析模型\n- “目标客户是谁、想要什么” -> 市场调研 + 营销分析模型\n- “实际结果为何偏离预算或上期” -> 差异桥接；收入变化按数据条件使用量价结构拆解\n- “客户、产品或渠道是否盈利” -> 单位经济与贡献毛利，必要时按客群或 cohort 拆分\n- “目标能否达成、结果对假设有多敏感” -> 情景分析与敏感性分析\n- “业绩是否依赖少数客户、产品或渠道” -> 帕累托与集中度分析；同时核对利润贡献和风险暴露\n- “要从经营诊断走到资源配置、执行和复盘” -> 尉缭子商业分析框架；按需组合驱动树、市场比较、分群、情景分析和效果验证\n\r\n如果问题跨多个层级，先定主模型，再用 1 到 2 个辅助模型补充，不要把所有模型堆在一起。\r\n\r\n## 响应语言与信息缺口规则\r\n\r\n- 默认跟随用户提问语言输出；用户用中文问，就用中文答；用户用英文问，就用英文答。\r\n- 如果用户混合使用多种语言，以主问题语言为准；不要为了显得专业而擅自切换语言。\r\n- 若题目缺少关键口径、时间范围、样本定义、归因口径或对比基准，先指出缺口，再给条件式判断。\r\n- 缺信息时不要硬编数字、样本量、因果链、行业均值或结论强度。\r\n- 若可以继续分析但不能下确定结论，用 `已知 / 推断 / 假设 / 风险` 标记，把不确定性留在台面上。\r\n- 若只缺 1 到 2 个关键前提，优先先给可执行的临时判断，再列出补充数据清单，不要一味卡在追问。\r\n\r\n## 模型使用纪律\r\n\r\n- 先用数据分析主线回答“发生了什么”，再决定是否引入战略、竞争、营销、运营或财务模型解释“为什么”。\r\n- 默认只选 1 个主模型；最多再加 1 到 2 个辅助模型，避免把回答写成模型名词堆砌。\r\n- `模型分析` 必须服务于决策，不要把 SWOT、五力、STP、ROI 当作展示知识点。\r\n- 用模型时必须回答：这个模型为什么适合当前问题，它改变了什么判断，它带来了什么动作。\r\n- 如果用户明显只要快速结论，不要强行展开全套模型；保留主线、删掉花架子。\r\n\r\n## 路由与参考材料使用\r\n\r\n- 如果宿主支持内部路由层，可使用 `src/router.js` 先判断是否属于增长、漏斗、留存、收入利润、效率、市场调研或经营诊断场景。\r\n- 需要理解路由输入输出契约、命中逻辑和提示语拼装方式时，读取 [references/router-design.md](references/router-design.md)。\r\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)。\r\n- 需要常见指标口径、拆解方法、建议动作模板或强化分析模型时，读 [references/metric-playbook.md](references/metric-playbook.md)。\n- 需要端到端经营决策流程时，读 [references/wei-liaozi-business-framework.md](references/wei-liaozi-business-framework.md)。\n- 需要市场调研方法、搜索工具规范、市场规模估算或竞品调研框架时，读 [references/market-research.md](references/market-research.md)。\r\n- 若用户问题偏战略/竞争/营销/财务/市场判断，优先从 `SKILL.md` 保持主线，再按需读取 `metric-playbook.md` 或 `market-research.md` 中对应章节，不要一次把所有参考材料都塞进上下文。\r\n\r\n## 输出要求\n\n先按用户的主要交付需求选择一种主结构；组合任务可补充必要部分，但不要把多套模板完整叠加。\n\n| 主要需求 | 主结构 |\n| --- | --- |\n| 快速判断问题与下一步 | 快速模式：问题定义、关键发现、原因拆解、建议动作 |\n| 诊断指标变化或经营异常 | 通用分析结构：口径、数据质量、发现、驱动、影响、动作、待验证事项 |\n| 市场或竞争调研 | 市场调研结构；使用 `references/market-research.md` |\n| 周/月/季度经营汇报、决策报告 | 报告结构；使用 `references/business-reporting.md` |\n\n报告结构应先给执行摘要与关键结论，再呈现指标和基准、主要驱动、业务影响、风险和行动；根据读者与周期调整篇幅，并标明数据来源、口径及不确定性。\n\n### 通用分析结构\n\r\n1. **问题定义**\r\n2. **口径与范围**\r\n3. **数据质量检查**\r\n4. **关键发现**\r\n5. **原因拆解**\r\n6. **业务影响**\r\n7. **建议动作**\r\n8. **信息缺口 / 待验证假设**\r\n\r\n市场调研主结构：\n\r\n1. **调研问题与决策场景**\r\n2. **关键假设**\r\n3. **信息来源与可信度评估**\r\n4. **市场规模与趋势**（如适用）\r\n5. **竞争格局**（如适用）\r\n6. **客户与需求洞察**（如适用）\n7. **关键发现与结论**\n8. **决策含义、方案比较或建议**（用户需要决策时）\n9. **信息缺口与后续调研建议**\n\r\n其中：\r\n- `关键发现` 只写观察到的事实，不提前混入建议。\n- `原因拆解` 要按影响大小排序，不要罗列无关因素。\n- 短答或常规诊断优先给 1–3 条最相关的动作；正式报告可按需要列出更多已排序行动。\n- 能量化时写明影响和验证指标；无法可靠量化时，可按影响、紧迫性、可行性与证据置信度做定性排序，并说明依据。\n- 使用模型时把计算、假设和局限放在相关的驱动分析中；模型应补强主结构，不另加重复章节。\n\r\n## 快速模式\r\n\r\n如果用户只想快速判断“问题在哪里、先做什么”，最少保留四段：\r\n\r\n1. `问题定义`\r\n2. `关键发现`\r\n3. `原因拆解`\r\n4. `建议动作`\r\n\r\n## 不要这样做\r\n\r\n- 不要在口径不清时直接给结论。\r\n- 不要只看总体均值，不看结构变化。\r\n- 不要把相关性直接写成因果。\r\n- 不要把一次活动、节假日、政策扰动当作长期趋势。\r\n- 不要给“加强运营”“提升转化”这种不可执行建议。\r\n- 不要把未校准的估算写成确定事实；优先级应说明量化或定性依据。\n\r\n## 参考材料\r\n\r\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)\r\n- 需要常见指标与拆解思路时，读 [references/metric-playbook.md](references/metric-playbook.md)\n- 需要市场调研方法与搜索工具规范时，读 [references/market-research.md](references/market-research.md)\n- 需要商业报告结构、WBR/MBR/QBR 编排与交付检查时，读 [references/business-reporting.md](references/business-reporting.md)\n- 需要端到端经营决策流程时，读 [references/wei-liaozi-business-framework.md](references/wei-liaozi-business-framework.md)\n\nFile v1.6.0:README.md\n\n<div align=\"center\">\n\n# 商业数据分析师\n\n**把业务问题转成可靠分析、清晰决策与可验证行动。**\n\n面向增长、转化、留存、收入、运营与市场研究的分析方法、参考资料和轻量意图路由工具。\n\n[![Version](https://img.shields.io/github/package-json/v/phoenixlucky/business-data-analyst-skill?style=flat-square&label=version)](https://github.com/phoenixlucky/business-data-analyst-skill/blob/main/package.json)\n[![Stars](https://img.shields.io/github/stars/phoenixlucky/business-data-analyst-skill?style=flat-square&label=stars)](https://github.com/phoenixlucky/business-data-analyst-skill/stargazers)\n[![Forks](https://img.shields.io/github/forks/phoenixlucky/business-data-analyst-skill?style=flat-square&label=forks)](https://github.com/phoenixlucky/business-data-analyst-skill/forks)\n[![Issues](https://img.shields.io/github/issues/phoenixlucky/business-data-analyst-skill?style=flat-square&label=issues)](https://github.com/phoenixlucky/business-data-analyst-skill/issues)\n[![Last commit](https://img.shields.io/github/last-commit/phoenixlucky/business-data-analyst-skill?style=flat-square&label=updated)](https://github.com/phoenixlucky/business-data-analyst-skill/commits/main)\n![Node.js 18+](https://img.shields.io/badge/Node.js-%E2%89%A518-339933?style=flat-square&logo=nodedotjs&logoColor=white)\n\n[快速开始](#快速开始) · [分析能力](#分析能力) · [意图路由](#意图路由) · [项目结构](#项目结构) · [边界说明](#边界说明)\n\n</div>\n\n---\n\n## 项目简介\n\n本项目帮助分析者沿着一条清晰的经营分析主线工作：**定义问题与指标口径 → 检查数据质量 → 拆解业务驱动 → 评估影响 → 形成行动 → 验证效果**。\n\n仓库包含可供 AI 宿主使用的分析技能说明、模型手册、报告与市场研究指南，以及一个不依赖外部库的 Node.js 关键词路由器。它提供分析方法和问题路由，不连接业务数据源，也不代替分析者核验数据与结论。\n\n## 快速开始\n\n### 将分析技能用于宿主环境\n\n从 [SKILL.md](SKILL.md) 开始。根据任务再读取 `references/` 中对应专题，避免一次加载全部材料。分析所需的数据、计算能力及网页搜索由宿主环境提供。\n\n### 在 Node.js 中调用意图路由\n\n要求 **Node.js 18 或更高版本**。路由器只分析输入文本并返回场景提示，不查询数据或执行业务分析。\n\n```js\nconst { routeSkillIntent } = require(\"./src\");\n\nconst result = routeSkillIntent(\"最近续费率下降，帮我定位原因并给动作建议\");\n\nconsole.log(result.intent);     // retention_analysis\nconsole.log(result.promptHint); // 优先做 cohort、续费和流失阶段拆解。\n```\n\n也支持对象形式：\n\n```js\nconst result = routeSkillIntent({\n  message: \"请分析注册到支付的转化漏斗\",\n});\n```\n\n## 分析能力\n\n| 领域 | 覆盖内容 |\n| --- | --- |\n| 经营诊断 | 指标口径、数据质量、趋势和结构拆解、驱动因素与业务影响 |\n| 增长与客户 | 增长、漏斗、留存、复购、续费、流失和 cohort 分析 |\n| 收入与效率 | 收入利润、贡献毛利、单位经济、产能与运营效率 |\n| 市场与竞争 | 市场规模、行业趋势、竞争格局、客户需求与证据评估 |\n| 报告与决策 | 商业报告、WBR/MBR/QBR、行动优先级、风险与验证指标 |\n\n### 可复用的分析模型\n\n- **差异桥接与量价拆解**：解释实际结果相对预算、目标或基准期的变化。\n- **单位经济与贡献毛利**：评估客群、产品、订单、渠道或门店的边际经济性。\n- **情景与敏感性分析**：比较假设、约束、方案结果和关键变量影响。\n- **帕累托与集中度分析**：检查贡献结构、关键依赖和组合风险。\n\n每个模型均说明适用条件、所需数据与误用边界，避免只罗列框架名称。\n\n### 尉缭子商业分析框架（现代转译）\n\n通过“**制 → 称 → 权 → 分 → 备 → 胜 → 行 → 验**”串联问题定义、资源与约束、外部比较、重点分群、行动准备、方案评估、执行和效果验证。它是现代经营分析转译，**不是《尉缭子》原书已有的商业模型**；其中“验”是补充的数据验证环节。\n\n详见[框架说明](references/wei-liaozi-business-framework.md)。\n\n## 意图路由\n\n路由器支持以下分析场景：\n\n| 场景 | 路由标识 | 示例问题 |\n| --- | --- | --- |\n| 增长分析 | `growth_analysis` | 新增、活跃或销售增长为何变化？ |\n| 漏斗分析 | `funnel_analysis` | 注册到激活或支付的转化在哪一步流失？ |\n| 留存分析 | `retention_analysis` | 续费率、复购或留存为什么下降？ |\n| 收入利润分析 | `revenue_analysis` | 收入、毛利或客单价由什么驱动？ |\n| 运营效率分析 | `efficiency_analysis` | 人效、库存或履约效率如何改善？ |\n| 经营诊断 | `business_diagnosis` | 经营结果偏离目标的主要原因是什么？ |\n| 市场调研 | `market_research` | 市场规模、行业趋势或竞争格局如何？ |\n\n## 项目结构\n\n```text\n.\n├── SKILL.md\n├── src/                           # Node.js 意图路由器\n├── test/                          # 路由测试\n├── references/\n│   ├── business-reporting.md      # 商业报告与交付检查\n│   ├── examples.md                # 分析案例\n│   ├── market-research.md         # 市场研究方法\n│   ├── metric-playbook.md         # 指标口径与分析模型\n│   ├── router-design.md           # 路由规则与接口说明\n│   └── wei-liaozi-business-framework.md # 端到端经营决策框架\n├── agents/                        # Agent 元数据\n├── package.json\n└── CHANGELOG.md\n```\n\n## 本地检查\n\n```bash\nnpm test\nnpm run lint\n```\n\n## 边界说明\n\n- 不连接业务数据源，不自行运行 SQL 或统计分析。\n- 不自行执行网页搜索；市场研究需要宿主提供搜索工具。\n- 路由置信度是关键词匹配的启发式分数，不是经校准的概率。\n- 分析结论应基于可追溯数据，并区分事实、推断、假设与风险。\n\n## 版本\n\n当前版本 **1.6.0**。变更记录见 [CHANGELOG.md](CHANGELOG.md)。\n\nFile v1.6.0:_meta.json\n\n{\n  \"ownerId\": \"kn7dpzpqn086by5pfg5sbf64zx80zr6m\",\n  \"slug\": \"business-data-analyst-skill\",\n  \"version\": \"1.6.0\",\n  \"publishedAt\": 1790226889343\n}\n\nFile v1.6.0:references/business-reporting.md\n\n# 商业报告编写指南\n\n本指南用于把数据分析整理成适合阅读、讨论和决策的业务报告。报告应先回答读者关心的业务问题，再提供支持结论的指标、拆解和行动；不要把分析过程或图表本身当作报告目的。\n\n## 动笔前先明确\n\n- **读者与决策**：谁会使用报告？需要了解状态、定位问题，还是批准某项行动？\n- **周期与范围**：报告覆盖的期间、数据截止时间、业务范围和比较基准是什么？\n- **指标与来源**：关键指标的定义、目标值、来源和刷新时间是什么？口径变化要明确说明。\n- **篇幅与形式**：选择一页摘要、周期经营回顾、专题诊断或决策备忘录；只保留支持结论和决策所需的内容。\n\n缺少关键数据时，应标明缺口及其对结论的影响；不要补造数字、目标或归因。\n\n## 默认报告结构\n\n### 1. 标题与范围\n\n用标题说明业务对象和问题，并注明报告周期、数据截止时间、指标范围及必要的口径说明。\n\n### 2. 执行摘要\n\n用 3–5 条先给结论：\n\n- 整体表现相对目标或基准如何？\n- 哪些指标变化最值得关注？\n- 主要驱动因素及业务影响是什么？\n- 接下来建议采取什么行动，或需要读者决定什么？\n\n先写结论，再写证据。区分已验证事实、推断和待验证假设。\n\n### 3. 核心指标概览\n\n优先用简洁表格展示关键指标及对比基准：\n\n| 指标 | 实际值 | 目标/基准 | 差异 | 趋势 | 状态 |\n| --- | ---: | ---: | ---: | --- | --- |\n| 示例指标 | — | — | — | — | 待填 |\n\n差异需注明采用绝对值还是百分比；指标方向可能因业务语境而异，状态判断应说明阈值或规则。只纳入与报告目的相关的指标。\n\n### 4. 关键发现与驱动因素\n\n按业务影响从大到小组织发现。每项发现说明观察到的变化、对比范围、主要分层或驱动因素，以及证据的可靠程度。总体变化要按需要拆到渠道、产品、地区、客群、时间或流程环节；避免堆砌无关切片。\n\n关键数字与外部事实应在相邻文字、图表注释或表格脚注中标出来源、链接、发布日期/数据期间和关键口径。二手资料尽量追溯原始来源；无法核实的内容标明为估算、单来源或待验证，不要只在报告末尾放一组无法对应具体主张的来源。\n\n### 5. 业务影响、风险与展望\n\n量化对收入、利润、客户、运营或战略目标的影响。无法精确估计时，给出有依据的范围或定性判断，并说明假设。列出关键风险、数据限制和需要继续验证的问题。\n\n### 6. 行动与决策\n\n| 优先级 | 行动 | 负责人 | 截止时间 | 验证指标/目标 | 状态或所需决策 |\n| --- | --- | --- | --- | --- | --- |\n| — | — | — | — | — | — |\n\n行动要明确下一步和验证方式。优先级有量化证据时展示预期影响；无法可靠量化时，按影响、紧迫性、可行性和证据置信度定性排序并说明依据。负责人、日期或目标未知时标为待确认，不要自行编造。\n\n## 按报告周期调整\n\n- **周报（WBR）**：突出本周目标进度、异常变化、近期驱动因素、下周重点和未完成行动；控制指标数量，聚焦需要快速处理的偏差。\n- **月报（MBR）**：比较实际与目标、上月和必要的同比基准；解释月度业绩驱动、结构变化、预测风险和纠偏行动。\n- **季度经营回顾（QBR）**：评估季度目标与关键结果，解释结构性趋势和资源投入产出，回顾上季行动效果，并列出下一季度的选择与决策。\n- **专题诊断或决策报告**：围绕一个明确问题展开，重点呈现口径、证据、原因、影响、方案比较与建议，不必套用完整周期汇报结构。\n\n周期报告应沿用稳定的指标定义和展示顺序；定义或目标变更时标注变化，避免把口径变化误读成业务变化。\n\n## 图表与表达\n\n- 每张图回答一个具体问题，标题直接说明要点或比较对象。\n- 标明单位、时间范围、数据来源和必要的样本量；展示目标线或基准时注明其定义。\n- 趋势用折线、构成用堆叠或条形、排序比较用条形；避免装饰性图表和误导比例尺度。\n- 正文优先使用短标题、结论句和少量证据；将明细表、口径定义和补充计算放入附录。\n- 在全文中清楚区分事实、解释、建议和待验证假设，不把相关性直接写成因果。\n\n## 交付前检查\n\n- 报告是否回答了读者的业务问题和决策需求？\n- 每个关键数字或外部事实是否就近注明来源、链接、发布日期/数据期间、口径和比较基准？\n- 结论是否能由报告中的证据支持，且不确定性已明确标出？\n- 行动是否有清楚的下一步和验证指标？未知字段是否标为待确认？\n- 摘要能否让读者快速理解表现、原因、影响和所需决策？\n\nFile v1.6.0:references/examples.md\n\n# 商业数据分析示例\r\n\r\n## 示例 1：电商 GMV 下滑\r\n\r\n用户请求：\r\n`帮我分析为什么 3 月 GMV 比 2 月下降了 12%。`\r\n\r\n建议输出骨架：\r\n\r\n```md\r\n## 问题定义\r\n3 月 GMV 环比下降 12%，需要判断是季节性回落、流量问题、转化问题，还是客单价与结构变化导致。\r\n\r\n## 口径与范围\r\n- 指标：GMV，按支付成功口径\r\n- 时间：2026-03 vs 2026-02\r\n- 粒度：日、渠道、品类、新老客\r\n\r\n## 数据质量检查\r\n- 排除支付回传延迟\r\n- 检查 3 月是否有埋点或归因口径变更\r\n\r\n## 关键发现\r\n- 总访客下降 5%\r\n- 下单转化率下降 4%\r\n- 客单价下降 3%\r\n- 某核心投放渠道流量下降最明显\r\n\r\n## 原因拆解\r\n1. 付费渠道流量缩量贡献了主要跌幅\r\n2. 低价品类占比提升，拉低客单价\r\n3. 老客复购基本稳定，问题主要出在新客获取\r\n\r\n## 业务影响\r\n- 预计月度收入少 X\r\n- 若渠道恢复不到位，下月仍有延续风险\r\n\r\n## 建议动作\r\n1. 先修复核心渠道投放与素材供给，观察访客恢复\r\n2. 对低转化落地页做 A/B 测试，追踪下单转化率\r\n3. 单独监控高客单品类占比，避免结构继续恶化\r\n```\r\n\r\n## 示例 2：SaaS 续费率下降\r\n\r\n用户请求：\r\n`最近续费率从 78% 掉到 71%，帮我定位原因并给动作建议。`\r\n\r\n优先分析：\r\n- 按客户规模、行业、销售团队、版本、首签月份拆 cohort\r\n- 区分续费率下降是到期客户结构变化，还是同类客户真实变差\r\n- 关联产品使用深度、工单量、NPS、价格调整记录\r\n\r\n## 示例 3：门店人效差异大\r\n\r\n用户请求：\r\n`为什么华东门店人效明显高于华南？`\r\n\r\n优先分析：\r\n- 人效定义：销售额/人时，还是毛利/人头\r\n- 对比客流、转化率、连带率、客单价、排班、店型结构\r\n- 区分“单店效率差”与“区域结构差”\r\n\r\n## 示例 4：活动复盘\r\n\r\n用户请求：\r\n`帮我复盘这次大促是否值得继续做。`\r\n\r\n至少回答：\r\n- 增量收入是否覆盖补贴、投放、履约和客服成本\r\n- 新客质量是否达标，活动后 7/30 天留存如何\r\n- 是否只是把自然单前移，还是创造了新增需求\n\nFile v1.6.0:references/market-research.md\n\n# 市场调研方法手册\r\n\r\n## 适用场景\r\n\r\n市场调研适用于以下场景：\r\n\r\n- 进入新市场或新赛道前评估机会\r\n- 分析行业规模、增长趋势与竞争格局\r\n- 了解目标客户需求、痛点与决策路径\r\n- 对标竞争对手的产品、价格、渠道与品牌\r\n- 验证或修正业务假设（市场规模、客户意愿、定价空间）\r\n- 为战略分析（SWOT、PESTEL、3C、五力）提供外部事实输入\r\n\r\n## 调研流程\r\n\r\n### 1. 定义调研问题\r\n\r\n回答三个问题：\r\n\r\n- **决策问题**：调研结果要支持什么决策？（进入/不进入、定价多少、优先攻哪个客群）\r\n- **关键假设**：隐含了哪些需要验证的假设？（市场够大、客户愿意付这个价、竞品没有壁垒）\r\n- **输出形式**：报告、打分卡、市场地图还是数据表？\r\n\r\n### 2. 设计调研策略\r\n\r\n根据问题类型选择调研路径：\r\n\r\n| 问题类型 | 首选路径 | 辅助路径 |\r\n|---|---|---|\r\n| 市场有多大、增长多快 | 二手数据 + 行业报告 | 专家访谈验证 |\r\n| 客户想要什么、痛点在哪 | 用户访谈 + 问卷 | 社交媒体/评论挖掘 |\r\n| 竞争对手在做什么 | 二手数据 + 产品体验 | 渠道走访 |\r\n| 定价是否合理 | 竞品价格映射 + 问卷 | 价格敏感度测试 |\r\n\r\n### 3. 执行信息收集\r\n\r\n按问题选择来源；以下是常见来源类型，不构成跨问题的固定优先级：\n\r\n1. **公开权威数据**：国家统计局、央行、行业协会、白皮书、上市公司财报\r\n2. **行业研究**：艾瑞、QuestMobile、IDC、Gartner、Forrester、36Kr、亿欧等\r\n3. **竞品公开信息**：官网、产品文档、定价页、用户评价、招聘岗位、融资新闻\r\n4. **用户生成内容**：社交媒体、论坛、评论区、电商评价\r\n5. **一手调研**：问卷、访谈、焦点小组、神秘访客\r\n\r\n### 4. 交叉验证与质量评估\r\n\r\n对关键主张逐条检查：\n\n- **是否适合支持这条主张？**区分原始统计、公司披露、调查结果、模型估算、评论和预测；来源名气不能替代证据质量。\n- **能否追溯与复核？**记录发布机构、链接或文档、发布日期、数据期间、定义、样本和方法；尽量回到被引用的原始来源。\n- **时效是否足够？**按信息变化速度和决策周期判断。报告发布日期与数据期间可能不同，两者都要记录；早期数据可用于长期趋势，但不能冒充当前水平。\n- **口径是否匹配？**核对统计对象、地区、期间、币种、含税/净额、单位和计算方法。\n- **可能有哪些偏差？**检查样本覆盖、估算假设、利益关系、宣传目的和幸存者偏差。\n\n来源结果不一致时，先判断口径和范围是否相同，再保留各自数值、区间及出处。不能解释的差异标注为 `待验证`；不得仅凭固定差异百分比推断为口径错误。\n\r\n### 5. 综合输出\r\n\r\n按用户的决策需求选择输出结构；正式报告可参考 [business-reporting.md](business-reporting.md)。事实型调研不必强行给出建议，涉及决策时应明确选项、影响和建议。关键事实、数字和估算应在相邻文字或图表处注明来源、链接、发布日期与数据期间、口径和方法；二手资料尽量追溯原始来源。通常包括：\n\r\n1. **调研结论摘要**：3-5 条最关键发现\r\n2. **市场规模与趋势**：TAM、SAM、SOM、增长率、关键趋势\r\n3. **竞争格局**：主要玩家、市场份额、定位差异\r\n4. **客户与需求洞察**：目标客群画像、核心需求、未被满足的痛点\r\n5. **关键假设验证结果**：哪些假设被支持、哪些被推翻、哪些待验证\r\n6. **决策含义、方案比较或建议**（涉及决策时）\n7. **信息缺口与后续调研建议**\n\r\n---\r\n\r\n## 搜索工具使用规范\r\n\r\n### 何时使用搜索工具\r\n\r\n当以下条件之一成立且宿主提供搜索工具时，启动外部搜索：\n\r\n- 用户明确要求调研、查行业、看竞品、看市场\r\n- 当前分析缺少关键外部事实（市场规模、竞品数据、行业基准）\r\n- 涉及战略/竞争判断需要外部输入（SWOT 的机会/威胁、五力的行业结构）\r\n- 需要验证或反驳一个关于市场的假设\n\n用户要求搜索而宿主没有搜索工具时，说明限制并列出待核实的问题与所需来源。\n\r\n### 搜索策略\r\n\r\n1. **关键词结构化**：围绕待回答的问题形成少量可检验的搜索查询，必要时逐轮补缺口。按目标市场和可用来源选择语言，不要求机械地中英文成对：\n   - 核心概念（行业/市场/产品名）\n   - 限定词（规模、报告、趋势、竞争格局、市场份额）\n\n   示例：\n   ```\r\n   \"中国 SaaS CRM 市场规模 2025\"\r\n   \"SaaS CRM market size 2025 forecast\"\r\n   \"CRM 行业竞争格局 市场份额\"\r\n   ```\r\n\r\n2. **评估来源适用性**：优先使用能直接支持当前主张、可追溯且方法透明的来源。政府统计、监管文件、财报和原始调查常能支持事实；咨询报告、券商研究和行业媒体可提供估算或背景，但要检查方法、引用链和潜在偏向。来源类别是检查起点，不是质量排名。\n\n3. **按缺口迭代并停止**：先收集能回答核心决策问题的证据，再针对未解问题补充查询；当关键主张有足够支持，或新增搜索的预期价值较低时停止。搜索轮数和查询数量按问题调整，不作为硬性配额。\n\r\n### 信息筛选规则\r\n\r\n- 优先使用含发布时间、数据来源、统计口径的信息\n- 单一来源的数据标注为 `单来源`，不做核心判断依据\n- 对会影响结论的差异，核对统计对象、地区、期间、定义、币种、单位、方法和来源引用链；无法调和时保留各自口径和数值\n- 依据变化速度评估新旧：旧资料不自动失效，需说明数据期间与当前决策的关系；未注明日期/来源的材料不得作为关键结论的唯一依据\n- 预测、市场规模估算和调查结果应区分实测值与估算值，保留来源、关键假设和不确定范围\n\r\n### 搜索工具纪律\r\n\r\n- 每次搜索前明确搜索目标，不要漫无目的浏览\r\n- 围绕关键缺口搜索；当核心发现已经交叉验证或继续搜索的边际价值较低时停止\n- 搜索结果优先使用权威来源摘要，非必要不打开全文\r\n- 搜索结束后立即整理关键发现，不把搜索结果直接堆入输出\r\n- 若搜索结果与已有假设矛盾，优先记录矛盾，不要选择性忽略\r\n\r\n---\r\n\r\n## 市场调研方法\r\n\r\n### 1. 市场规模估算\r\n\r\n#### 方法一：自上而下法（Top-down）\r\n\r\n```\r\nTAM（总可用市场） = 目标人群总数 × 年人均消费/年客单价\nSAM（可服务市场） = TAM 中符合地区、客群、场景与产品范围的部分\nSOM（可获得市场） = 预测期间内可触达且可转化的 SAM 部分\n```\n\n逐个定义目标人群、期间、消费/价格口径及纳入边界。可达比例和渗透率必须有依据，并检查是否重复扣减地区、渠道、场景等限制。\n\n适用：行业成熟、有可比的宏观或行业数据时使用。\n\n风险：范围边界和渗透率假设容易导致高估；应以自下而上估算或可比来源交叉检查，并报告假设与区间。\n\r\n#### 方法二：自下而上法（Bottom-up）\r\n\r\n```\r\n收入 = 可服务客户数 × 期间购买率 × 购买客户的期间订单数 × 净客单价\n或\n收入 = 可运营网点数 × 单网点期间销量 × 单位净收入\n```\n\n将变量定义为同一地区、同一期间和一致口径的数量；标注来源、假设及容量约束。若使用增长率，应先说明基数并计算期间末客户数，不能直接把增长率当客户数量相乘。\n\n适用：有可参考的客户、渠道、价格或运营数据时。\n\r\n优势：更贴近实际，适合早期验证。\r\n\r\n#### 方法三：类比法（Analogy）\r\n\r\n```\r\n目标市场 = 相似成熟市场 × 人口/经济/渗透率调整系数\r\n```\r\n\r\n适用：全新市场缺乏直接数据时，参考相似市场的发展路径。\r\n\r\n风险：类比的有效性取决于可比程度，标注关键差异。\r\n\r\n### 2. 竞争分析调研\r\n\r\n需要收集的信息：\r\n\r\n- **产品与定价**：功能对比表、价格分层、免费/付费策略\r\n- **渠道与交付**：销售模式（直销/渠道/自营/平台）、物流、服务网络\r\n- **客户与口碑**：目标客群、客户规模、NPS、评价关键词\r\n- **组织与资源**：团队规模、融资历史、股东背景、招聘方向\r\n- **市场表现**：市场份额趋势、增长率、活跃用户、GMV（如公开）\r\n\r\n信息获取渠道：\r\n\r\n- 竞品官网、产品文档、Help Center\r\n- 第三方评测平台（G2、Capterra、Trustpilot、大众点评端）\r\n- 招聘网站（JD 看方向、规模、薪资）\r\n- 融资新闻、财报（上市或披露公司）\r\n- 用户社区、社交媒体、投诉平台\r\n\r\n### 3. 客户与需求调研\r\n\r\n#### 用户画像调研\r\n\r\n至少覆盖：\r\n\r\n- 人口属性：年龄、地域、职业、收入\r\n- 行为特征：使用频率、使用场景、决策路径\r\n- 需求与痛点：核心需求、未被满足的需求、切换成本\r\n- 信息渠道：通过什么渠道了解产品、信任什么来源\r\n\r\n#### 需求验证方法\r\n\r\n- **问题访谈**：了解用户在什么场景下遇到什么问题，现在怎么解决\r\n- **解决方案测试**：用户是否愿意为方案付钱/花时间\r\n- **价格敏感度测试**：Van Westendorp 或 Gabor-Granger 法\r\n\r\n### 4. 行业与趋势调研\r\n\r\n重点覆盖：\r\n\r\n- **政策环境**：监管态度、行业标准、补贴/限制政策\r\n- **技术驱动**：关键技术成熟度、渗透率、对成本/效率的影响\r\n- **社会变化**：消费习惯、人口结构、工作方式的变化\r\n- **资本流向**：赛道融资总额、头部项目、估值变化\r\n\r\n来源举例（中国）：\r\n\r\n- 国家统计局、工信部、商务部\r\n- 36Kr、晚点、虎嗅、甲子光年、亿欧\r\n- 上市公司财报、招股书\r\n- 券商行业研报（东方财富、Wind）\r\n- 咨询公司报告（McKinsey、BCG、Bain、Deloitte、PwC、KPMG）\r\n\r\n来源举例（国际）：\r\n\r\n- World Bank、IMF、OECD、UN\r\n- Gartner、IDC、Forrester、Frost & Sullivan\r\n- Crunchbase、PitchBook、CB Insights\r\n- SEC filings (10-K, 10-Q)、annual reports\r\n\r\n---\r\n\r\n## 输出质量检查清单\r\n\r\n输出前逐项检查：\r\n\r\n- [ ] 调研问题是否明确对应一个决策场景\r\n- [ ] 每条关键发现都有来源标注（来源 + 时间）\n- [ ] 关键事实附近可定位来源、链接、发布日期/数据期间和口径\n- [ ] 未验证的关键假设已标注 `待验证` 或 `假设`\r\n- [ ] 分歧数据已标注不同口径和出处\r\n- [ ] 市场规模的统计口径已说明（TAM/SAM/SOM、时间段、包含范围）\r\n- [ ] 竞品信息标注了收集时间和可靠程度\r\n- [ ] 没有把搜索结果直接堆砌到输出中，而是做了综合提炼\r\n- [ ] 调研结论直接回答了起始的决策问题\n- [ ] 涉及决策时，呈现决策含义、方案权衡或建议；事实型调研明确保持中立\n\r\n---\r\n\r\n## 与现有分析框架的关系\r\n\r\n市场调研为其他分析框架提供外部输入：\r\n\r\n- `SWOT`：调研结果为机会和威胁提供事实依据\r\n- `PESTEL`：调研覆盖政策、经济、社会、技术维度\r\n- `3C`：调研覆盖客户和竞争对手维度\r\n- `五力`：调研覆盖行业结构、替代品、新进入者\r\n- `STP`：调研覆盖市场细分、客户画像和定位依据\r\n- `4P`：调研覆盖竞品定价、渠道和促销策略\r\n\r\n市场调研本身不替代上述框架，而是在框架需要外部数据时提供输入。调研结果进入分析流程后，仍需遵守 `SKILL.md` 的分析纪律。\n\nFile v1.6.0:references/metric-playbook.md\n\n# 常见指标与拆解手册\r\n\r\n## 增长类\r\n\r\n- `新增用户 = 新注册 / 新激活 / 首购用户`\r\n- `活跃用户 = DAU / WAU / MAU`\r\n- `增长率 = (本期 - 上期) / 上期`\r\n\r\n常见拆法：\r\n- 渠道\r\n- 地区\r\n- 客群\r\n- 产品/品类\r\n- 新老用户\r\n- 自然周 / 自然月 / 活动期\r\n\r\n## 漏斗类\r\n\r\n- `访问 -> 注册 -> 激活 -> 下单 -> 支付`\r\n- `线索 -> 商机 -> 报价 -> 成交 -> 回款`\r\n\r\n常见输出：\r\n- 每层转化率\r\n- 每层流失量\r\n- 最大损失环节\r\n- 分群差异\r\n\r\n## 留存类\r\n\r\n- `次日留存`\r\n- `7日/30日留存`\r\n- `复购率`\r\n- `续费率`\r\n\r\n常见误区：\r\n- 只看总体留存，不看 cohort\r\n- 获客结构变化导致总体留存变化，却误判为产品问题\r\n\r\n## 收入类\r\n\r\n- `收入 = 流量 × 转化率 × 客单价`\r\n- `GMV = 订单量 × 平均订单金额`\r\n- `ARPU = 收入 / 用户数`\r\n- `毛利 = 收入 - 可变成本`\r\n\r\n常见拆法：\r\n- 量价拆解\r\n- 品类结构拆解\r\n- 渠道结构拆解\r\n- 折扣与补贴影响\r\n\r\n## 效率类\r\n\r\n- `人效 = 产出 / 人力投入`\r\n- `坪效 = 销售额 / 面积`\r\n- `库存周转 = 销售成本 / 平均库存`\r\n- `履约时长 = 签收时间 - 下单时间`\r\n\r\n常见拆法：\r\n- 单位产出\r\n- 单位成本\r\n- 周期\r\n- 利用率\r\n- 异常损耗\r\n\r\n## 建议动作模板\r\n\r\n当分析完成后，尽量把建议写成下面的格式：\r\n\r\n`动作 + 负责人类型 + 验证指标 + 观察周期 + 风险`\r\n\r\n示例：\r\n- 优化高流失页面文案，负责人为增长/产品，验证注册转化率，观察 7 天，风险是样本量不足\r\n- 调整低 ROI 渠道预算，负责人为投放，验证获客成本和首购率，观察 2 周，风险是季节性扰动\r\n\r\n## 强化分析模型手册\r\n\r\n### 1. 战略分析模型\r\n\r\n#### SWOT\r\n\r\n适用：\r\n- 公司要不要进入新业务\r\n- 某项战略调整是否具备条件\r\n\r\n分析重点：\r\n- `优势` 是否真的可转化为份额、利润或效率\r\n- `劣势` 是短期可补，还是结构性短板\r\n- `机会` 是否存在明确窗口期\r\n- `威胁` 对收入、毛利、合规、组织能力的影响有多大\r\n\r\n建议输出：\r\n- 关键优势与劣势各 2 到 3 条\r\n- 最重要机会与威胁各 2 条\r\n- 战略结论：做 / 不做 / 延后做\r\n\r\n#### PESTEL\r\n\r\n适用：\r\n- 行业环境变化\r\n- 政策驱动或约束明显的业务\r\n\r\n分析重点：\r\n- 政策和法律会不会改变准入门槛\r\n- 经济周期是否影响需求和支付能力\r\n- 社会趋势是否改变用户偏好\r\n- 技术进步是否重构成本或壁垒\r\n\r\n建议输出：\r\n- 外部环境利好和利空\r\n- 最关键的 1 到 2 个不确定因素\r\n- 对应的应对动作\r\n\r\n#### 3C\r\n\r\n适用：\r\n- 公司能力与市场机会是否匹配\r\n- 增长路径是否可执行\r\n\r\n分析重点：\r\n- `Company`：能力、资源、品牌、渠道、组织效率\r\n- `Customer`：需求强度、场景、支付意愿、决策链\r\n- `Competitor`：价格、交付、渠道、口碑、速度\r\n\r\n建议输出：\r\n- 公司优势是否和客户核心需求匹配\r\n- 与竞争对手相比的关键差异\r\n- 当前最可打的客户切口\r\n\r\n#### Ansoff 矩阵\r\n\r\n适用：\r\n- 讨论增长路径\r\n- 评估新市场或新产品投入\r\n\r\n分析重点：\r\n- 市场渗透：能否在现有市场继续提份额\r\n- 市场开发：进入新区域、新客群是否可行\r\n- 产品开发：新产品是否服务现有客户\r\n- 多元化：风险最高，需额外验证能力匹配\r\n\r\n建议输出：\r\n- 四种路径的机会和风险\r\n- 推荐主路径和不推荐路径\r\n\r\n### 2. 竞争分析模型\r\n\r\n#### 波特五力\r\n\r\n适用：\r\n- 行业利润空间评估\r\n- 赛道壁垒判断\r\n\r\n分析重点：\r\n- 供应商议价能力\r\n- 买方议价能力\r\n- 替代品威胁\r\n- 新进入者威胁\r\n- 现有竞争激烈程度\r\n\r\n建议输出：\r\n- 哪一股力量最压利润\r\n- 公司能否建立护城河\r\n- 行业是否值得长期投入\r\n\r\n#### 战略群组分析\r\n\r\n适用：\r\n- 同行业不同打法分层\r\n- 找直接竞争圈层\r\n\r\n分析重点：\r\n- 按价格带、渠道、目标客户、服务深度分组\r\n- 区分头部、腰部、长尾玩家\r\n\r\n建议输出：\r\n- 我们属于哪个群组\r\n- 最值得对标的 3 类对手\r\n\r\n#### Benchmark\r\n\r\n适用：\r\n- 具体竞争对手比较\r\n- 制定追赶策略\r\n\r\n分析重点：\r\n- 产品力\r\n- 价格力\r\n- 渠道力\r\n- 品牌力\r\n- 交付和服务能力\r\n\r\n建议输出：\r\n- 关键差距\r\n- 可以复制的做法\r\n- 不应盲目跟进的点\r\n\r\n### 3. 营销分析模型\r\n\r\n#### STP\r\n\r\n适用：\r\n- 明确目标用户\r\n- 优化市场定位\r\n\r\n分析重点：\r\n- 细分市场是否足够可识别、可触达、可盈利\r\n- 目标客群选择是否与资源匹配\r\n- 定位是否清晰且可被感知\r\n\r\n建议输出：\r\n- 重点客群画像\r\n- 放弃哪些客群\r\n- 核心定位语句\r\n\r\n#### 4P\r\n\r\n适用：\r\n- 产品上市\r\n- 营销组合优化\r\n\r\n分析重点：\r\n- 产品是否解决核心痛点\r\n- 价格是否匹配价值与竞争环境\r\n- 渠道是否覆盖关键触点\r\n- 促销是否带来真实增量\r\n\r\n建议输出：\r\n- 当前最短板的 `P`\r\n- 优先优化顺序\r\n\r\n#### AIDA\r\n\r\n适用：\r\n- 广告投放\r\n- 内容转化链路分析\r\n\r\n分析重点：\r\n- 注意获取是否足够\r\n- 兴趣是否被建立\r\n- 欲望是否被强化\r\n- 行动是否有阻碍\r\n\r\n建议输出：\r\n- 卡点在哪一层\r\n- 每层的改进建议\r\n\r\n#### 用户生命周期\r\n\r\n适用：\r\n- 拉新转化留存一体化分析\r\n- 评估用户长期价值\r\n\r\n分析重点：\r\n- 获客成本与首购转化\r\n- 留存和复购变化\r\n- `LTV/CAC` 是否成立\r\n\r\n建议输出：\r\n- 哪个阶段损失最大\r\n- 哪类用户长期价值最高\r\n\r\n### 4. 运营分析模型\r\n\r\n#### KPI / OKR\r\n\r\n适用：\r\n- 经营目标拆解\r\n- 团队执行跟踪\r\n\r\n分析重点：\r\n- 目标是否清晰\r\n- 指标是否能反映目标\r\n- 过程指标是否支持结果达成\r\n\r\n建议输出：\r\n- 北极目标\r\n- 关键结果\r\n- 过程监控指标\r\n\r\n#### 漏斗模型\r\n\r\n适用：\r\n- 注册、激活、下单、销售转化\r\n\r\n分析重点：\r\n- 每层转化率\r\n- 绝对损失量\r\n- 分群差异\r\n\r\n建议输出：\r\n- 最大损失环节\r\n- 优先修复环节\r\n\r\n#### 北极星指标\r\n\r\n适用：\r\n- 统一增长方向\r\n- 防止团队目标分散\r\n\r\n分析重点：\r\n- 指标是否代表长期用户价值\r\n- 是否可被团队关键动作驱动\r\n\r\n建议输出：\r\n- 北极星指标定义\r\n- 一级驱动因子\r\n- 监控频率\r\n\r\n#### Build-Measure-Learn\r\n\r\n适用：\r\n- 新功能试验\r\n- 增长实验\r\n\r\n分析重点：\r\n- 假设是否清晰\r\n- 度量指标是否可验证\r\n- 学习结果是否能进入下一轮决策\r\n\r\n建议输出：\r\n- 实验假设\r\n- 成功阈值\r\n- 继续 / 停止 / 调整结论\r\n\r\n### 5. 财务分析模型\n\r\n#### ROI\r\n\r\n适用：\r\n- 项目投放\r\n- 预算审批\r\n\r\n分析重点：\r\n- 投入项是否算全\r\n- 收益是否考虑时间窗口\r\n- 是否存在延迟回收\r\n\r\n建议输出：\r\n- 静态 ROI\r\n- 回收周期\r\n- 敏感性因素\r\n\r\n#### 盈亏平衡点\r\n\r\n适用：\r\n- 新项目立项\r\n- 价格或销量方案评估\r\n\r\n分析重点：\r\n- 固定成本\r\n- 变动成本\r\n- 单位贡献毛利\r\n\r\n建议输出：\r\n- 需要达到的销量或收入门槛\r\n- 达成门槛的前提条件\r\n\r\n#### 现金流模型\r\n\r\n适用：\r\n- 高增长但重投入项目\r\n- 回款周期长的业务\r\n\r\n分析重点：\r\n- 收入确认与回款时间差\r\n- 库存、应收、预付款占用\r\n- 现金缺口出现时间\r\n\r\n建议输出：\r\n- 现金流高风险环节\r\n- 关键资金压力点\r\n\r\n#### 杜邦分析\r\n\r\n适用：\r\n- 经营质量复盘\r\n- 多业务单元比较\r\n\r\n分析重点：\r\n- 净利率\r\n- 资产周转率\r\n- 财务杠杆\r\n\r\n建议输出：\n- 回报由利润驱动还是效率驱动\n- 关键改善方向\n\n### 6. 目标差异桥接与量价结构拆解\n\n适用：\n- 实际结果偏离预算、目标、上期或同期\n- 需要解释收入变化由销量、价格、产品/客户组合或其他驱动带来多少\n\n所需数据：\n- 实际期与基准期/目标期的同口径数据\n- 可比粒度下的数量、净价及细分维度（如 SKU、渠道、地区）\n- 折扣、退货、汇率、范围变更等会影响收入的调整项\n\n步骤与输出：\n1. 先核对实际与基准的范围、期间、币种和指标定义。\n2. 计算总差异，并按业务驱动拆解成可解释的桥接项。\n3. 收入可写成 `R = Σᵢ(Pᵢ × Qᵢ)`；单一产品时，`ΔR = P₀ΔQ + Q₀ΔP + ΔPΔQ`。多产品的价格、销量和组合拆分需明确采用的分解顺序或分摊约定。\n4. 用瀑布表/瀑布图呈现基准、各项影响、未解释残差和实际结果；桥接项应能加总回总差异。\n\n边界：\n- 用产品级数据拆分价格和组合变化，避免把产品结构变化误读成平均售价变化。\n- 分解结果可能依赖顺序或交互项分摊方法；标明方法，并对重要结论做替代方法敏感性检查。\n- 总差异接近零或驱动项彼此抵消时，贡献百分比会失真；优先展示金额和方向。\n- 缺少关键分层数据时，把未解释部分标为残差，不强行归因。\n\n### 7. 单位经济与贡献毛利\n\n适用：\n- 判断客户、订单、产品、门店或渠道的边际盈利能力\n- 评估获客投入、客户回收周期或规模扩张的经济性\n\n常用计算：\n- `单位贡献毛利 = 单位净收入 − 单位变动成本`\n- `贡献毛利率 = 贡献毛利 / 净收入`\n- `盈亏平衡销量 = 固定成本 / 单位贡献毛利`（单位贡献毛利为正，且价格、成本和销量关系近似稳定时）\n- `渠道 CAC = 归属于该渠道及 cohort 的获客成本 / 同口径新增付费客户数`\n- 回收期按累计贡献现金流覆盖 CAC 的时间计算；LTV 应基于指定期间内的预期贡献毛利，而不是直接用 GMV 或收入代替。\n\n所需数据与输出：\n- 明确核算对象、时间窗、净收入、变动成本范围、固定成本分摊和获客归因规则。\n- 按渠道、客群、产品或 cohort 比较单位贡献、CAC、回收期和盈亏平衡条件。\n- 报告规模变化需要增加的资源、现金流时点及关键假设。\n\n边界：\n- 说明变动成本边界；只扣直接履约成本的贡献指标不能称为全成本利润。\n- CAC、LTV 和回收期必须使用一致的客群、渠道、毛利口径与观察期间；行业间没有可直接套用的统一 LTV/CAC 门槛。\n- 平均值会遮住不同 cohort 的留存、扩张和回款差异；重要决策按 cohort 展示。\n- 单位贡献毛利不为正时，不存在有限的正向盈亏平衡销量；容量、折扣和规模成本变化会破坏线性假设。\n\n### 8. 情景预测与敏感性分析\n\n适用：\n- 目标达成、预算、资源投入或市场机会对关键假设敏感\n- 需要比较不同外部环境或执行方案下的结果\n\n步骤与输出：\n1. 建立能与实际数据核对的驱动模型，如 `收入 = 订单数 × 净客单价`，并明确期间和变量定义。\n2. 给出基准、上行和下行情景；每个情景列出驱动假设、约束、结果区间和可能触发条件。\n3. 对单个关键输入做敏感性检查；需要时用二维表或龙卷风图展示影响最大的假设。\n4. 用实际结果滚动校准假设，并区分情景、预测和目标。\n\n边界：\n- 情景用于比较假设，不自动代表概率预测；只有依据充分时才赋予概率。\n- 不把单因素敏感性结果简单相加；多项输入相关或存在交互时，使用一致的组合情景。\n- 上下行情景应由业务约束和证据支持，不机械套用固定百分比。\n- 明示基准数据、时间范围、名义/实际金额及汇率或折现假设（如适用）。\n\n### 9. 帕累托与集中度分析\n\n适用：\n- 判断收入、利润、客户、SKU、供应商或渠道是否集中于少数对象\n- 排定排查顺序，评估单点依赖和组合结构风险\n\n步骤与输出：\n1. 选定同一期间、同一口径的目标指标，按实体贡献排序。\n2. 展示头部对象占比、累计贡献曲线和剩余长尾；可用 `累计占比 = 累计贡献 / 总贡献`。\n3. 当份额均为非负且类别完整互斥时，可用 `HHI = Σᵢ(sᵢ²)` 作为集中度补充，并说明份额用小数还是百分数计算。\n4. 对关键集中项联看利润、波动、替代性和依赖风险，说明后续动作。\n\n边界：\n- 80/20 是经验启发，不是必须出现的比例；不按它强行分组。\n- 集中度能描述“贡献集中在哪里”，本身不能解释原因或证明因果。\n- 负值、零总额、重叠归因或不完整类别会使累计占比/HHI失真；此时报告绝对值或 Top-N 占比并解释口径。\n- 高集中既可能带来效率，也可能形成依赖风险，需结合业务可替代性和波动判断。\n\nFile v1.6.0:references/router-design.md\n\n# 路由设计与实现\n\n## 职责\n\n`src/router.js` 是一个可解释的关键词路由层，判断请求是否属于商业分析，并在命中后分到一个分析子场景。它只返回意图、置信度、原因和提示语，不读取业务数据、不执行分析，也不调用搜索工具。\n\n## 输入与输出\n\n公开入口 `routeSkillIntent(input)` 接受字符串，或至少包含 `message` 字符串的对象。对象中的其他字段（例如 `locale`、`metadata`）目前不会参与判断。\n\n命中时返回：\n\n```js\n{\n  matched: true,\n  intent: \"retention_analysis\",\n  confidence: 0.72,\n  reason: \"命中留存分析，检测到相关问题模式和关键词。\",\n  promptHint: \"优先做 cohort、续费和流失阶段拆解。\"\n}\n```\n\n未命中时 `intent` 和 `promptHint` 为 `null`。`detectBusinessAnalysis(message)` 用于单独检查是否属于业务分析；`detectIntent(message)` 用于单独识别子场景。\n\n## 当前意图与优先级\n\n路由目前覆盖：\n\n- `growth_analysis`：增长分析\n- `funnel_analysis`：漏斗分析\n- `retention_analysis`：留存分析\n- `revenue_analysis`：收入利润分析\n- `efficiency_analysis`：运营效率分析\n- `business_diagnosis`：经营诊断\n- `market_research`：市场调研\n\n意图分数为命中的非重叠关键词数。同一较长关键词中包含的短关键词不会重复计分。分数相同时按规则中显式声明的 `priority` 选择，不依赖数组排列；置信度仍是规则匹配分数的启发式映射，不代表校准后的概率。\n\n业务场景门控要求至少命中一个业务信号，且综合分数达到 0.2。纯技术或通用写作请求应排除。未识别到具体子场景但已通过业务门控时，默认进入 `business_diagnosis`。\n\n## 维护约定\n\n- 新增关键词或意图时，在 `test/router.test.js` 增加真实输入与预期路由的测试。\n- 为会同时命中多个意图的输入明确优先级，并用测试锁定结果。\n- 路由规则保持轻量和可解释；路由只负责分流，最终分析仍遵守 [SKILL.md](../SKILL.md)。\n- 市场调研所需的数据和网页搜索能力由宿主提供；路由提示语不会执行这些操作。\n\nFile v1.6.0:references/wei-liaozi-business-framework.md\n\n# 尉缭子商业分析框架（现代转译）\n\n本框架把《尉缭子》若干篇章中关于先定制度、权衡条件、审察形势、备而后动等思想，转译为现代经营分析流程。**《尉缭子》原书并不存在这套商业模型**；“制 → 称 → 权 → 分 → 备 → 胜 → 行 → 验”是现代分析者组织问题的工作框架，其中“验”是基于数据分析实践补充的验证环节。古代军事语境不等同于现代经营管理，使用时应保留原意边界，避免将古籍包装成现代实证方法。\n\n## 适用场景\n\n- 经营问题涉及多个环节，需要由诊断推进到方案选择、资源安排和复盘。\n- 需要同时看市场机会、内部产能、客群/产品结构、投入回报和执行风险。\n- 需要把年度/季度目标转成可跟踪的经营动作与验证机制。\n\n纯指标查询、单项指标诊断或用户明确只要简答时，不必展开完整八步；选最相关环节即可。该框架用于组织判断，不能替代可信数据、合适的统计设计、专业财务审核或合规审查。\n\n## 八步流程\n\n| 步骤 | 经营分析问题 | 常用方法与输出 |\n| --- | --- | --- |\n| **制：定问题与口径** | 谁要决定什么？成功如何定义？数据覆盖哪些对象与期间？ | 决策陈述、指标字典、时间窗、比较基准、数据责任与质量检查。 |\n| **称：衡量资源与约束** | 当前目标与能力是否匹配？最紧的约束在哪里？ | 驱动树、产能/容量模型、瓶颈分析、供需与现金流约束。 |\n| **权：比较外部与内部条件** | 机会多大、变化多快？组织在哪些环节有能力或短板？ | 市场研究、竞争基准、客户需求、能力盘点；区分事实、估算和推断。 |\n| **分：识别差异与重点** | 哪些客群、产品、渠道或区域贡献不同？资源优先投向哪里？ | 分群、cohort、贡献毛利、Pareto/集中度、潜力与风险分层。 |\n| **备：检查行动准备度** | 落地需要哪些前置条件？如何尽早发现执行偏差？ | 领先指标、人员/资金/供应/系统准备度、风险清单、触发条件和预案。 |\n| **胜：评估方案成立条件** | 方案在什么条件下值得做？边界和失败条件是什么？ | 基准/上行/下行情景、敏感性、盈亏平衡、回收期、预期价值或决策门槛。 |\n| **行：执行与配置资源** | 具体做什么、谁负责、何时完成？哪些变量可以控制？ | 行动计划、资源分配、责任人与里程碑、可控杠杆和护栏指标。 |\n| **验：验证效果并学习** | 结果是否由行动带来？假设是否成立？下一轮如何调整？ | A/B 测试、准实验/因果评估、前后对照的适用性检查、复盘和假设更新。 |\n\n## 实际使用方法\n\n1. 先写出待决策的问题、对象、截止时间和成功指标。若决策问题不清楚，暂不急于套模型。\n2. 根据问题选择主线：目标差距走驱动树；机会选择加市场比较；资源优先级加分群与贡献分析；方案投入加情景和单位经济；效果判断加实验或因果评估。\n3. 先暴露关键约束和成立条件，再比较备选方案。不要把目标当预测，也不要把市场规模直接当收入机会。\n4. 把建议写成可执行动作，并同步指定负责人建议、时间点、资源、结果指标和护栏指标。\n5. 预先定义验证方法及其限制。无法随机实验时，评估准实验或其他反事实设计是否可信；若只能观察前后变化，明确不能据此单独证明因果。\n6. 复盘实际结果，更新驱动假设、资源配置和下一轮决策；保留未解释差异，不强行填补因果链。\n\n## 与现有分析模型的映射\n\n- **制**：指标口径、数据质量检查、业务报告中的问题定义与范围。\n- **称**：驱动树、差异桥接、瓶颈与产能分析。\n- **权**：市场研究、竞争分析、战略与能力评估。\n- **分**：用户/产品/渠道分层、cohort、单位经济、Pareto 与集中度。\n- **备**：领先指标、经营风险、情景触发条件与执行准备度。\n- **胜**：财务模型、单位经济、盈亏平衡、情景与敏感性分析。\n- **行**：行动优先级、责任安排、资源配置和实验设计。\n- **验**：效果评估、实验/准实验、经营复盘和假设更新。\n\n模型映射仅是选择提示；根据决策所需证据选择少量方法，不要求每项分析都包含全部工具。\n\n## 输出建议\n\n用于管理层决策或经营计划时，可按以下顺序组织交付：\n\n1. **决策摘要**：要做的决定、推荐方案及成立条件。\n2. **问题与证据**：口径、数据质量、主要发现及来源。\n3. **约束与机会**：关键瓶颈、外部条件、能力和分群差异。\n4. **方案比较**：资源需求、预期结果、情景、风险与不确定性。\n5. **执行计划**：动作、负责人建议、时间点、领先/结果/护栏指标。\n6. **验证与复盘**：评估设计、判断标准、复盘时间和需要更新的假设。\n\n若是简短诊断，只保留决策相关的步骤与发现，不照抄此目录。\n\n## 来源说明\n\n该现代转译参考《尉缭子》的相关篇章，而不主张古籍原文含有现代商业分析术语或定量模型。可对照阅读：[《制谈》](https://ctext.org/wei-liao-zi/zhi-tan/zh)、[《兵谈》](https://ctext.org/wei-liao-zi/bing-tan/zhs)、[《攻权》](https://ctext.org/wei-liao-zi/gong-quan/zhs)与[《天官》](https://ctext.org/wei-liao-zi/tian-guan/zhs)。引申到市场比较、资源配置和效果验证的部分属于现代分析设计，应以可追溯数据和适当方法独立论证。\n\nFile v1.6.0:CHANGELOG.md\n\n# Changelog\n\nAll notable changes to this project will be documented in this file.\n\n## [1.6.0] - 2026-09-24\n\n### Added\n\n- Added a modern, clearly attributed “Wei Liaozi” business analysis framework connecting decision definition, constraints, market comparison, segmentation, readiness, decision gates, execution, and validation.\n- Added variance bridge/PVM, unit economics and contribution margin, scenario and sensitivity, and Pareto/concentration guidance.\n- Expanded market research and business reporting guidance for source traceability, contextual freshness, decision implications, and evidence-based qualitative prioritization.\n\n### Changed\n\n- Clarified output selection, model routing, and research stopping criteria; removed universal source-age and mismatch thresholds.\n- Bumped the project version to `1.6.0` across `README.md`, `SKILL.md`, and `package.json`.\n\n## [1.5.0] - 2026-09-24\n\n### Added\n\n- Added `references/business-reporting.md` with guidance for executive summaries, KPI scorecards, driver analysis, WBR/MBR/QBR structures, action tracking, and report quality checks.\n- Integrated business reporting guidance into `SKILL.md` and added the reference to the README project overview.\n\n### Changed\n\n- Bumped the project version to `1.5.0` across `README.md`, `SKILL.md`, and `package.json`.\n\n## [1.4.0] - 2026-09-24\n\n### Added\n\n- Added Node.js built-in router tests for all analysis intents, tie handling, negative signals, and English keyword routing.\n- Added an `npm test` script and documented the package's host-provided data and search tool requirements.\n\n### Changed\n\n- Updated router documentation to describe the implemented input, scoring, priority, and output behavior.\n- Replaced machine-specific README and changelog links with repository-relative links.\n- Made intent priorities explicit and prevented overlapping phrases from inflating intent scores.\n- Rewrote the README with a clearer project overview, usage example, scenario table, repository structure, and capability boundaries.\n- Bumped the project version to `1.4.0` across `README.md`, `SKILL.md`, and `package.json`.\n\r\n## [1.3.0] - 2026-06-12\r\n\r\n### Added\r\n\r\n- Added `market_research` intent to `src/router.js`, supporting 23 keywords for market research, industry analysis, competitive analysis, and market sizing scenarios.\r\n- Added `references/market-research.md` — a comprehensive market research reference covering: research process design, search strategy and tool usage discipline, market sizing methods (TAM/SAM/SOM, top-down, bottom-up, analogy), competitive intelligence gathering, customer research methods, industry trend tracking, cross-validation rules, and integration guidance with existing analysis frameworks.\r\n- Added **市场调研** analysis framework (section 6) to `SKILL.md`, defining when and how to conduct market research, priority paths, and search discipline.\r\n- Added **搜索工具使用纪律** section to `SKILL.md`, specifying when to use external search, keyword structuring, source grading, multi-round convergence, and result distillation rules.\r\n- Added 3 new model selection rules to `SKILL.md` mapping market research scenarios to appropriate models (market + strategy, market + competitive, market + marketing).\r\n- Added market research output structure template to `SKILL.md` covering research questions, information sources, market sizing, competitive landscape, and customer insights.\r\n- Updated `SKILL.md` routing/references section and 参考材料 section to cross-link `references/market-research.md`.\r\n- Updated `README.md` to reflect the new market research capability, directory listing, and usage instructions.\r\n\r\n### Changed\r\n\r\n- Bumped the project version to `1.3.0` across `README.md` and `package.json`.\r\n- `buildPromptHint()` in `src/router.js` now includes a prompt hint for the `market_research` intent.\r\n\r\n## [1.2.0] - 2026-04-20\r\n\r\n### Added\r\n\r\n- Added `响应语言与信息缺口规则` to `SKILL.md`, clarifying language following, missing-data handling, and conditional judgment discipline.\r\n- Added `模型使用纪律` to `SKILL.md` so strategic and financial models stay subordinate to the main analysis flow instead of turning into framework dumping.\r\n- Added `路由与参考材料使用` to `SKILL.md` so hosts know when to use `src/router.js` and when to read `references/router-design.md`, `references/examples.md`, and `references/metric-playbook.md`.\r\n\r\n### Changed\r\n\r\n- Bumped the project version to `1.2.0` across `README.md` and `package.json`.\r\n- Strengthened `SKILL.md` so the skill now covers response language, uncertainty handling, model selection discipline, and progressive disclosure guidance more explicitly.\r\n\r\n## [1.1.0] - 2026-04-20\r\n\r\n### Added\r\n\r\n- Added `src/router.js` for internal skill intent routing.\r\n- Added `src/index.js` as the public export entry for router utilities.\r\n- Added intent routing support for `growth_analysis`, `funnel_analysis`, `retention_analysis`, `revenue_analysis`, `efficiency_analysis`, and `business_diagnosis`.\r\n- Added [references/router-design.md](references/router-design.md) to document the routing design and expected contract.\n- Added strategic, competitive, marketing, operational, and financial analysis model guidance to [SKILL.md](SKILL.md) and [references/metric-playbook.md](references/metric-playbook.md).\n\r\n### Changed\r\n\r\n- Updated [README.md](README.md) to document the new runtime routing layer and point change history to `CHANGELOG.md`.\n\nFile v1.6.0:skill-card.md\n\n## Description:\n\nBusiness Data Analyst helps agents structure business analysis, data-quality checks, market research, reporting, and decision recommendations for growth, funnel, retention, revenue, efficiency, and operating diagnosis questions.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[phoenixlucky](https://clawhub.ai/user/phoenixlucky)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nEmployees, analysts, and business teams use this skill to turn operating or market questions into analysis plans, metric definitions, evidence checks, root-cause diagnostics, business reports, recommendations, and validation steps.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Confidential business details could be exposed if they are sent to external search or public fact-checking tools.\n\nMitigation: Keep sensitive internal data out of web searches and separate private analysis from external source verification.\n\nRisk: Business recommendations may be misleading if metric definitions, data quality, time windows, or source dates are not checked.\n\nMitigation: Require metric definitions, source traceability, data-quality checks, and explicit labels for facts, assumptions, inferences, and risks.\n\nRisk: The lightweight router uses keyword matching and its confidence is not a calibrated probability.\n\nMitigation: Treat routing output as a prompt hint and validate the selected analysis path against the user's actual decision question.\n\n## Reference(s):\n\n- [Business reporting guide](references/business-reporting.md)\n- [Business data analysis examples](references/examples.md)\n- [Market research manual](references/market-research.md)\n- [Metric and decomposition playbook](references/metric-playbook.md)\n- [Router design and implementation](references/router-design.md)\n- [Wei Liaozi business analysis framework](references/wei-liaozi-business-framework.md)\n- [Wei Liaozi: Zhi Tan](https://ctext.org/wei-liao-zi/zhi-tan/zh)\n- [Wei Liaozi: Bing Tan](https://ctext.org/wei-liao-zi/bing-tan/zhs)\n- [Wei Liaozi: Gong Quan](https://ctext.org/wei-liao-zi/gong-quan/zhs)\n- [Wei Liaozi: Tian Guan](https://ctext.org/wei-liao-zi/tian-guan/zhs)\n\n## Skill Output:\n\n**Output Type(s):** [Guidance, Markdown, Code]\n\n**Output Format:** [Markdown prose with tables, checklists, and optional structured routing fields]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Does not connect to business data sources; data, calculations, and web search are supplied by the host environment.]\n\n## Skill Version(s):\n\n1.6.0 (source: SKILL.md frontmatter, CHANGELOG.md, package.json, and server release metadata; released 2026-09-24)\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\nFile v1.6.0:package.json\n\n{\r\n  \"name\": \"business-data-analyst-skill\",\r\n  \"version\": \"1.6.0\",\n  \"description\": \"Business analysis skill with evidence-based reporting, market research, reusable models, and an end-to-end decision framework.\",\n  \"main\": \"src/index.js\",\r\n  \"exports\": {\r\n    \".\": \"./src/index.js\",\r\n    \"./router\": \"./src/router.js\",\r\n    \"./package.json\": \"./package.json\"\r\n  },\r\n  \"files\": [\r\n    \"src\",\r\n    \"references\",\r\n    \"agents\",\r\n    \"SKILL.md\",\r\n    \"README.md\",\r\n    \"CHANGELOG.md\"\r\n  ],\r\n  \"scripts\": {\n    \"lint\": \"node --check src/index.js && node --check src/router.js\",\n    \"test\": \"node --test\",\n    \"smoke:test\": \"node -e \\\"const { routeSkillIntent } = require('./src'); console.log(routeSkillIntent('最近续费率下降，帮我定位原因并给动作建议'));\\\"\"\n  },\r\n  \"engines\": {\r\n    \"node\": \">=18\"\r\n  },\r\n  \"author\": \"phoenixlucky\",\r\n  \"license\": \"MIT\",\r\n  \"repository\": {\r\n    \"type\": \"git\",\r\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill.git\"\r\n  },\r\n  \"bugs\": {\r\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill/issues\"\r\n  },\r\n  \"homepage\": \"https://github.com/phoenixlucky/business-data-analyst-skill#readme\",\r\n  \"keywords\": [\r\n    \"business-data-analyst\",\r\n    \"business analysis\",\r\n    \"商业分析\",\r\n    \"经营分析\",\r\n    \"strategy analysis\",\r\n    \"战略分析\",\r\n    \"competitive analysis\",\r\n    \"竞争分析\",\r\n    \"marketing analysis\",\r\n    \"营销分析\",\r\n    \"financial analysis\",\r\n    \"财务分析\",\r\n    \"operations analysis\",\r\n    \"运营分析\",\r\n    \"data analyst\",\r\n    \"数据分析师\",\r\n    \"operating diagnosis\",\r\n    \"经营诊断\",\r\n    \"metric\",\r\n    \"指标分析\",\r\n    \"growth analysis\",\r\n    \"增长分析\",\r\n    \"conversion funnel\",\r\n    \"漏斗分析\",\r\n    \"retention\",\r\n    \"留存分析\",\r\n    \"revenue analysis\",\r\n    \"收入分析\",\r\n    \"north star metric\",\r\n    \"北极星指标\",\r\n    \"okr\",\r\n    \"kpi\",\r\n    \"目标管理\",\r\n    \"swot\",\r\n    \"优势劣势机会威胁\",\r\n    \"pestel\",\r\n    \"宏观环境分析\",\r\n    \"3c\",\r\n    \"公司客户竞争对手\",\r\n    \"ansoff\",\r\n    \"安索夫矩阵\",\r\n    \"porter five forces\",\r\n    \"波特五力\",\r\n    \"stp\",\r\n    \"市场细分\",\r\n    \"4p\",\r\n    \"营销组合\",\r\n    \"aida\",\r\n    \"用户生命周期\",\r\n    \"roi\",\r\n    \"投资回报率\",\r\n    \"dupont analysis\",\r\n    \"杜邦分析\",\r\n    \"KPIs\",\r\n    \"business intelligence\",\r\n    \"商业智能\",\r\n    \"SQL\",\r\n    \"数据质量\",\r\n    \"data quality\",\r\n    \"bilingual\",\r\n    \"双语\",\r\n    \"market research\",\r\n    \"市场调研\",\r\n    \"行业分析\",\r\n    \"competitive intelligence\",\r\n    \"竞品分析\",\r\n    \"market sizing\",\n    \"市场规模\",\n    \"business reporting\",\n    \"商业报告\",\n    \"unit economics\",\n    \"单位经济\",\n    \"scenario analysis\",\n    \"情景分析\",\n    \"variance analysis\",\n    \"差异分析\",\n    \"wei liaozi\",\n    \"尉缭子\",\n    \"skill\"\n  ]\r\n}\n\nArchive v1.3.0: 13 files, 26923 bytes\n\nFiles: agents/openai.yaml (253b), CHANGELOG.md (3553b), package.json (2646b), README.md (2505b), references/examples.md (2150b), references/market-research.md (9375b), references/metric-playbook.md (7334b), references/router-design.md (3676b), skill-card.md (2406b), SKILL.md (13720b), src/index.js (227b), src/router.js (6638b), _meta.json (146b)\n\nFile v1.3.0:SKILL.md\n\n---\nname: business-data-analyst-skill\nversion: 1.3.0\ndescription: Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas. Suitable for operating reviews, growth analysis, user behavior analysis, channel performance analysis, funnel analysis, sales conversion analysis, postmortems, weekly or monthly business reporting, and management decision support.\n---\n\n# 商业数据分析师\n\n先定义问题，再统一口径，再看数据质量，再做诊断，最后给动作。\n\n把“发生了什么”与“为什么发生”分开，把“观察”与“建议”分开，把“相关性”与“因果性”分开。\n\n## 核心工作原则\n\n- 先业务问题，后分析动作：先写清决策问题、对象、时间范围、比较基准。\n- 先指标口径，后看结论：任何同比、环比、转化率、ROI、LTV，都先定义分子、分母、时间窗、归因口径。\n- 先验数，后解释：先检查样本量、缺失值、重复值、埋点变更、口径漂移，再做业务判断。\n- 先拆结构，后下结论：总体变化必须拆到渠道、地区、客群、产品、时间、活动、销售人员或门店等关键维度。\n- 先区分事实与推断：明确哪些是已知，哪些是推断，哪些需要额外验证。\n- 结论必须能落动作：每个结论都要回答“该做什么、谁去做、先做什么、看什么指标验证”。\n\n建议必要时使用以下标记：\n- `已知`\n- `推断`\n- `假设`\n- `风险`\n\n## 固定分析顺序\n\n1. **定义决策问题**\n   用一句话写清楚：谁要决策、要决定什么、目标是什么。\n2. **统一分析口径**\n   明确指标定义、时间范围、对比基准、分析粒度、归因口径。\n3. **检查数据可信度**\n   检查来源、样本覆盖、异常值、埋点/口径变更、是否存在幸存者偏差或抽样偏差。\n4. **描述现象**\n   先回答“发生了什么”：规模、趋势、结构变化、异常拐点、分层差异。\n5. **拆解驱动因素**\n   用漏斗、分层、 cohort、价格-销量、供给-需求、渠道贡献等方法拆解变化来源。\n6. **评估业务影响**\n   量化对收入、利润、留存、转化、库存、交付、人效、现金流或客户体验的影响。\n7. **输出动作建议**\n   给出优先级、负责人建议、验证指标、预期影响、风险和下一步实验。\n\n## 常用分析框架\n\n### 1. 增长分析\n\n适用于新增、活跃、收入增长放缓或异常波动。\n\n优先拆：\n- 流量/线索\n- 转化率\n- 客单价或 ARPU\n- 复购/留存\n- 渠道结构\n\n问题模板：\n- 增长来自新增、提价、提频，还是结构变化？\n- 是总盘下滑，还是某几个关键渠道/客群下滑？\n- 增长是否可持续，是否依赖短期补贴或活动？\n\n### 2. 漏斗分析\n\n适用于注册、激活、下单、付费、销售转化、续约等流程。\n\n必须输出：\n- 每一层转化率\n- 每一层绝对流失量\n- 最大损失环节\n- 新旧用户、渠道、地区、设备或销售团队的差异\n\n### 3. 留存与 cohort 分析\n\n适用于用户流失、复购、订阅续费、客户健康度问题。\n\n重点看：\n- 不同首购/首登批次的留存曲线\n- 留存变化是由获客结构变了，还是产品/服务体验变了\n- 留存问题发生在第几周/第几月\n\n### 4. 收入与利润分析\n\n适用于经营复盘、预算偏差、价格策略、品类结构变化。\n\n优先拆：\n- 量\n- 价\n- 折扣\n- 产品结构\n- 渠道结构\n- 成本与毛利\n\n### 5. 运营效率分析\n\n适用于库存、交付、客服、人效、门店、销售团队效率问题。\n\n优先拆：\n- 单位产出\n- 单位成本\n- 周期时长\n- 资源利用率\n- 异常损耗\n\n### 6. 市场调研\n\n适用于行业进入、赛道评估、竞品对标、客户洞察、市场规模估算。\n\n调研前先明确：\n- 决策问题：调研结果用于支持什么决策\n- 关键假设：需要验证哪些隐含假设\n- 输出形式：报告、市场地图还是打分卡\n\n优先路径：\n- 市场规模 -> 二手数据 + 行业报告 + 交叉验证\n- 竞品对标 -> 公开信息 + 产品体验 + 用户评价\n- 客户洞察 -> 访谈 + 问卷 + 社交媒体挖掘\n- 行业趋势 -> 政策 + 技术 + 资本 + 社会变化\n\n搜索纪律：\n- 每次搜索前明确目标，不要漫无目的浏览\n- 优先使用含发布时间、统计口径、数据来源的信息\n- 单一来源数据标注为 `单来源`，不做核心判断依据\n- 不同来源数据差异超过 30%，认定为 `口径不一致`，注明分歧\n- 无日期、无来源、超过 18 个月的信息不采纳\n- 调研结束后必须综合提炼，不把搜索结果直接堆入输出\n\n### 7. 搜索工具使用纪律\n\n当需要外部信息支持分析时（如行业数据、竞品信息、用户反馈），应：\n\n1. **判断是否必要**：只有当前分析缺少关键外部事实时才启动搜索，不要每个问题都搜\n2. **关键词结构化**：从问题提取 3-5 组关键词，中英文各一组，每组包含核心概念 + 限定词\n3. **来源分级**：一级（官方/财报/招股书）> 二级（知名咨询/券商）> 三级（行业媒体）> 四级（自媒体/社区）\n4. **多轮收敛**：第一轮宽泛了解，第二轮定向补充，第三轮交叉验证\n5. **结果提炼**：搜索后整理成结构化发现，标注来源和置信度\n\n## 强化分析模型\n\n当用户的问题不只是“指标为什么变了”，而是“公司该不该做、该怎么打、该怎么卖、该怎么管、值不值得投”时，优先补以下模型。\n\n### 1. 战略分析模型\n\n适用于方向选择、进入新市场、推出新产品、调整业务边界。\n\n优先使用：\n- `SWOT`：梳理内部优势、劣势与外部机会、威胁\n- `PESTEL`：检查政策、经济、社会、技术、环境、法律约束\n- `3C`：同时看公司、客户、竞争对手\n- `Ansoff` 矩阵：判断市场渗透、市场开发、产品开发、多元化路径\n\n强化要求：\n- 不要只列概念，要指出每个因素如何影响收入、成本、风险或执行难度\n- 不要把 `机会` 写成愿望，要说明触发条件和验证方式\n- 战略结论必须回答“要不要做、为什么现在做、主要风险是什么”\n\n### 2. 竞争分析模型\n\n适用于行业吸引力评估、赛道判断、竞争压力判断、进入壁垒评估。\n\n优先使用：\n- 波特五力\n- 战略群组分析\n- 竞争对手画像与 Benchmark\n\n强化要求：\n- 五力分析必须落到利润空间、议价能力、替代风险和防御能力\n- 竞争对手分析不能只比功能，要比价格、渠道、交付能力、品牌、客户结构\n- 最终要回答“行业赚钱难不难、公司凭什么赢、短期最需要防谁”\n\n### 3. 营销分析模型\n\n适用于用户分层、目标市场选择、定位、增长转化、投放和促销策略。\n\n优先使用：\n- `STP`\n- `4P`\n- `AIDA`\n- 用户生命周期分析，包括 `LTV`、留存、转化\n\n强化要求：\n- `Segmentation` 不能只按人口属性，要补消费能力、场景、需求强度、行为差异\n- `Positioning` 要明确相对谁、靠什么差异化、牺牲什么\n- `4P` 不能只讨论促销，必须同时看产品匹配度、价格门槛、渠道效率\n- 最终要回答“卖给谁、为什么买、通过什么路径成交、利润是否成立”\n\n### 4. 运营分析模型\n\n适用于目标管理、执行效率提升、流程优化、增长实验和经营监控。\n\n优先使用：\n- `KPI/OKR`\n- 漏斗模型\n- 北极星指标\n- 精益创业 `Build-Measure-Learn`\n\n强化要求：\n- `OKR` 要区分结果指标和过程指标，避免只写任务\n- 漏斗分析要同时输出转化率和绝对损失量\n- 北极星指标必须能反映长期价值，而不是短期虚高指标\n- 精益创业分析要写清实验假设、验证指标、观察周期和停止条件\n\n### 5. 财务分析模型\n\n适用于项目评估、预算决策、资源投入、回报测算和经营健康度判断。\n\n优先使用：\n- `ROI`\n- 盈亏平衡点\n- 现金流模型\n- 杜邦分析\n\n强化要求：\n- `ROI` 不只算静态回报，要明确时间窗和回收周期\n- 盈亏平衡点要拆销量、价格、固定成本、变动成本\n- 现金流分析要区分利润与现金，警惕高利润低现金项目\n- 杜邦分析要拆净利率、周转率、杠杆，避免只看单一利润指标\n\n## 模型选择规则\n\n面对不同问题，优先这样选：\n\n- “要不要做某件事” -> 战略分析模型 + 财务分析模型\n- “这个行业值不值得进” -> 竞争分析模型 + 战略分析模型\n- “产品怎么卖、卖给谁” -> 营销分析模型\n- “怎么提升执行效率或转化” -> 运营分析模型\n- “项目值不值、钱怎么回” -> 财务分析模型\n- “这个市场怎么样、能不能进” -> 市场调研 + 战略分析模型\n- “竞争对手在做什么、我们怎么打” -> 市场调研 + 竞争分析模型\n- “目标客户是谁、想要什么” -> 市场调研 + 营销分析模型\n\n如果问题跨多个层级，先定主模型，再用 1 到 2 个辅助模型补充，不要把所有模型堆在一起。\n\n## 响应语言与信息缺口规则\n\n- 默认跟随用户提问语言输出；用户用中文问，就用中文答；用户用英文问，就用英文答。\n- 如果用户混合使用多种语言，以主问题语言为准；不要为了显得专业而擅自切换语言。\n- 若题目缺少关键口径、时间范围、样本定义、归因口径或对比基准，先指出缺口，再给条件式判断。\n- 缺信息时不要硬编数字、样本量、因果链、行业均值或结论强度。\n- 若可以继续分析但不能下确定结论，用 `已知 / 推断 / 假设 / 风险` 标记，把不确定性留在台面上。\n- 若只缺 1 到 2 个关键前提，优先先给可执行的临时判断，再列出补充数据清单，不要一味卡在追问。\n\n## 模型使用纪律\n\n- 先用数据分析主线回答“发生了什么”，再决定是否引入战略、竞争、营销、运营或财务模型解释“为什么”。\n- 默认只选 1 个主模型；最多再加 1 到 2 个辅助模型，避免把回答写成模型名词堆砌。\n- `模型分析` 必须服务于决策，不要把 SWOT、五力、STP、ROI 当作展示知识点。\n- 用模型时必须回答：这个模型为什么适合当前问题，它改变了什么判断，它带来了什么动作。\n- 如果用户明显只要快速结论，不要强行展开全套模型；保留主线、删掉花架子。\n\n## 路由与参考材料使用\n\n- 如果宿主支持内部路由层，可使用 `src/router.js` 先判断是否属于增长、漏斗、留存、收入利润、效率、市场调研或经营诊断场景。\n- 需要理解路由输入输出契约、命中逻辑和提示语拼装方式时，读取 [references/router-design.md](references/router-design.md)。\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)。\n- 需要常见指标口径、拆解方法、建议动作模板时，读 [references/metric-playbook.md](references/metric-playbook.md)。\n- 需要市场调研方法、搜索工具规范、市场规模估算或竞品调研框架时，读 [references/market-research.md](references/market-research.md)。\n- 若用户问题偏战略/竞争/营销/财务/市场判断，优先从 `SKILL.md` 保持主线，再按需读取 `metric-playbook.md` 或 `market-research.md` 中对应章节，不要一次把所有参考材料都塞进上下文。\n\n## 输出要求\n\n默认按以下结构回答：\n\n1. **问题定义**\n2. **口径与范围**\n3. **数据质量检查**\n4. **关键发现**\n5. **原因拆解**\n6. **业务影响**\n7. **建议动作**\n8. **信息缺口 / 待验证假设**\n\n当使用强化分析模型时，可在 `原因拆解` 和 `建议动作` 之间增加：\n\n9. **模型分析**\n10. **战略 / 竞争 / 营销 / 运营 / 财务判断**\n\n当用户问题属于市场调研场景时，按以下结构回答：\n\n1. **调研问题与决策场景**\n2. **关键假设**\n3. **信息来源与可信度评估**\n4. **市场规模与趋势**（如适用）\n5. **竞争格局**（如适用）\n6. **客户与需求洞察**（如适用）\n7. **关键发现与结论**\n8. **信息缺口与后续调研建议**\n\n其中：\n- `关键发现` 只写观察到的事实，不提前混入建议。\n- `原因拆解` 要按影响大小排序，不要罗列无关因素。\n- `建议动作` 控制在 1-3 条，并写清验证指标。\n\n## 快速模式\n\n如果用户只想快速判断“问题在哪里、先做什么”，最少保留四段：\n\n1. `问题定义`\n2. `关键发现`\n3. `原因拆解`\n4. `建议动作`\n\n## 不要这样做\n\n- 不要在口径不清时直接给结论。\n- 不要只看总体均值，不看结构变化。\n- 不要把相关性直接写成因果。\n- 不要把一次活动、节假日、政策扰动当作长期趋势。\n- 不要给“加强运营”“提升转化”这种不可执行建议。\n- 不要在没有业务影响量化时排序优先级。\n\n## 参考材料\n\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)\n- 需要常见指标与拆解思路时，读 [references/metric-playbook.md](references/metric-playbook.md)\n- 需要市场调研方法与搜索工具规范时，读 [references/market-research.md](references/market-research.md)\n\nFile v1.3.0:README.md\n\n# Business Data Analyst Skill\n\n版本：`1.3.0`\n\n## 简介\n\n这是一个面向商业分析、经营诊断和指标拆解场景的技能包。\n\n它适合用于：\n\n- 将业务问题翻译成分析方案\n- 统一指标口径与分析范围\n- 检查数据质量与口径漂移\n- 拆解增长、转化、留存、收入和效率问题\n- 通过外部搜索工具进行市场调研、行业分析和竞品对标\n- 输出可执行的业务建议与验证指标\n\n## 目录结构\n\n- [SKILL.md](/d:/home/business-data-analyst-skill/SKILL.md)\n- [CHANGELOG.md](/d:/home/business-data-analyst-skill/CHANGELOG.md)\n- [references/examples.md](/d:/home/business-data-analyst-skill/references/examples.md)\n- [references/market-research.md](/d:/home/business-data-analyst-skill/references/market-research.md)\n- [references/metric-playbook.md](/d:/home/business-data-analyst-skill/references/metric-playbook.md)\n- [references/router-design.md](/d:/home/business-data-analyst-skill/references/router-design.md)\n- [agents/openai.yaml](/d:/home/business-data-analyst-skill/agents/openai.yaml)\n\n## 当前状态\n\n当前仓库以文档型 skill 包为主，主要包含提示词规范、分析框架和参考材料。\n\n仓库现已补充技能内部意图路由和市场调研能力。实现说明和变更记录分别见：\n\n- [references/router-design.md](/d:/home/business-data-analyst-skill/references/router-design.md)\n- [references/market-research.md](/d:/home/business-data-analyst-skill/references/market-research.md)\n- [CHANGELOG.md](/d:/home/business-data-analyst-skill/CHANGELOG.md)\n\n## 使用说明\n\n优先阅读 [SKILL.md](/d:/home/business-data-analyst-skill/SKILL.md)，它定义了该技能的工作原则、固定分析顺序、输出结构和参考材料。\n\n当需要快速补充分析案例时，查看 [references/examples.md](/d:/home/business-data-analyst-skill/references/examples.md)。\n\n当需要做市场调研、行业分析或竞品对标时，查看 [references/market-research.md](/d:/home/business-data-analyst-skill/references/market-research.md)。\n\n当需要统一常见业务指标口径和拆解方法时，查看 [references/metric-playbook.md](/d:/home/business-data-analyst-skill/references/metric-playbook.md)。\n\n如果准备把 skill 接入运行时路由层，先看 [references/router-design.md](/d:/home/business-data-analyst-skill/references/router-design.md)。\n\n## 更新说明\n\n项目变更历史统一记录在 [CHANGELOG.md](/d:/home/business-data-analyst-skill/CHANGELOG.md)。\n\nFile v1.3.0:_meta.json\n\n{\n  \"ownerId\": \"kn7dpzpqn086by5pfg5sbf64zx80zr6m\",\n  \"slug\": \"business-data-analyst-skill\",\n  \"version\": \"1.3.0\",\n  \"publishedAt\": 1781246448335\n}\n\nFile v1.3.0:references/examples.md\n\n# 商业数据分析示例\n\n## 示例 1：电商 GMV 下滑\n\n用户请求：\n`帮我分析为什么 3 月 GMV 比 2 月下降了 12%。`\n\n建议输出骨架：\n\n```md\n## 问题定义\n3 月 GMV 环比下降 12%，需要判断是季节性回落、流量问题、转化问题，还是客单价与结构变化导致。\n\n## 口径与范围\n- 指标：GMV，按支付成功口径\n- 时间：2026-03 vs 2026-02\n- 粒度：日、渠道、品类、新老客\n\n## 数据质量检查\n- 排除支付回传延迟\n- 检查 3 月是否有埋点或归因口径变更\n\n## 关键发现\n- 总访客下降 5%\n- 下单转化率下降 4%\n- 客单价下降 3%\n- 某核心投放渠道流量下降最明显\n\n## 原因拆解\n1. 付费渠道流量缩量贡献了主要跌幅\n2. 低价品类占比提升，拉低客单价\n3. 老客复购基本稳定，问题主要出在新客获取\n\n## 业务影响\n- 预计月度收入少 X\n- 若渠道恢复不到位，下月仍有延续风险\n\n## 建议动作\n1. 先修复核心渠道投放与素材供给，观察访客恢复\n2. 对低转化落地页做 A/B 测试，追踪下单转化率\n3. 单独监控高客单品类占比，避免结构继续恶化\n```\n\n## 示例 2：SaaS 续费率下降\n\n用户请求：\n`最近续费率从 78% 掉到 71%，帮我定位原因并给动作建议。`\n\n优先分析：\n- 按客户规模、行业、销售团队、版本、首签月份拆 cohort\n- 区分续费率下降是到期客户结构变化，还是同类客户真实变差\n- 关联产品使用深度、工单量、NPS、价格调整记录\n\n## 示例 3：门店人效差异大\n\n用户请求：\n`为什么华东门店人效明显高于华南？`\n\n优先分析：\n- 人效定义：销售额/人时，还是毛利/人头\n- 对比客流、转化率、连带率、客单价、排班、店型结构\n- 区分“单店效率差”与“区域结构差”\n\n## 示例 4：活动复盘\n\n用户请求：\n`帮我复盘这次大促是否值得继续做。`\n\n至少回答：\n- 增量收入是否覆盖补贴、投放、履约和客服成本\n- 新客质量是否达标，活动后 7/30 天留存如何\n- 是否只是把自然单前移，还是创造了新增需求\n\nFile v1.3.0:references/market-research.md\n\n# 市场调研方法手册\n\n## 适用场景\n\n市场调研适用于以下场景：\n\n- 进入新市场或新赛道前评估机会\n- 分析行业规模、增长趋势与竞争格局\n- 了解目标客户需求、痛点与决策路径\n- 对标竞争对手的产品、价格、渠道与品牌\n- 验证或修正业务假设（市场规模、客户意愿、定价空间）\n- 为战略分析（SWOT、PESTEL、3C、五力）提供外部事实输入\n\n## 调研流程\n\n### 1. 定义调研问题\n\n回答三个问题：\n\n- **决策问题**：调研结果要支持什么决策？（进入/不进入、定价多少、优先攻哪个客群）\n- **关键假设**：隐含了哪些需要验证的假设？（市场够大、客户愿意付这个价、竞品没有壁垒）\n- **输出形式**：报告、打分卡、市场地图还是数据表？\n\n### 2. 设计调研策略\n\n根据问题类型选择调研路径：\n\n| 问题类型 | 首选路径 | 辅助路径 |\n|---|---|---|\n| 市场有多大、增长多快 | 二手数据 + 行业报告 | 专家访谈验证 |\n| 客户想要什么、痛点在哪 | 用户访谈 + 问卷 | 社交媒体/评论挖掘 |\n| 竞争对手在做什么 | 二手数据 + 产品体验 | 渠道走访 |\n| 定价是否合理 | 竞品价格映射 + 问卷 | 价格敏感度测试 |\n\n### 3. 执行信息收集\n\n按以下优先级收集：\n\n1. **公开权威数据**：国家统计局、央行、行业协会、白皮书、上市公司财报\n2. **行业研究**：艾瑞、QuestMobile、IDC、Gartner、Forrester、36Kr、亿欧等\n3. **竞品公开信息**：官网、产品文档、定价页、用户评价、招聘岗位、融资新闻\n4. **用户生成内容**：社交媒体、论坛、评论区、电商评价\n5. **一手调研**：问卷、访谈、焦点小组、神秘访客\n\n### 4. 交叉验证与质量评估\n\n每条信息必须回答：\n\n- **来源是否可靠？**（一手 vs 二手、权威 vs 自媒体、有数据支撑 vs 主观判断）\n- **数据是否过时？**（行业报告的有效期通常不超过 12 个月）\n- **口径是否匹配？**（市场规模的统计范围、用户数的定义是否与我的问题一致）\n- **是否存在利益偏向？**（咨询公司可能乐观、竞品可能夸大、媒体可能放大风险）\n\n不一致的信息标注为 `待验证`，不做确定性结论。\n\n### 5. 综合输出\n\n输出结构建议：\n\n1. **调研结论摘要**：3-5 条最关键发现\n2. **市场规模与趋势**：TAM、SAM、SOM、增长率、关键趋势\n3. **竞争格局**：主要玩家、市场份额、定位差异\n4. **客户与需求洞察**：目标客群画像、核心需求、未被满足的痛点\n5. **关键假设验证结果**：哪些假设被支持、哪些被推翻、哪些待验证\n6. **信息缺口与后续调研建议**\n\n---\n\n## 搜索工具使用规范\n\n### 何时使用搜索工具\n\n当以下条件之一成立时，应启动外部搜索：\n\n- 用户明确要求调研、查行业、看竞品、看市场\n- 当前分析缺少关键外部事实（市场规模、竞品数据、行业基准）\n- 涉及战略/竞争判断需要外部输入（SWOT 的机会/威胁、五力的行业结构）\n- 需要验证或反驳一个关于市场的假设\n\n### 搜索策略\n\n1. **关键词结构化**：从问题中提取 3-5 组搜索关键词，每组包含：\n   - 核心概念（行业/市场/产品名）\n   - 限定词（规模、报告、趋势、竞争格局、市场份额）\n   - 中英文各一组（国内用中文，国际用英文）\n\n   示例：\n   ```\n   \"中国 SaaS CRM 市场规模 2025\"\n   \"SaaS CRM market size 2025 forecast\"\n   \"CRM 行业竞争格局 市场份额\"\n   ```\n\n2. **来源优先级**：\n   - 一级来源：国家统计局、央行、行业协会、公司财报、招股书\n   - 二级来源：知名咨询公司报告（Gartner、IDC、Frost & Sullivan、McKinsey）\n   - 三级来源：行业媒体（36Kr、晚点、虎嗅、TechCrunch）、券商研报\n   - 四级来源：自媒体、社区讨论、个人博客（标注置信度低）\n\n3. **搜索轮次**：\n   - 第一轮：宽泛搜索，了解行业整体概貌\n   - 第二轮：定向搜索，针对关键缺口补充信息\n   - 第三轮：验证搜索，用不同来源交叉验证核心数字\n\n### 信息筛选规则\n\n- 优先使用含发布时间、数据来源、统计口径的信息\n- 单一来源的数据标注为 `单来源`，不做核心判断依据\n- 不同来源给出差异超过 30% 的数据，认定为 `口径不一致`，注明分歧\n- 无日期、无来源、明显过时（超过 18 个月）的信息不采纳\n\n### 搜索工具纪律\n\n- 每次搜索前明确搜索目标，不要漫无目的浏览\n- 同一问题最多搜索 3 轮，每轮 2-3 组关键词\n- 搜索结果优先使用权威来源摘要，非必要不打开全文\n- 搜索结束后立即整理关键发现，不把搜索结果直接堆入输出\n- 若搜索结果与已有假设矛盾，优先记录矛盾，不要选择性忽略\n\n---\n\n## 市场调研方法\n\n### 1. 市场规模估算\n\n#### 方法一：自上而下法（Top-down）\n\n```\nTAM（总可用市场） = 目标人群总数 × 年人均消费/年客单价\nSAM（可服务市场） = TAM × 可达比例（渠道覆盖 × 地区覆盖 × 场景匹配）\nSOM（可获得市场） = SAM × 预期渗透率（初期 1-3 年）\n```\n\n适用：行业成熟、有权威宏观数据时优先使用。\n\n风险：容易偏乐观，建议用不同口径交叉验证。\n\n#### 方法二：自下而上法（Bottom-up）\n\n```\n销售额 = 销售团队人数 × 人均产出 × 客户数增长\n或\n销售额 = 渠道网点数 × 网点平均产出\n```\n\n适用：有可参考的运营数据或竞品公开数据时。\n\n优势：更贴近实际，适合早期验证。\n\n#### 方法三：类比法（Analogy）\n\n```\n目标市场 = 相似成熟市场 × 人口/经济/渗透率调整系数\n```\n\n适用：全新市场缺乏直接数据时，参考相似市场的发展路径。\n\n风险：类比的有效性取决于可比程度，标注关键差异。\n\n### 2. 竞争分析调研\n\n需要收集的信息：\n\n- **产品与定价**：功能对比表、价格分层、免费/付费策略\n- **渠道与交付**：销售模式（直销/渠道/自营/平台）、物流、服务网络\n- **客户与口碑**：目标客群、客户规模、NPS、评价关键词\n- **组织与资源**：团队规模、融资历史、股东背景、招聘方向\n- **市场表现**：市场份额趋势、增长率、活跃用户、GMV（如公开）\n\n信息获取渠道：\n\n- 竞品官网、产品文档、Help Center\n- 第三方评测平台（G2、Capterra、Trustpilot、大众点评端）\n- 招聘网站（JD 看方向、规模、薪资）\n- 融资新闻、财报（上市或披露公司）\n- 用户社区、社交媒体、投诉平台\n\n### 3. 客户与需求调研\n\n#### 用户画像调研\n\n至少覆盖：\n\n- 人口属性：年龄、地域、职业、收入\n- 行为特征：使用频率、使用场景、决策路径\n- 需求与痛点：核心需求、未被满足的需求、切换成本\n- 信息渠道：通过什么渠道了解产品、信任什么来源\n\n#### 需求验证方法\n\n- **问题访谈**：了解用户在什么场景下遇到什么问题，现在怎么解决\n- **解决方案测试**：用户是否愿意为方案付钱/花时间\n- **价格敏感度测试**：Van Westendorp 或 Gabor-Granger 法\n\n### 4. 行业与趋势调研\n\n重点覆盖：\n\n- **政策环境**：监管态度、行业标准、补贴/限制政策\n- **技术驱动**：关键技术成熟度、渗透率、对成本/效率的影响\n- **社会变化**：消费习惯、人口结构、工作方式的变化\n- **资本流向**：赛道融资总额、头部项目、估值变化\n\n来源举例（中国）：\n\n- 国家统计局、工信部、商务部\n- 36Kr、晚点、虎嗅、甲子光年、亿欧\n- 上市公司财报、招股书\n- 券商行业研报（东方财富、Wind）\n- 咨询公司报告（McKinsey、BCG、Bain、Deloitte、PwC、KPMG）\n\n来源举例（国际）：\n\n- World Bank、IMF、OECD、UN\n- Gartner、IDC、Forrester、Frost & Sullivan\n- Crunchbase、PitchBook、CB Insights\n- SEC filings (10-K, 10-Q)、annual reports\n\n---\n\n## 输出质量检查清单\n\n输出前逐项检查：\n\n- [ ] 调研问题是否明确对应一个决策场景\n- [ ] 每条关键发现都有来源标注（来源 + 时间）\n- [ ] 未验证的关键假设已标注 `待验证` 或 `假设`\n- [ ] 分歧数据已标注不同口径和出处\n- [ ] 市场规模的统计口径已说明（TAM/SAM/SOM、时间段、包含范围）\n- [ ] 竞品信息标注了收集时间和可靠程度\n- [ ] 没有把搜索结果直接堆砌到输出中，而是做了综合提炼\n- [ ] 调研结论直接回答了起始的决策问题\n\n---\n\n## 与现有分析框架的关系\n\n市场调研为其他分析框架提供外部输入：\n\n- `SWOT`：调研结果为机会和威胁提供事实依据\n- `PESTEL`：调研覆盖政策、经济、社会、技术维度\n- `3C`：调研覆盖客户和竞争对手维度\n- `五力`：调研覆盖行业结构、替代品、新进入者\n- `STP`：调研覆盖市场细分、客户画像和定位依据\n- `4P`：调研覆盖竞品定价、渠道和促销策略\n\n市场调研本身不替代上述框架，而是在框架需要外部数据时提供输入。调研结果进入分析流程后，仍需遵守 `SKILL.md` 的分析纪律。\n\nFile v1.3.0:references/metric-playbook.md\n\n# 常见指标与拆解手册\n\n## 增长类\n\n- `新增用户 = 新注册 / 新激活 / 首购用户`\n- `活跃用户 = DAU / WAU / MAU`\n- `增长率 = (本期 - 上期) / 上期`\n\n常见拆法：\n- 渠道\n- 地区\n- 客群\n- 产品/品类\n- 新老用户\n- 自然周 / 自然月 / 活动期\n\n## 漏斗类\n\n- `访问 -> 注册 -> 激活 -> 下单 -> 支付`\n- `线索 -> 商机 -> 报价 -> 成交 -> 回款`\n\n常见输出：\n- 每层转化率\n- 每层流失量\n- 最大损失环节\n- 分群差异\n\n## 留存类\n\n- `次日留存`\n- `7日/30日留存`\n- `复购率`\n- `续费率`\n\n常见误区：\n- 只看总体留存，不看 cohort\n- 获客结构变化导致总体留存变化，却误判为产品问题\n\n## 收入类\n\n- `收入 = 流量 × 转化率 × 客单价`\n- `GMV = 订单量 × 平均订单金额`\n- `ARPU = 收入 / 用户数`\n- `毛利 = 收入 - 可变成本`\n\n常见拆法：\n- 量价拆解\n- 品类结构拆解\n- 渠道结构拆解\n- 折扣与补贴影响\n\n## 效率类\n\n- `人效 = 产出 / 人力投入`\n- `坪效 = 销售额 / 面积`\n- `库存周转 = 销售成本 / 平均库存`\n- `履约时长 = 签收时间 - 下单时间`\n\n常见拆法：\n- 单位产出\n- 单位成本\n- 周期\n- 利用率\n- 异常损耗\n\n## 建议动作模板\n\n当分析完成后，尽量把建议写成下面的格式：\n\n`动作 + 负责人类型 + 验证指标 + 观察周期 + 风险`\n\n示例：\n- 优化高流失页面文案，负责人为增长/产品，验证注册转化率，观察 7 天，风险是样本量不足\n- 调整低 ROI 渠道预算，负责人为投放，验证获客成本和首购率，观察 2 周，风险是季节性扰动\n\n## 强化分析模型手册\n\n### 1. 战略分析模型\n\n#### SWOT\n\n适用：\n- 公司要不要进入新业务\n- 某项战略调整是否具备条件\n\n分析重点：\n- `优势` 是否真的可转化为份额、利润或效率\n- `劣势` 是短期可补，还是结构性短板\n- `机会` 是否存在明确窗口期\n- `威胁` 对收入、毛利、合规、组织能力的影响有多大\n\n建议输出：\n- 关键优势与劣势各 2 到 3 条\n- 最重要机会与威胁各 2 条\n- 战略结论：做 / 不做 / 延后做\n\n#### PESTEL\n\n适用：\n- 行业环境变化\n- 政策驱动或约束明显的业务\n\n分析重点：\n- 政策和法律会不会改变准入门槛\n- 经济周期是否影响需求和支付能力\n- 社会趋势是否改变用户偏好\n- 技术进步是否重构成本或壁垒\n\n建议输出：\n- 外部环境利好和利空\n- 最关键的 1 到 2 个不确定因素\n- 对应的应对动作\n\n#### 3C\n\n适用：\n- 公司能力与市场机会是否匹配\n- 增长路径是否可执行\n\n分析重点：\n- `Company`：能力、资源、品牌、渠道、组织效率\n- `Customer`：需求强度、场景、支付意愿、决策链\n- `Competitor`：价格、交付、渠道、口碑、速度\n\n建议输出：\n- 公司优势是否和客户核心需求匹配\n- 与竞争对手相比的关键差异\n- 当前最可打的客户切口\n\n#### Ansoff 矩阵\n\n适用：\n- 讨论增长路径\n- 评估新市场或新产品投入\n\n分析重点：\n- 市场渗透：能否在现有市场继续提份额\n- 市场开发：进入新区域、新客群是否可行\n- 产品开发：新产品是否服务现有客户\n- 多元化：风险最高，需额外验证能力匹配\n\n建议输出：\n- 四种路径的机会和风险\n- 推荐主路径和不推荐路径\n\n### 2. 竞争分析模型\n\n#### 波特五力\n\n适用：\n- 行业利润空间评估\n- 赛道壁垒判断\n\n分析重点：\n- 供应商议价能力\n- 买方议价能力\n- 替代品威胁\n- 新进入者威胁\n- 现有竞争激烈程度\n\n建议输出：\n- 哪一股力量最压利润\n- 公司能否建立护城河\n- 行业是否值得长期投入\n\n#### 战略群组分析\n\n适用：\n- 同行业不同打法分层\n- 找直接竞争圈层\n\n分析重点：\n- 按价格带、渠道、目标客户、服务深度分组\n- 区分头部、腰部、长尾玩家\n\n建议输出：\n- 我们属于哪个群组\n- 最值得对标的 3 类对手\n\n#### Benchmark\n\n适用：\n- 具体竞争对手比较\n- 制定追赶策略\n\n分析重点：\n- 产品力\n- 价格力\n- 渠道力\n- 品牌力\n- 交付和服务能力\n\n建议输出：\n- 关键差距\n- 可以复制的做法\n- 不应盲目跟进的点\n\n### 3. 营销分析模型\n\n#### STP\n\n适用：\n- 明确目标用户\n- 优化市场定位\n\n分析重点：\n- 细分市场是否足够可识别、可触达、可盈利\n- 目标客群选择是否与资源匹配\n- 定位是否清晰且可被感知\n\n建议输出：\n- 重点客群画像\n- 放弃哪些客群\n- 核心定位语句\n\n#### 4P\n\n适用：\n- 产品上市\n- 营销组合优化\n\n分析重点：\n- 产品是否解决核心痛点\n- 价格是否匹配价值与竞争环境\n- 渠道是否覆盖关键触点\n- 促销是否带来真实增量\n\n建议输出：\n- 当前最短板的 `P`\n- 优先优化顺序\n\n#### AIDA\n\n适用：\n- 广告投放\n- 内容转化链路分析\n\n分析重点：\n- 注意获取是否足够\n- 兴趣是否被建立\n- 欲望是否被强化\n- 行动是否有阻碍\n\n建议输出：\n- 卡点在哪一层\n- 每层的改进建议\n\n#### 用户生命周期\n\n适用：\n- 拉新转化留存一体化分析\n- 评估用户长期价值\n\n分析重点：\n- 获客成本与首购转化\n- 留存和复购变化\n- `LTV/CAC` 是否成立\n\n建议输出：\n- 哪个阶段损失最大\n- 哪类用户长期价值最高\n\n### 4. 运营分析模型\n\n#### KPI / OKR\n\n适用：\n- 经营目标拆解\n- 团队执行跟踪\n\n分析重点：\n- 目标是否清晰\n- 指标是否能反映目标\n- 过程指标是否支持结果达成\n\n建议输出：\n- 北极目标\n- 关键结果\n- 过程监控指标\n\n#### 漏斗模型\n\n适用：\n- 注册、激活、下单、销售转化\n\n分析重点：\n- 每层转化率\n- 绝对损失量\n- 分群差异\n\n建议输出：\n- 最大损失环节\n- 优先修复环节\n\n#### 北极星指标\n\n适用：\n- 统一增长方向\n- 防止团队目标分散\n\n分析重点：\n- 指标是否代表长期用户价值\n- 是否可被团队关键动作驱动\n\n建议输出：\n- 北极星指标定义\n- 一级驱动因子\n- 监控频率\n\n#### Build-Measure-Learn\n\n适用：\n- 新功能试验\n- 增长实验\n\n分析重点：\n- 假设是否清晰\n- 度量指标是否可验证\n- 学习结果是否能进入下一轮决策\n\n建议输出：\n- 实验假设\n- 成功阈值\n- 继续 / 停止 / 调整结论\n\n### 5. 财务分析模型\n\n#### ROI\n\n适用：\n- 项目投放\n- 预算审批\n\n分析重点：\n- 投入项是否算全\n- 收益是否考虑时间窗口\n- 是否存在延迟回收\n\n建议输出：\n- 静态 ROI\n- 回收周期\n- 敏感性因素\n\n#### 盈亏平衡点\n\n适用：\n- 新项目立项\n- 价格或销量方案评估\n\n分析重点：\n- 固定成本\n- 变动成本\n- 单位贡献毛利\n\n建议输出：\n- 需要达到的销量或收入门槛\n- 达成门槛的前提条件\n\n#### 现金流模型\n\n适用：\n- 高增长但重投入项目\n- 回款周期长的业务\n\n分析重点：\n- 收入确认与回款时间差\n- 库存、应收、预付款占用\n- 现金缺口出现时间\n\n建议输出：\n- 现金流高风险环节\n- 关键资金压力点\n\n#### 杜邦分析\n\n适用：\n- 经营质量复盘\n- 多业务单元比较\n\n分析重点：\n- 净利率\n- 资产周转率\n- 财务杠杆\n\n建议输出：\n- 回报由利润驱动还是效率驱动\n- 关键改善方向\n\nFile v1.3.0:references/router-design.md\n\n# 路由设计说明\n\n## 目的\n\n该文档用于约定未来 `src/router.js` 的职责边界，确保业务分析类请求在进入模型前能够被稳定分流。\n\n目标不是做复杂的自然语言理解系统，而是先提供一层可维护、可解释、可扩展的轻量路由。\n\n## 适用场景\n\n未来 `src/router.js` 适合处理以下两类判断：\n\n- 是否应命中 `business-data-analyst-skill`\n- 命中后应进入哪类分析子场景\n\n建议优先覆盖的子场景：\n\n- 增长分析\n- 漏斗分析\n- 留存分析\n- 收入或利润分析\n- 运营效率分析\n- 经营复盘或异常诊断\n\n## 推荐输入\n\n建议路由函数至少接收以下字段：\n\n```js\n{\n  message: string,\n  locale?: string,\n  metadata?: {\n    source?: string,\n    channel?: string,\n    userRole?: string\n  }\n}\n```\n\n其中 `message` 是主判断依据，`metadata` 只用于辅助，不应反向覆盖文本语义。\n\n## 推荐输出\n\n建议 `src/router.js` 输出统一结构，避免上层调用方自行猜测：\n\n```js\n{\n  matched: boolean,\n  intent: string | null,\n  confidence: number,\n  reason: string,\n  promptHint?: string\n}\n```\n\n字段建议：\n\n- `matched`: 是否命中当前 skill\n- `intent`: 命中的分析意图，例如 `growth_analysis`\n- `confidence`: `0` 到 `1` 的置信度\n- `reason`: 简短解释命中原因，便于调试\n- `promptHint`: 可选，提供给上层的提示词片段或模式建议\n\n## 推荐路由策略\n\n建议按以下顺序判断：\n\n1. 先识别是否为业务分析问题\n2. 再识别具体分析子类型\n3. 最后补充输出结构化解释\n\n### 第一步：识别业务分析问题\n\n优先识别以下信号：\n\n- 指标词：GMV、转化率、留存、ROI、LTV、客单价、复购、人效、毛利\n- 诊断词：为什么下降、定位原因、拆解、归因、复盘、分析波动\n- 决策词：给建议、下一步动作、实验方案、优化优先级\n\n反向排除以下场景：\n\n- 纯闲聊\n- 纯代码报错排查\n- 通用写作润色\n- 与经营分析无关的知识问答\n\n### 第二步：识别子场景\n\n建议用关键词和问题结构组合判断，而不是只靠单一词命中。\n\n示例映射：\n\n- `增长`、`新增`、`活跃`、`GMV`、`增长放缓` -> `growth_analysis`\n- `漏斗`、`转化`、`注册`、`下单`、`激活` -> `funnel_analysis`\n- `留存`、`复购`、`续费`、`流失`、`cohort` -> `retention_analysis`\n- `收入`、`利润`、`毛利`、`价格`、`折扣` -> `revenue_analysis`\n- `人效`、`库存`、`交付`、`客服效率`、`门店效率` -> `efficiency_analysis`\n- `复盘`、`异常`、`波动`、`经营诊断` -> `business_diagnosis`\n\n### 第三步：输出解释\n\n`reason` 字段不要只写“keyword matched”，应尽量保留可读性，例如：\n\n```txt\n命中留存分析：请求同时包含“续费率下降”和“定位原因”，符合经营诊断场景。\n```\n\n## 实现建议\n\n推荐先从纯规则实现开始，不要一开始引入复杂分类器。\n\n建议拆成三个函数：\n\n```js\nfunction detectBusinessAnalysis(message) {}\nfunction detectIntent(message) {}\nfunction route(message, metadata) {}\n```\n\n如果后续规则变多，可以把关键词字典单独拆到配置文件。\n\n## 最小可用版本\n\n`src/router.js` 的第一版至少应满足：\n\n- 能判断是否命中当前 skill\n- 能识别 3 到 6 个核心分析意图\n- 能返回统一结构\n- 能给出简单可读的命中原因\n\n## 与文档内容的关系\n\n路由只负责分流，不负责生成最终分析结论。\n\n真正的分析过程仍应遵守以下文档：\n\n- [../SKILL.md](../SKILL.md)\n- [examples.md](examples.md)\n- [metric-playbook.md](metric-playbook.md)\n\nFile v1.3.0:CHANGELOG.md\n\n# Changelog\n\nAll notable changes to this project will be documented in this file.\n\n## [1.3.0] - 2026-06-12\n\n### Added\n\n- Added `market_research` intent to `src/router.js`, supporting 23 keywords for market research, industry analysis, competitive analysis, and market sizing scenarios.\n- Added `references/market-research.md` — a comprehensive market research reference covering: research process design, search strategy and tool usage discipline, market sizing methods (TAM/SAM/SOM, top-down, bottom-up, analogy), competitive intelligence gathering, customer research methods, industry trend tracking, cross-validation rules, and integration guidance with existing analysis frameworks.\n- Added **市场调研** analysis framework (section 6) to `SKILL.md`, defining when and how to conduct market research, priority paths, and search discipline.\n- Added **搜索工具使用纪律** section to `SKILL.md`, specifying when to use external search, keyword structuring, source grading, multi-round convergence, and result distillation rules.\n- Added 3 new model selection rules to `SKILL.md` mapping market research scenarios to appropriate models (market + strategy, market + competitive, market + marketing).\n- Added market research output structure template to `SKILL.md` covering research questions, information sources, market sizing, competitive landscape, and customer insights.\n- Updated `SKILL.md` routing/references section and 参考材料 section to cross-link `references/market-research.md`.\n- Updated `README.md` to reflect the new market research capability, directory listing, and usage instructions.\n\n### Changed\n\n- Bumped the project version to `1.3.0` across `README.md` and `package.json`.\n- `buildPromptHint()` in `src/router.js` now includes a prompt hint for the `market_research` intent.\n\n## [1.2.0] - 2026-04-20\n\n### Added\n\n- Added `响应语言与信息缺口规则` to `SKILL.md`, clarifying language following, missing-data handling, and conditional judgment discipline.\n- Added `模型使用纪律` to `SKILL.md` so strategic and financial models stay subordinate to the main analysis flow instead of turning into framework dumping.\n- Added `路由与参考材料使用` to `SKILL.md` so hosts know when to use `src/router.js` and when to read `references/router-design.md`, `references/examples.md`, and `references/metric-playbook.md`.\n\n### Changed\n\n- Bumped the project version to `1.2.0` across `README.md` and `package.json`.\n- Strengthened `SKILL.md` so the skill now covers response language, uncertainty handling, model selection discipline, and progressive disclosure guidance more explicitly.\n\n## [1.1.0] - 2026-04-20\n\n### Added\n\n- Added `src/router.js` for internal skill intent routing.\n- Added `src/index.js` as the public export entry for router utilities.\n- Added intent routing support for `growth_analysis`, `funnel_analysis`, `retention_analysis`, `revenue_analysis`, `efficiency_analysis`, and `business_diagnosis`.\n- Added [references/router-design.md](/d:/home/business-data-analyst-skill/references/router-design.md) to document the routing design and expected contract.\n- Added strategic, competitive, marketing, operational, and financial analysis model guidance to [SKILL.md](/d:/home/business-data-analyst-skill/SKILL.md) and [references/metric-playbook.md](/d:/home/business-data-analyst-skill/references/metric-playbook.md).\n\n### Changed\n\n- Updated [README.md](/d:/home/business-data-analyst-skill/README.md) to document the new runtime routing layer and point change history to `CHANGELOG.md`.\n\nFile v1.3.0:skill-card.md\n\n## Description:\n\nBusiness Data Analyst helps agents translate business questions into analysis plans, define metric logic, validate data quality, diagnose growth, conversion, retention, revenue, efficiency, and market research questions, and produce actionable recommendations.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[phoenixlucky](https://clawhub.ai/user/phoenixlucky)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nEmployees, external business users, and developers use this skill to structure operating reviews, metric investigations, market research, funnel analysis, retention analysis, revenue analysis, efficiency diagnosis, postmortems, and management decision support.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Business or market analysis may be misleading when metric definitions, time windows, data quality, or source reliability are unclear.\n\nMitigation: Require the agent to state scope, metric definitions, data-quality checks, assumptions, and open validation questions before presenting recommendations.\n\nRisk: Market research workflows may suggest external searches that expose confidential company details.\n\nMitigation: Remove or generalize confidential details from search queries unless the user has confirmed that disclosure is acceptable.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/phoenixlucky/skills/business-data-analyst-skill)\n- [Examples](references/examples.md)\n- [Market Research Method Guide](references/market-research.md)\n- [Metric and Decomposition Playbook](references/metric-playbook.md)\n- [Router Design](references/router-design.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Markdown or structured text]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May include metric definitions, data-quality checks, assumptions, impact estimates, recommendations, experiment ideas, and cited market-research findings when external sources are used.]\n\n## Skill Version(s):\n\n1.3.0 (source: frontmatter, CHANGELOG, package.json, 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\nFile v1.3.0:package.json\n\n{\n  \"name\": \"business-data-analyst-skill\",\n  \"version\": \"1.3.0\",\n  \"description\": \"Business data analysis and operating diagnosis skill with documentation, internal intent routing, market research capability, and reusable analysis frameworks for strategy, competition, marketing, operations, and finance.\",\n  \"main\": \"src/index.js\",\n  \"exports\": {\n    \".\": \"./src/index.js\",\n    \"./router\": \"./src/router.js\",\n    \"./package.json\": \"./package.json\"\n  },\n  \"files\": [\n    \"src\",\n    \"references\",\n    \"agents\",\n    \"SKILL.md\",\n    \"README.md\",\n    \"CHANGELOG.md\"\n  ],\n  \"scripts\": {\n    \"lint\": \"node --check src/index.js && node --check src/router.js\",\n    \"smoke:test\": \"node -e \\\"const { routeSkillIntent } = require('./src'); console.log(routeSkillIntent('最近续费率下降，帮我定位原因并给动作建议'));\\\"\"\n  },\n  \"engines\": {\n    \"node\": \">=18\"\n  },\n  \"author\": \"phoenixlucky\",\n  \"license\": \"MIT\",\n  \"repository\": {\n    \"type\": \"git\",\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill.git\"\n  },\n  \"bugs\": {\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill/issues\"\n  },\n  \"homepage\": \"https://github.com/phoenixlucky/business-data-analyst-skill#readme\",\n  \"keywords\": [\n    \"business-data-analyst\",\n    \"business analysis\",\n    \"商业分析\",\n    \"经营分析\",\n    \"strategy analysis\",\n    \"战略分析\",\n    \"competitive analysis\",\n    \"竞争分析\",\n    \"marketing analysis\",\n    \"营销分析\",\n    \"financial analysis\",\n    \"财务分析\",\n    \"operations analysis\",\n    \"运营分析\",\n    \"data analyst\",\n    \"数据分析师\",\n    \"operating diagnosis\",\n    \"经营诊断\",\n    \"metric\",\n    \"指标分析\",\n    \"growth analysis\",\n    \"增长分析\",\n    \"conversion funnel\",\n    \"漏斗分析\",\n    \"retention\",\n    \"留存分析\",\n    \"revenue analysis\",\n    \"收入分析\",\n    \"north star metric\",\n    \"北极星指标\",\n    \"okr\",\n    \"kpi\",\n    \"目标管理\",\n    \"swot\",\n    \"优势劣势机会威胁\",\n    \"pestel\",\n    \"宏观环境分析\",\n    \"3c\",\n    \"公司客户竞争对手\",\n    \"ansoff\",\n    \"安索夫矩阵\",\n    \"porter five forces\",\n    \"波特五力\",\n    \"stp\",\n    \"市场细分\",\n    \"4p\",\n    \"营销组合\",\n    \"aida\",\n    \"用户生命周期\",\n    \"roi\",\n    \"投资回报率\",\n    \"dupont analysis\",\n    \"杜邦分析\",\n    \"KPIs\",\n    \"business intelligence\",\n    \"商业智能\",\n    \"SQL\",\n    \"数据质量\",\n    \"data quality\",\n    \"bilingual\",\n    \"双语\",\n    \"market research\",\n    \"市场调研\",\n    \"行业分析\",\n    \"competitive intelligence\",\n    \"竞品分析\",\n    \"market sizing\",\n    \"市场规模\",\n    \"skill\"\n  ]\n}\n\nFile v1.3.0:agents/openai.yaml\n\ninterface:\n  display_name: \"Business Data Analyst\"\n  short_description: \"Turn business data into decisions\"\n  default_prompt: \"Use $business-data-analyst to diagnose a business problem, define metric scope, quantify impact, and recommend next actions.\"\n\nArchive v1.2.0: 12 files, 20214 bytes\n\nFiles: agents/openai.yaml (253b), CHANGELOG.md (1822b), package.json (2462b), README.md (2049b), references/examples.md (2150b), references/metric-playbook.md (7334b), references/router-design.md (3676b), skill-card.md (2962b), SKILL.md (11101b), src/index.js (227b), src/router.js (5733b), _meta.json (146b)\n\nFile v1.2.0:SKILL.md\n\n---\nname: business-data-analyst-skill\ndescription: Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas. Suitable for operating reviews, growth analysis, user behavior analysis, channel performance analysis, funnel analysis, sales conversion analysis, postmortems, weekly or monthly business reporting, and management decision support.\n---\n\n# 商业数据分析师\n\n先定义问题，再统一口径，再看数据质量，再做诊断，最后给动作。\n\n把“发生了什么”与“为什么发生”分开，把“观察”与“建议”分开，把“相关性”与“因果性”分开。\n\n## 核心工作原则\n\n- 先业务问题，后分析动作：先写清决策问题、对象、时间范围、比较基准。\n- 先指标口径，后看结论：任何同比、环比、转化率、ROI、LTV，都先定义分子、分母、时间窗、归因口径。\n- 先验数，后解释：先检查样本量、缺失值、重复值、埋点变更、口径漂移，再做业务判断。\n- 先拆结构，后下结论：总体变化必须拆到渠道、地区、客群、产品、时间、活动、销售人员或门店等关键维度。\n- 先区分事实与推断：明确哪些是已知，哪些是推断，哪些需要额外验证。\n- 结论必须能落动作：每个结论都要回答“该做什么、谁去做、先做什么、看什么指标验证”。\n\n建议必要时使用以下标记：\n- `已知`\n- `推断`\n- `假设`\n- `风险`\n\n## 固定分析顺序\n\n1. **定义决策问题**\n   用一句话写清楚：谁要决策、要决定什么、目标是什么。\n2. **统一分析口径**\n   明确指标定义、时间范围、对比基准、分析粒度、归因口径。\n3. **检查数据可信度**\n   检查来源、样本覆盖、异常值、埋点/口径变更、是否存在幸存者偏差或抽样偏差。\n4. **描述现象**\n   先回答“发生了什么”：规模、趋势、结构变化、异常拐点、分层差异。\n5. **拆解驱动因素**\n   用漏斗、分层、 cohort、价格-销量、供给-需求、渠道贡献等方法拆解变化来源。\n6. **评估业务影响**\n   量化对收入、利润、留存、转化、库存、交付、人效、现金流或客户体验的影响。\n7. **输出动作建议**\n   给出优先级、负责人建议、验证指标、预期影响、风险和下一步实验。\n\n## 常用分析框架\n\n### 1. 增长分析\n\n适用于新增、活跃、收入增长放缓或异常波动。\n\n优先拆：\n- 流量/线索\n- 转化率\n- 客单价或 ARPU\n- 复购/留存\n- 渠道结构\n\n问题模板：\n- 增长来自新增、提价、提频，还是结构变化？\n- 是总盘下滑，还是某几个关键渠道/客群下滑？\n- 增长是否可持续，是否依赖短期补贴或活动？\n\n### 2. 漏斗分析\n\n适用于注册、激活、下单、付费、销售转化、续约等流程。\n\n必须输出：\n- 每一层转化率\n- 每一层绝对流失量\n- 最大损失环节\n- 新旧用户、渠道、地区、设备或销售团队的差异\n\n### 3. 留存与 cohort 分析\n\n适用于用户流失、复购、订阅续费、客户健康度问题。\n\n重点看：\n- 不同首购/首登批次的留存曲线\n- 留存变化是由获客结构变了，还是产品/服务体验变了\n- 留存问题发生在第几周/第几月\n\n### 4. 收入与利润分析\n\n适用于经营复盘、预算偏差、价格策略、品类结构变化。\n\n优先拆：\n- 量\n- 价\n- 折扣\n- 产品结构\n- 渠道结构\n- 成本与毛利\n\n### 5. 运营效率分析\n\n适用于库存、交付、客服、人效、门店、销售团队效率问题。\n\n优先拆：\n- 单位产出\n- 单位成本\n- 周期时长\n- 资源利用率\n- 异常损耗\n\n## 强化分析模型\n\n当用户的问题不只是“指标为什么变了”，而是“公司该不该做、该怎么打、该怎么卖、该怎么管、值不值得投”时，优先补以下模型。\n\n### 1. 战略分析模型\n\n适用于方向选择、进入新市场、推出新产品、调整业务边界。\n\n优先使用：\n- `SWOT`：梳理内部优势、劣势与外部机会、威胁\n- `PESTEL`：检查政策、经济、社会、技术、环境、法律约束\n- `3C`：同时看公司、客户、竞争对手\n- `Ansoff` 矩阵：判断市场渗透、市场开发、产品开发、多元化路径\n\n强化要求：\n- 不要只列概念，要指出每个因素如何影响收入、成本、风险或执行难度\n- 不要把 `机会` 写成愿望，要说明触发条件和验证方式\n- 战略结论必须回答“要不要做、为什么现在做、主要风险是什么”\n\n### 2. 竞争分析模型\n\n适用于行业吸引力评估、赛道判断、竞争压力判断、进入壁垒评估。\n\n优先使用：\n- 波特五力\n- 战略群组分析\n- 竞争对手画像与 Benchmark\n\n强化要求：\n- 五力分析必须落到利润空间、议价能力、替代风险和防御能力\n- 竞争对手分析不能只比功能，要比价格、渠道、交付能力、品牌、客户结构\n- 最终要回答“行业赚钱难不难、公司凭什么赢、短期最需要防谁”\n\n### 3. 营销分析模型\n\n适用于用户分层、目标市场选择、定位、增长转化、投放和促销策略。\n\n优先使用：\n- `STP`\n- `4P`\n- `AIDA`\n- 用户生命周期分析，包括 `LTV`、留存、转化\n\n强化要求：\n- `Segmentation` 不能只按人口属性，要补消费能力、场景、需求强度、行为差异\n- `Positioning` 要明确相对谁、靠什么差异化、牺牲什么\n- `4P` 不能只讨论促销，必须同时看产品匹配度、价格门槛、渠道效率\n- 最终要回答“卖给谁、为什么买、通过什么路径成交、利润是否成立”\n\n### 4. 运营分析模型\n\n适用于目标管理、执行效率提升、流程优化、增长实验和经营监控。\n\n优先使用：\n- `KPI/OKR`\n- 漏斗模型\n- 北极星指标\n- 精益创业 `Build-Measure-Learn`\n\n强化要求：\n- `OKR` 要区分结果指标和过程指标，避免只写任务\n- 漏斗分析要同时输出转化率和绝对损失量\n- 北极星指标必须能反映长期价值，而不是短期虚高指标\n- 精益创业分析要写清实验假设、验证指标、观察周期和停止条件\n\n### 5. 财务分析模型\n\n适用于项目评估、预算决策、资源投入、回报测算和经营健康度判断。\n\n优先使用：\n- `ROI`\n- 盈亏平衡点\n- 现金流模型\n- 杜邦分析\n\n强化要求：\n- `ROI` 不只算静态回报，要明确时间窗和回收周期\n- 盈亏平衡点要拆销量、价格、固定成本、变动成本\n- 现金流分析要区分利润与现金，警惕高利润低现金项目\n- 杜邦分析要拆净利率、周转率、杠杆，避免只看单一利润指标\n\n## 模型选择规则\n\n面对不同问题，优先这样选：\n\n- “要不要做某件事” -> 战略分析模型 + 财务分析模型\n- “这个行业值不值得进” -> 竞争分析模型 + 战略分析模型\n- “产品怎么卖、卖给谁” -> 营销分析模型\n- “怎么提升执行效率或转化” -> 运营分析模型\n- “项目值不值、钱怎么回” -> 财务分析模型\n\n如果问题跨多个层级，先定主模型，再用 1 到 2 个辅助模型补充，不要把所有模型堆在一起。\n\n## 响应语言与信息缺口规则\n\n- 默认跟随用户提问语言输出；用户用中文问，就用中文答；用户用英文问，就用英文答。\n- 如果用户混合使用多种语言，以主问题语言为准；不要为了显得专业而擅自切换语言。\n- 若题目缺少关键口径、时间范围、样本定义、归因口径或对比基准，先指出缺口，再给条件式判断。\n- 缺信息时不要硬编数字、样本量、因果链、行业均值或结论强度。\n- 若可以继续分析但不能下确定结论，用 `已知 / 推断 / 假设 / 风险` 标记，把不确定性留在台面上。\n- 若只缺 1 到 2 个关键前提，优先先给可执行的临时判断，再列出补充数据清单，不要一味卡在追问。\n\n## 模型使用纪律\n\n- 先用数据分析主线回答“发生了什么”，再决定是否引入战略、竞争、营销、运营或财务模型解释“为什么”。\n- 默认只选 1 个主模型；最多再加 1 到 2 个辅助模型，避免把回答写成模型名词堆砌。\n- `模型分析` 必须服务于决策，不要把 SWOT、五力、STP、ROI 当作展示知识点。\n- 用模型时必须回答：这个模型为什么适合当前问题，它改变了什么判断，它带来了什么动作。\n- 如果用户明显只要快速结论，不要强行展开全套模型；保留主线、删掉花架子。\n\n## 路由与参考材料使用\n\n- 如果宿主支持内部路由层，可使用 `src/router.js` 先判断是否属于增长、漏斗、留存、收入利润、效率或经营诊断场景。\n- 需要理解路由输入输出契约、命中逻辑和提示语拼装方式时，读取 [references/router-design.md](references/router-design.md)。\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)。\n- 需要常见指标口径、拆解方法、建议动作模板时，读 [references/metric-playbook.md](references/metric-playbook.md)。\n- 若用户问题偏战略/竞争/营销/财务判断，优先从 `SKILL.md` 保持主线，再按需读取 `metric-playbook.md` 中对应章节，不要一次把所有参考材料都塞进上下文。\n\n## 输出要求\n\n默认按以下结构回答：\n\n1. **问题定义**\n2. **口径与范围**\n3. **数据质量检查**\n4. **关键发现**\n5. **原因拆解**\n6. **业务影响**\n7. **建议动作**\n8. **信息缺口 / 待验证假设**\n\n当使用强化分析模型时，可在 `原因拆解` 和 `建议动作` 之间增加：\n\n9. **模型分析**\n10. **战略 / 竞争 / 营销 / 运营 / 财务判断**\n\n其中：\n- `关键发现` 只写观察到的事实，不提前混入建议。\n- `原因拆解` 要按影响大小排序，不要罗列无关因素。\n- `建议动作` 控制在 1-3 条，并写清验证指标。\n\n## 快速模式\n\n如果用户只想快速判断“问题在哪里、先做什么”，最少保留四段：\n\n1. `问题定义`\n2. `关键发现`\n3. `原因拆解`\n4. `建议动作`\n\n## 不要这样做\n\n- 不要在口径不清时直接给结论。\n- 不要只看总体均值，不看结构变化。\n- 不要把相关性直接写成因果。\n- 不要把一次活动、节假日、政策扰动当作长期趋势。\n- 不要给“加强运营”“提升转化”这种不可执行建议。\n- 不要在没有业务影响量化时排序优先级。\n\n## 参考材料\n\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)\n- 需要常见指标与拆解思路时，读 [references/metric-playbook.md](references/metric-playbook.md)\n\nFile v1.2.0:README.md\n\n# Business Data Analyst Skill\n\n版本：`1.2.0`\n\n## 简介\n\n这是一个面向商业分析、经营诊断和指标拆解场景的技能包。\n\n它适合用于：\n\n- 将业务问题翻译成分析方案\n- 统一指标口径与分析范围\n- 检查数据质量与口径漂移\n- 拆解增长、转化、留存、收入和效率问题\n- 输出可执行的业务建议与验证指标\n\n## 目录结构\n\n- [SKILL.md](/d:/home/business-data-analyst-skill/SKILL.md)\n- [CHANGELOG.md](/d:/home/business-data-analyst-skill/CHANGELOG.md)\n- [references/examples.md](/d:/home/business-data-analyst-skill/references/examples.md)\n- [references/metric-playbook.md](/d:/home/business-data-analyst-skill/references/metric-playbook.md)\n- [references/router-design.md](/d:/home/business-data-analyst-skill/references/router-design.md)\n- [agents/openai.yaml](/d:/home/business-data-analyst-skill/agents/openai.yaml)\n\n## 当前状态\n\n当前仓库以文档型 skill 包为主，主要包含提示词规范、分析框架和参考材料。\n\n仓库现已补充最小可用的技能内部意图路由。实现说明和变更记录分别见：\n\n- [references/router-design.md](/d:/home/business-data-analyst-skill/references/router-design.md)\n- [CHANGELOG.md](/d:/home/business-data-analyst-skill/CHANGELOG.md)\n\n## 使用说明\n\n优先阅读 [SKILL.md](/d:/home/business-data-analyst-skill/SKILL.md)，它定义了该技能的工作原则、固定分析顺序、输出结构和参考材料。\n\n当需要快速补充分析案例时，查看 [references/examples.md](/d:/home/business-data-analyst-skill/references/examples.md)。\n\n当需要统一常见业务指标口径和拆解方法时，查看 [references/metric-playbook.md](/d:/home/business-data-analyst-skill/references/metric-playbook.md)。\n\n如果准备把 skill 接入运行时路由层，先看 [references/router-design.md](/d:/home/business-data-analyst-skill/references/router-design.md)。\n\n## 更新说明\n\n项目变更历史统一记录在 [CHANGELOG.md](/d:/home/business-data-analyst-skill/CHANGELOG.md)。\n\nFile v1.2.0:_meta.json\n\n{\n  \"ownerId\": \"kn7dpzpqn086by5pfg5sbf64zx80zr6m\",\n  \"slug\": \"business-data-analyst-skill\",\n  \"version\": \"1.2.0\",\n  \"publishedAt\": 1776674780760\n}\n\nFile v1.2.0:references/examples.md\n\n# 商业数据分析示例\n\n## 示例 1：电商 GMV 下滑\n\n用户请求：\n`帮我分析为什么 3 月 GMV 比 2 月下降了 12%。`\n\n建议输出骨架：\n\n```md\n## 问题定义\n3 月 GMV 环比下降 12%，需要判断是季节性回落、流量问题、转化问题，还是客单价与结构变化导致。\n\n## 口径与范围\n- 指标：GMV，按支付成功口径\n- 时间：2026-03 vs 2026-02\n- 粒度：日、渠道、品类、新老客\n\n## 数据质量检查\n- 排除支付回传延迟\n- 检查 3 月是否有埋点或归因口径变更\n\n## 关键发现\n- 总访客下降 5%\n- 下单转化率下降 4%\n- 客单价下降 3%\n- 某核心投放渠道流量下降最明显\n\n## 原因拆解\n1. 付费渠道流量缩量贡献了主要跌幅\n2. 低价品类占比提升，拉低客单价\n3. 老客复购基本稳定，问题主要出在新客获取\n\n## 业务影响\n- 预计月度收入少 X\n- 若渠道恢复不到位，下月仍有延续风险\n\n## 建议动作\n1. 先修复核心渠道投放与素材供给，观察访客恢复\n2. 对低转化落地页做 A/B 测试，追踪下单转化率\n3. 单独监控高客单品类占比，避免结构继续恶化\n```\n\n## 示例 2：SaaS 续费率下降\n\n用户请求：\n`最近续费率从 78% 掉到 71%，帮我定位原因并给动作建议。`\n\n优先分析：\n- 按客户规模、行业、销售团队、版本、首签月份拆 cohort\n- 区分续费率下降是到期客户结构变化，还是同类客户真实变差\n- 关联产品使用深度、工单量、NPS、价格调整记录\n\n## 示例 3：门店人效差异大\n\n用户请求：\n`为什么华东门店人效明显高于华南？`\n\n优先分析：\n- 人效定义：销售额/人时，还是毛利/人头\n- 对比客流、转化率、连带率、客单价、排班、店型结构\n- 区分“单店效率差”与“区域结构差”\n\n## 示例 4：活动复盘\n\n用户请求：\n`帮我复盘这次大促是否值得继续做。`\n\n至少回答：\n- 增量收入是否覆盖补贴、投放、履约和客服成本\n- 新客质量是否达标，活动后 7/30 天留存如何\n- 是否只是把自然单前移，还是创造了新增需求\n\nFile v1.2.0:references/metric-playbook.md\n\n# 常见指标与拆解手册\n\n## 增长类\n\n- `新增用户 = 新注册 / 新激活 / 首购用户`\n- `活跃用户 = DAU / WAU / MAU`\n- `增长率 = (本期 - 上期) / 上期`\n\n常见拆法：\n- 渠道\n- 地区\n- 客群\n- 产品/品类\n- 新老用户\n- 自然周 / 自然月 / 活动期\n\n## 漏斗类\n\n- `访问 -> 注册 -> 激活 -> 下单 -> 支付`\n- `线索 -> 商机 -> 报价 -> 成交 -> 回款`\n\n常见输出：\n- 每层转化率\n- 每层流失量\n- 最大损失环节\n- 分群差异\n\n## 留存类\n\n- `次日留存`\n- `7日/30日留存`\n- `复购率`\n- `续费率`\n\n常见误区：\n- 只看总体留存，不看 cohort\n- 获客结构变化导致总体留存变化，却误判为产品问题\n\n## 收入类\n\n- `收入 = 流量 × 转化率 × 客单价`\n- `GMV = 订单量 × 平均订单金额`\n- `ARPU = 收入 / 用户数`\n- `毛利 = 收入 - 可变成本`\n\n常见拆法：\n- 量价拆解\n- 品类结构拆解\n- 渠道结构拆解\n- 折扣与补贴影响\n\n## 效率类\n\n- `人效 = 产出 / 人力投入`\n- `坪效 = 销售额 / 面积`\n- `库存周转 = 销售成本 / 平均库存`\n- `履约时长 = 签收时间 - 下单时间`\n\n常见拆法：\n- 单位产出\n- 单位成本\n- 周期\n- 利用率\n- 异常损耗\n\n## 建议动作模板\n\n当分析完成后，尽量把建议写成下面的格式：\n\n`动作 + 负责人类型 + 验证指标 + 观察周期 + 风险`\n\n示例：\n- 优化高流失页面文案，负责人为增长/产品，验证注册转化率，观察 7 天，风险是样本量不足\n- 调整低 ROI 渠道预算，负责人为投放，验证获客成本和首购率，观察 2 周，风险是季节性扰动\n\n## 强化分析模型手册\n\n### 1. 战略分析模型\n\n#### SWOT\n\n适用：\n- 公司要不要进入新业务\n- 某项战略调整是否具备条件\n\n分析重点：\n- `优势` 是否真的可转化为份额、利润或效率\n- `劣势` 是短期可补，还是结构性短板\n- `机会` 是否存在明确窗口期\n- `威胁` 对收入、毛利、合规、组织能力的影响有多大\n\n建议输出：\n- 关键优势与劣势各 2 到 3 条\n- 最重要机会与威胁各 2 条\n- 战略结论：做 / 不做 / 延后做\n\n#### PESTEL\n\n适用：\n- 行业环境变化\n- 政策驱动或约束明显的业务\n\n分析重点：\n- 政策和法律会不会改变准入门槛\n- 经济周期是否影响需求和支付能力\n- 社会趋势是否改变用户偏好\n- 技术进步是否重构成本或壁垒\n\n建议输出：\n- 外部环境利好和利空\n- 最关键的 1 到 2 个不确定因素\n- 对应的应对动作\n\n#### 3C\n\n适用：\n- 公司能力与市场机会是否匹配\n- 增长路径是否可执行\n\n分析重点：\n- `Company`：能力、资源、品牌、渠道、组织效率\n- `Customer`：需求强度、场景、支付意愿、决策链\n- `Competitor`：价格、交付、渠道、口碑、速度\n\n建议输出：\n- 公司优势是否和客户核心需求匹配\n- 与竞争对手相比的关键差异\n- 当前最可打的客户切口\n\n#### Ansoff 矩阵\n\n适用：\n- 讨论增长路径\n- 评估新市场或新产品投入\n\n分析重点：\n- 市场渗透：能否在现有市场继续提份额\n- 市场开发：进入新区域、新客群是否可行\n- 产品开发：新产品是否服务现有客户\n- 多元化：风险最高，需额外验证能力匹配\n\n建议输出：\n- 四种路径的机会和风险\n- 推荐主路径和不推荐路径\n\n### 2. 竞争分析模型\n\n#### 波特五力\n\n适用：\n- 行业利润空间评估\n- 赛道壁垒判断\n\n分析重点：\n- 供应商议价能力\n- 买方议价能力\n- 替代品威胁\n- 新进入者威胁\n- 现有竞争激烈程度\n\n建议输出：\n- 哪一股力量最压利润\n- 公司能否建立护城河\n- 行业是否值得长期投入\n\n#### 战略群组分析\n\n适用：\n- 同行业不同打法分层\n- 找直接竞争圈层\n\n分析重点：\n- 按价格带、渠道、目标客户、服务深度分组\n- 区分头部、腰部、长尾玩家\n\n建议输出：\n- 我们属于哪个群组\n- 最值得对标的 3 类对手\n\n#### Benchmark\n\n适用：\n- 具体竞争对手比较\n- 制定追赶策略\n\n分析重点：\n- 产品力\n- 价格力\n- 渠道力\n- 品牌力\n- 交付和服务能力\n\n建议输出：\n- 关键差距\n- 可以复制的做法\n- 不应盲目跟进的点\n\n### 3. 营销分析模型\n\n#### STP\n\n适用：\n- 明确目标用户\n- 优化市场定位\n\n分析重点：\n- 细分市场是否足够可识别、可触达、可盈利\n- 目标客群选择是否与资源匹配\n- 定位是否清晰且可被感知\n\n建议输出：\n- 重点客群画像\n- 放弃哪些客群\n- 核心定位语句\n\n#### 4P\n\n适用：\n- 产品上市\n- 营销组合优化\n\n分析重点：\n- 产品是否解决核心痛点\n- 价格是否匹配价值与竞争环境\n- 渠道是否覆盖关键触点\n- 促销是否带来真实增量\n\n建议输出：\n- 当前最短板的 `P`\n- 优先优化顺序\n\n#### AIDA\n\n适用：\n- 广告投放\n- 内容转化链路分析\n\n分析重点：\n- 注意获取是否足够\n- 兴趣是否被建立\n- 欲望是否被强化\n- 行动是否有阻碍\n\n建议输出：\n- 卡点在哪一层\n- 每层的改进建议\n\n#### 用户生命周期\n\n适用：\n- 拉新转化留存一体化分析\n- 评估用户长期价值\n\n分析重点：\n- 获客成本与首购转化\n- 留存和复购变化\n- `LTV/CAC` 是否成立\n\n建议输出：\n- 哪个阶段损失最大\n- 哪类用户长期价值最高\n\n### 4. 运营分析模型\n\n#### KPI / OKR\n\n适用：\n- 经营目标拆解\n- 团队执行跟踪\n\n分析重点：\n- 目标是否清晰\n- 指标是否能反映目标\n- 过程指标是否支持结果达成\n\n建议输出：\n- 北极目标\n- 关键结果\n- 过程监控指标\n\n#### 漏斗模型\n\n适用：\n- 注册、激活、下单、销售转化\n\n分析重点：\n- 每层转化率\n- 绝对损失量\n- 分群差异\n\n建议输出：\n- 最大损失环节\n- 优先修复环节\n\n#### 北极星指标\n\n适用：\n- 统一增长方向\n- 防止团队目标分散\n\n分析重点：\n- 指标是否代表长期用户价值\n- 是否可被团队关键动作驱动\n\n建议输出：\n- 北极星指标定义\n- 一级驱动因子\n- 监控频率\n\n#### Build-Measure-Learn\n\n适用：\n- 新功能试验\n- 增长实验\n\n分析重点：\n- 假设是否清晰\n- 度量指标是否可验证\n- 学习结果是否能进入下一轮决策\n\n建议输出：\n- 实验假设\n- 成功阈值\n- 继续 / 停止 / 调整结论\n\n### 5. 财务分析模型\n\n#### ROI\n\n适用：\n- 项目投放\n- 预算审批\n\n分析重点：\n- 投入项是否算全\n- 收益是否考虑时间窗口\n- 是否存在延迟回收\n\n建议输出：\n- 静态 ROI\n- 回收周期\n- 敏感性因素\n\n#### 盈亏平衡点\n\n适用：\n- 新项目立项\n- 价格或销量方案评估\n\n分析重点：\n- 固定成本\n- 变动成本\n- 单位贡献毛利\n\n建议输出：\n- 需要达到的销量或收入门槛\n- 达成门槛的前提条件\n\n#### 现金流模型\n\n适用：\n- 高增长但重投入项目\n- 回款周期长的业务\n\n分析重点：\n- 收入确认与回款时间差\n- 库存、应收、预付款占用\n- 现金缺口出现时间\n\n建议输出：\n- 现金流高风险环节\n- 关键资金压力点\n\n#### 杜邦分析\n\n适用：\n- 经营质量复盘\n- 多业务单元比较\n\n分析重点：\n- 净利率\n- 资产周转率\n- 财务杠杆\n\n建议输出：\n- 回报由利润驱动还是效率驱动\n- 关键改善方向\n\nFile v1.2.0:references/router-design.md\n\n# 路由设计说明\n\n## 目的\n\n该文档用于约定未来 `src/router.js` 的职责边界，确保业务分析类请求在进入模型前能够被稳定分流。\n\n目标不是做复杂的自然语言理解系统，而是先提供一层可维护、可解释、可扩展的轻量路由。\n\n## 适用场景\n\n未来 `src/router.js` 适合处理以下两类判断：\n\n- 是否应命中 `business-data-analyst-skill`\n- 命中后应进入哪类分析子场景\n\n建议优先覆盖的子场景：\n\n- 增长分析\n- 漏斗分析\n- 留存分析\n- 收入或利润分析\n- 运营效率分析\n- 经营复盘或异常诊断\n\n## 推荐输入\n\n建议路由函数至少接收以下字段：\n\n```js\n{\n  message: string,\n  locale?: string,\n  metadata?: {\n    source?: string,\n    channel?: string,\n    userRole?: string\n  }\n}\n```\n\n其中 `message` 是主判断依据，`metadata` 只用于辅助，不应反向覆盖文本语义。\n\n## 推荐输出\n\n建议 `src/router.js` 输出统一结构，避免上层调用方自行猜测：\n\n```js\n{\n  matched: boolean,\n  intent: string | null,\n  confidence: number,\n  reason: string,\n  promptHint?: string\n}\n```\n\n字段建议：\n\n- `matched`: 是否命中当前 skill\n- `intent`: 命中的分析意图，例如 `growth_analysis`\n- `confidence`: `0` 到 `1` 的置信度\n- `reason`: 简短解释命中原因，便于调试\n- `promptHint`: 可选，提供给上层的提示词片段或模式建议\n\n## 推荐路由策略\n\n建议按以下顺序判断：\n\n1. 先识别是否为业务分析问题\n2. 再识别具体分析子类型\n3. 最后补充输出结构化解释\n\n### 第一步：识别业务分析问题\n\n优先识别以下信号：\n\n- 指标词：GMV、转化率、留存、ROI、LTV、客单价、复购、人效、毛利\n- 诊断词：为什么下降、定位原因、拆解、归因、复盘、分析波动\n- 决策词：给建议、下一步动作、实验方案、优化优先级\n\n反向排除以下场景：\n\n- 纯闲聊\n- 纯代码报错排查\n- 通用写作润色\n- 与经营分析无关的知识问答\n\n### 第二步：识别子场景\n\n建议用关键词和问题结构组合判断，而不是只靠单一词命中。\n\n示例映射：\n\n- `增长`、`新增`、`活跃`、`GMV`、`增长放缓` -> `growth_analysis`\n- `漏斗`、`转化`、`注册`、`下单`、`激活` -> `funnel_analysis`\n- `留存`、`复购`、`续费`、`流失`、`cohort` -> `retention_analysis`\n- `收入`、`利润`、`毛利`、`价格`、`折扣` -> `revenue_analysis`\n- `人效`、`库存`、`交付`、`客服效率`、`门店效率` -> `efficiency_analysis`\n- `复盘`、`异常`、`波动`、`经营诊断` -> `business_diagnosis`\n\n### 第三步：输出解释\n\n`reason` 字段不要只写“keyword matched”，应尽量保留可读性，例如：\n\n```txt\n命中留存分析：请求同时包含“续费率下降”和“定位原因”，符合经营诊断场景。\n```\n\n## 实现建议\n\n推荐先从纯规则实现开始，不要一开始引入复杂分类器。\n\n建议拆成三个函数：\n\n```js\nfunction detectBusinessAnalysis(message) {}\nfunction detectIntent(message) {}\nfunction route(message, metadata) {}\n```\n\n如果后续规则变多，可以把关键词字典单独拆到配置文件。\n\n## 最小可用版本\n\n`src/router.js` 的第一版至少应满足：\n\n- 能判断是否命中当前 skill\n- 能识别 3 到 6 个核心分析意图\n- 能返回统一结构\n- 能给出简单可读的命中原因\n\n## 与文档内容的关系\n\n路由只负责分流，不负责生成最终分析结论。\n\n真正的分析过程仍应遵守以下文档：\n\n- [../SKILL.md](../SKILL.md)\n- [examples.md](examples.md)\n- [metric-playbook.md](metric-playbook.md)\n\nFile v1.2.0:CHANGELOG.md\n\n# Changelog\n\nAll notable changes to this project will be documented in this file.\n\n## [1.2.0] - 2026-04-20\n\n### Added\n\n- Added `响应语言与信息缺口规则` to `SKILL.md`, clarifying language following, missing-data handling, and conditional judgment discipline.\n- Added `模型使用纪律` to `SKILL.md` so strategic and financial models stay subordinate to the main analysis flow instead of turning into framework dumping.\n- Added `路由与参考材料使用` to `SKILL.md` so hosts know when to use `src/router.js` and when to read `references/router-design.md`, `references/examples.md`, and `references/metric-playbook.md`.\n\n### Changed\n\n- Bumped the project version to `1.2.0` across `README.md` and `package.json`.\n- Strengthened `SKILL.md` so the skill now covers response language, uncertainty handling, model selection discipline, and progressive disclosure guidance more explicitly.\n\n## [1.1.0] - 2026-04-20\n\n### Added\n\n- Added `src/router.js` for internal skill intent routing.\n- Added `src/index.js` as the public export entry for router utilities.\n- Added intent routing support for `growth_analysis`, `funnel_analysis`, `retention_analysis`, `revenue_analysis`, `efficiency_analysis`, and `business_diagnosis`.\n- Added [references/router-design.md](/d:/home/business-data-analyst-skill/references/router-design.md) to document the routing design and expected contract.\n- Added strategic, competitive, marketing, operational, and financial analysis model guidance to [SKILL.md](/d:/home/business-data-analyst-skill/SKILL.md) and [references/metric-playbook.md](/d:/home/business-data-analyst-skill/references/metric-playbook.md).\n\n### Changed\n\n- Updated [README.md](/d:/home/business-data-analyst-skill/README.md) to document the new runtime routing layer and point change history to `CHANGELOG.md`.\n\nFile v1.2.0:skill-card.md\n\n## Description: <br>\nBusiness data analysis and operating diagnosis skill for translating business questions into analysis plans, defining metric logic, validating data quality, diagnosing changes in growth, conversion, retention, revenue, or efficiency, quantifying impact, and producing actionable recommendations. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[phoenixlucky](https://clawhub.ai/user/phoenixlucky) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nEmployees, analysts, operators, and business teams use this skill to turn business questions into scoped metric definitions, data-quality checks, diagnostic analysis, impact estimates, and prioritized actions. It supports operating reviews, growth analysis, funnel analysis, retention analysis, revenue and profit analysis, efficiency analysis, postmortems, and management decision support. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Users may provide internal metrics or business context that the agent is not authorized to analyze. <br>\nMitigation: Only provide business data and context the agent is allowed to process, and remove restricted, credential-like, customer-sensitive, or unnecessary fields before use. <br>\nRisk: Incomplete metric definitions, date ranges, attribution logic, or sample coverage can lead to misleading conclusions. <br>\nMitigation: Define metric formulas, time windows, comparison baselines, data coverage, and attribution rules before acting on recommendations; mark assumptions and information gaps explicitly. <br>\nRisk: The lightweight keyword router can misclassify requests outside the intended business-analysis scope. <br>\nMitigation: Review the matched intent and confidence before relying on routed guidance, and fall back to direct user clarification when the request is ambiguous. <br>\n\n\n## Reference(s): <br>\n- [Business Data Analyst Skill on ClawHub](https://clawhub.ai/phoenixlucky/business-data-analyst-skill) <br>\n- [Router Design](references/router-design.md) <br>\n- [Business Data Analysis Examples](references/examples.md) <br>\n- [Metric Playbook](references/metric-playbook.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, guidance] <br>\n**Output Format:** [Markdown or structured text with business-analysis sections] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Follows the user's language and marks known facts, inferences, assumptions, risks, and information gaps when data is incomplete.] <br>\n\n## Skill Version(s): <br>\n1.2.0 (source: evidence release, README, CHANGELOG, package.json) <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\nFile v1.2.0:package.json\n\n{\n  \"name\": \"business-data-analyst-skill\",\n  \"version\": \"1.2.0\",\n  \"description\": \"Business data analysis and operating diagnosis skill with documentation, internal intent routing, and reusable analysis frameworks for strategy, competition, marketing, operations, and finance.\",\n  \"main\": \"src/index.js\",\n  \"exports\": {\n    \".\": \"./src/index.js\",\n    \"./router\": \"./src/router.js\",\n    \"./package.json\": \"./package.json\"\n  },\n  \"files\": [\n    \"src\",\n    \"references\",\n    \"agents\",\n    \"SKILL.md\",\n    \"README.md\",\n    \"CHANGELOG.md\"\n  ],\n  \"scripts\": {\n    \"lint\": \"node --check src/index.js && node --check src/router.js\",\n    \"smoke:test\": \"node -e \\\"const { routeSkillIntent } = require('./src'); console.log(routeSkillIntent('最近续费率下降，帮我定位原因并给动作建议'));\\\"\"\n  },\n  \"engines\": {\n    \"node\": \">=18\"\n  },\n  \"author\": \"phoenixlucky\",\n  \"license\": \"MIT\",\n  \"repository\": {\n    \"type\": \"git\",\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill.git\"\n  },\n  \"bugs\": {\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill/issues\"\n  },\n  \"homepage\": \"https://github.com/phoenixlucky/business-data-analyst-skill#readme\",\n  \"keywords\": [\n    \"business-data-analyst\",\n    \"business analysis\",\n    \"商业分析\",\n    \"经营分析\",\n    \"strategy analysis\",\n    \"战略分析\",\n    \"competitive analysis\",\n    \"竞争分析\",\n    \"marketing analysis\",\n    \"营销分析\",\n    \"financial analysis\",\n    \"财务分析\",\n    \"operations analysis\",\n    \"运营分析\",\n    \"data analyst\",\n    \"数据分析师\",\n    \"operating diagnosis\",\n    \"经营诊断\",\n    \"metric\",\n    \"指标分析\",\n    \"growth analysis\",\n    \"增长分析\",\n    \"conversion funnel\",\n    \"漏斗分析\",\n    \"retention\",\n    \"留存分析\",\n    \"revenue analysis\",\n    \"收入分析\",\n    \"north star metric\",\n    \"北极星指标\",\n    \"okr\",\n    \"kpi\",\n    \"目标管理\",\n    \"swot\",\n    \"优势劣势机会威胁\",\n    \"pestel\",\n    \"宏观环境分析\",\n    \"3c\",\n    \"公司客户竞争对手\",\n    \"ansoff\",\n    \"安索夫矩阵\",\n    \"porter five forces\",\n    \"波特五力\",\n    \"stp\",\n    \"市场细分\",\n    \"4p\",\n    \"营销组合\",\n    \"aida\",\n    \"用户生命周期\",\n    \"roi\",\n    \"投资回报率\",\n    \"dupont analysis\",\n    \"杜邦分析\",\n    \"KPIs\",\n    \"business intelligence\",\n    \"商业智能\",\n    \"SQL\",\n    \"数据质量\",\n    \"data quality\",\n    \"bilingual\",\n    \"双语\",\n    \"skill\"\n  ]\n}\n\nFile v1.2.0:agents/openai.yaml\n\ninterface:\n  display_name: \"Business Data Analyst\"\n  short_description: \"Turn business data into decisions\"\n  default_prompt: \"Use $business-data-analyst to diagnose a business problem, define metric scope, quantify impact, and recommend next actions.\"\n\nArchive v1.0.0: 7 files, 7184 bytes\n\nFiles: agents/openai.yaml (253b), package.json (913b), README.md (1216b), references/examples.md (2150b), references/metric-playbook.md (1641b), SKILL.md (5212b), _meta.json (146b)\n\nFile v1.0.0:SKILL.md\n\n---\nname: business-data-analyst-skill\ndescription: Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas. Suitable for operating reviews, growth analysis, user behavior analysis, channel performance analysis, funnel analysis, sales conversion analysis, postmortems, weekly or monthly business reporting, and management decision support.\n---\n\n# 商业数据分析师\n\n先定义问题，再统一口径，再看数据质量，再做诊断，最后给动作。\n\n把“发生了什么”与“为什么发生”分开，把“观察”与“建议”分开，把“相关性”与“因果性”分开。\n\n## 核心工作原则\n\n- 先业务问题，后分析动作：先写清决策问题、对象、时间范围、比较基准。\n- 先指标口径，后看结论：任何同比、环比、转化率、ROI、LTV，都先定义分子、分母、时间窗、归因口径。\n- 先验数，后解释：先检查样本量、缺失值、重复值、埋点变更、口径漂移，再做业务判断。\n- 先拆结构，后下结论：总体变化必须拆到渠道、地区、客群、产品、时间、活动、销售人员或门店等关键维度。\n- 先区分事实与推断：明确哪些是已知，哪些是推断，哪些需要额外验证。\n- 结论必须能落动作：每个结论都要回答“该做什么、谁去做、先做什么、看什么指标验证”。\n\n建议必要时使用以下标记：\n- `已知`\n- `推断`\n- `假设`\n- `风险`\n\n## 固定分析顺序\n\n1. **定义决策问题**\n   用一句话写清楚：谁要决策、要决定什么、目标是什么。\n2. **统一分析口径**\n   明确指标定义、时间范围、对比基准、分析粒度、归因口径。\n3. **检查数据可信度**\n   检查来源、样本覆盖、异常值、埋点/口径变更、是否存在幸存者偏差或抽样偏差。\n4. **描述现象**\n   先回答“发生了什么”：规模、趋势、结构变化、异常拐点、分层差异。\n5. **拆解驱动因素**\n   用漏斗、分层、 cohort、价格-销量、供给-需求、渠道贡献等方法拆解变化来源。\n6. **评估业务影响**\n   量化对收入、利润、留存、转化、库存、交付、人效、现金流或客户体验的影响。\n7. **输出动作建议**\n   给出优先级、负责人建议、验证指标、预期影响、风险和下一步实验。\n\n## 常用分析框架\n\n### 1. 增长分析\n\n适用于新增、活跃、收入增长放缓或异常波动。\n\n优先拆：\n- 流量/线索\n- 转化率\n- 客单价或 ARPU\n- 复购/留存\n- 渠道结构\n\n问题模板：\n- 增长来自新增、提价、提频，还是结构变化？\n- 是总盘下滑，还是某几个关键渠道/客群下滑？\n- 增长是否可持续，是否依赖短期补贴或活动？\n\n### 2. 漏斗分析\n\n适用于注册、激活、下单、付费、销售转化、续约等流程。\n\n必须输出：\n- 每一层转化率\n- 每一层绝对流失量\n- 最大损失环节\n- 新旧用户、渠道、地区、设备或销售团队的差异\n\n### 3. 留存与 cohort 分析\n\n适用于用户流失、复购、订阅续费、客户健康度问题。\n\n重点看：\n- 不同首购/首登批次的留存曲线\n- 留存变化是由获客结构变了，还是产品/服务体验变了\n- 留存问题发生在第几周/第几月\n\n### 4. 收入与利润分析\n\n适用于经营复盘、预算偏差、价格策略、品类结构变化。\n\n优先拆：\n- 量\n- 价\n- 折扣\n- 产品结构\n- 渠道结构\n- 成本与毛利\n\n### 5. 运营效率分析\n\n适用于库存、交付、客服、人效、门店、销售团队效率问题。\n\n优先拆：\n- 单位产出\n- 单位成本\n- 周期时长\n- 资源利用率\n- 异常损耗\n\n## 输出要求\n\n默认按以下结构回答：\n\n1. **问题定义**\n2. **口径与范围**\n3. **数据质量检查**\n4. **关键发现**\n5. **原因拆解**\n6. **业务影响**\n7. **建议动作**\n8. **信息缺口 / 待验证假设**\n\n其中：\n- `关键发现` 只写观察到的事实，不提前混入建议。\n- `原因拆解` 要按影响大小排序，不要罗列无关因素。\n- `建议动作` 控制在 1-3 条，并写清验证指标。\n\n## 快速模式\n\n如果用户只想快速判断“问题在哪里、先做什么”，最少保留四段：\n\n1. `问题定义`\n2. `关键发现`\n3. `原因拆解`\n4. `建议动作`\n\n## 不要这样做\n\n- 不要在口径不清时直接给结论。\n- 不要只看总体均值，不看结构变化。\n- 不要把相关性直接写成因果。\n- 不要把一次活动、节假日、政策扰动当作长期趋势。\n- 不要给“加强运营”“提升转化”这种不可执行建议。\n- 不要在没有业务影响量化时排序优先级。\n\n## 参考材料\n\n- 需要场景化问题清单和分析示例时，读 [references/examples.md](references/examples.md)\n- 需要常见指标与拆解思路时，读 [references/metric-playbook.md](references/metric-playbook.md)\n\nFile v1.0.0:README.md\n\n# Business Data Analyst Skill\n\n版本：`1.0.0`\n\n## 简介\n\n这是一个面向商业分析、经营诊断和指标拆解场景的技能包。\n\n它适合用于：\n\n- 将业务问题翻译成分析方案\n- 统一指标口径与分析范围\n- 检查数据质量与口径漂移\n- 拆解增长、转化、留存、收入和效率问题\n- 输出可执行的业务建议与验证指标\n\n## 目录结构\n\n- [SKILL.md](/d:/home/business-data-analyst-skill/SKILL.md)\n- [references/examples.md](/d:/home/business-data-analyst-skill/references/examples.md)\n- [references/metric-playbook.md](/d:/home/business-data-analyst-skill/references/metric-playbook.md)\n- [agents/openai.yaml](/d:/home/business-data-analyst-skill/agents/openai.yaml)\n\n## 使用说明\n\n优先阅读 [SKILL.md](/d:/home/business-data-analyst-skill/SKILL.md)，它定义了该技能的工作原则、固定分析顺序、输出结构和参考材料。\n\n当需要快速补充分析案例时，查看 [references/examples.md](/d:/home/business-data-analyst-skill/references/examples.md)。\n\n当需要统一常见业务指标口径和拆解方法时，查看 [references/metric-playbook.md](/d:/home/business-data-analyst-skill/references/metric-playbook.md)。\n\nFile v1.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn7dpzpqn086by5pfg5sbf64zx80zr6m\",\n  \"slug\": \"business-data-analyst-skill\",\n  \"version\": \"1.0.0\",\n  \"publishedAt\": 1776328135484\n}\n\nFile v1.0.0:references/examples.md\n\n# 商业数据分析示例\n\n## 示例 1：电商 GMV 下滑\n\n用户请求：\n`帮我分析为什么 3 月 GMV 比 2 月下降了 12%。`\n\n建议输出骨架：\n\n```md\n## 问题定义\n3 月 GMV 环比下降 12%，需要判断是季节性回落、流量问题、转化问题，还是客单价与结构变化导致。\n\n## 口径与范围\n- 指标：GMV，按支付成功口径\n- 时间：2026-03 vs 2026-02\n- 粒度：日、渠道、品类、新老客\n\n## 数据质量检查\n- 排除支付回传延迟\n- 检查 3 月是否有埋点或归因口径变更\n\n## 关键发现\n- 总访客下降 5%\n- 下单转化率下降 4%\n- 客单价下降 3%\n- 某核心投放渠道流量下降最明显\n\n## 原因拆解\n1. 付费渠道流量缩量贡献了主要跌幅\n2. 低价品类占比提升，拉低客单价\n3. 老客复购基本稳定，问题主要出在新客获取\n\n## 业务影响\n- 预计月度收入少 X\n- 若渠道恢复不到位，下月仍有延续风险\n\n## 建议动作\n1. 先修复核心渠道投放与素材供给，观察访客恢复\n2. 对低转化落地页做 A/B 测试，追踪下单转化率\n3. 单独监控高客单品类占比，避免结构继续恶化\n```\n\n## 示例 2：SaaS 续费率下降\n\n用户请求：\n`最近续费率从 78% 掉到 71%，帮我定位原因并给动作建议。`\n\n优先分析：\n- 按客户规模、行业、销售团队、版本、首签月份拆 cohort\n- 区分续费率下降是到期客户结构变化，还是同类客户真实变差\n- 关联产品使用深度、工单量、NPS、价格调整记录\n\n## 示例 3：门店人效差异大\n\n用户请求：\n`为什么华东门店人效明显高于华南？`\n\n优先分析：\n- 人效定义：销售额/人时，还是毛利/人头\n- 对比客流、转化率、连带率、客单价、排班、店型结构\n- 区分“单店效率差”与“区域结构差”\n\n## 示例 4：活动复盘\n\n用户请求：\n`帮我复盘这次大促是否值得继续做。`\n\n至少回答：\n- 增量收入是否覆盖补贴、投放、履约和客服成本\n- 新客质量是否达标，活动后 7/30 天留存如何\n- 是否只是把自然单前移，还是创造了新增需求\n\nFile v1.0.0:references/metric-playbook.md\n\n# 常见指标与拆解手册\n\n## 增长类\n\n- `新增用户 = 新注册 / 新激活 / 首购用户`\n- `活跃用户 = DAU / WAU / MAU`\n- `增长率 = (本期 - 上期) / 上期`\n\n常见拆法：\n- 渠道\n- 地区\n- 客群\n- 产品/品类\n- 新老用户\n- 自然周 / 自然月 / 活动期\n\n## 漏斗类\n\n- `访问 -> 注册 -> 激活 -> 下单 -> 支付`\n- `线索 -> 商机 -> 报价 -> 成交 -> 回款`\n\n常见输出：\n- 每层转化率\n- 每层流失量\n- 最大损失环节\n- 分群差异\n\n## 留存类\n\n- `次日留存`\n- `7日/30日留存`\n- `复购率`\n- `续费率`\n\n常见误区：\n- 只看总体留存，不看 cohort\n- 获客结构变化导致总体留存变化，却误判为产品问题\n\n## 收入类\n\n- `收入 = 流量 × 转化率 × 客单价`\n- `GMV = 订单量 × 平均订单金额`\n- `ARPU = 收入 / 用户数`\n- `毛利 = 收入 - 可变成本`\n\n常见拆法：\n- 量价拆解\n- 品类结构拆解\n- 渠道结构拆解\n- 折扣与补贴影响\n\n## 效率类\n\n- `人效 = 产出 / 人力投入`\n- `坪效 = 销售额 / 面积`\n- `库存周转 = 销售成本 / 平均库存`\n- `履约时长 = 签收时间 - 下单时间`\n\n常见拆法：\n- 单位产出\n- 单位成本\n- 周期\n- 利用率\n- 异常损耗\n\n## 建议动作模板\n\n当分析完成后，尽量把建议写成下面的格式：\n\n`动作 + 负责人类型 + 验证指标 + 观察周期 + 风险`\n\n示例：\n- 优化高流失页面文案，负责人为增长/产品，验证注册转化率，观察 7 天，风险是样本量不足\n- 调整低 ROI 渠道预算，负责人为投放，验证获客成本和首购率，观察 2 周，风险是季节性扰动\n\nFile v1.0.0:package.json\n\n{\n  \"name\": \"business-data-analyst-skill\",\n  \"version\": \"1.0.0\",\n  \"description\": \"Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas.\",\n  \"author\": \"phoenixlucky\",\n  \"license\": \"MIT\",\n  \"repository\": {\n    \"type\": \"git\",\n    \"url\": \"https://github.com/phoenixlucky/business-data-analyst-skill.git\"\n  },\n  \"keywords\": [\n    \"business analysis\",\n    \"data analyst\",\n    \"operating diagnosis\",\n    \"metric\",\n    \"growth analysis\",\n    \"conversion funnel\",\n    \"retention\",\n    \"revenue analysis\",\n    \"KPIs\",\n    \"business intelligence\",\n    \"SQL\",\n    \"data quality\",\n    \"bilingual\",\n    \"skill\"\n  ]\n}\n\nFile v1.0.0:agents/openai.yaml\n\ninterface:\n  display_name: \"Business Data Analyst\"\n  short_description: \"Turn business data into decisions\"\n  default_prompt: \"Use $business-data-analyst to diagnose a business problem, define metric scope, quantify impact, and recommend next actions.\"","readmeExcerpt":"Skill: Business Data Analyst Owner: phoenixlucky Summary: Turn business data into decisions Tags: latest:1.7.0 Version history: v1.7.0 | 2026-09-29T10:22:26.687Z | user Add practical guidance for statistical inference, experiment evaluation, KPI systems, and resource prioritization. v1.6.0 | 2026-09-24T05:14:49.343Z | user Refresh analysis guidance, reporting, market research, and Wei Liaozi business framework. v1.3.","codeSnippets":[],"executableExamples":[{"language":"js","snippet":"const { routeSkillIntent } = require(\"./src\");\n\nconst result = routeSkillIntent(\"最近续费率下降，帮我定位原因并给动作建议\");\n\nconsole.log(result.intent);     // retention_analysis\nconsole.log(result.promptHint); // 优先做 cohort、续费和流失阶段拆解。"},{"language":"js","snippet":"const result = routeSkillIntent({\n  message: \"请分析注册到支付的转化漏斗\",\n});"},{"language":"text","snippet":".\n├── SKILL.md\n├── src/                           # Node.js 意图路由器\n├── test/                          # 路由测试\n├── references/\n│   ├── business-reporting.md      # 商业报告与交付检查\n│   ├── examples.md                # 分析案例\n│   ├── market-research.md         # 市场研究方法\n│   ├── metric-playbook.md         # 指标口径、推断、评估与方案比较\n│   ├── router-design.md           # 路由规则与接口说明\n│   └── wei-liaozi-business-framework.md # 端到端经营决策框架\n├── agents/                        # Agent 元数据\n├── package.json\n└── CHANGELOG.md"},{"language":"bash","snippet":"npm test\nnpm run lint"},{"language":"text","snippet":"逐个定义目标人群、期间、消费/价格口径及纳入边界。可达比例和渗透率必须有依据，并检查是否重复扣减地区、渠道、场景等限制。\n\n适用：行业成熟、有可比的宏观或行业数据时使用。\n\n风险：范围边界和渗透率假设容易导致高估；应以自下而上估算或可比来源交叉检查，并报告假设与区间。\n\r\n#### 方法二：自下而上法（Bottom-up）"},{"language":"text","snippet":"将变量定义为同一地区、同一期间和一致口径的数量；标注来源、假设及容量约束。若使用增长率，应先说明基数并计算期间末客户数，不能直接把增长率当客户数量相乘。\n\n适用：有可参考的客户、渠道、价格或运营数据时。\n\r\n优势：更贴近实际，适合早期验证。\r\n\r\n#### 方法三：类比法（Analogy）"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\r\nname: business-data-analyst-skill\r\nversion: 1.7.0\r\ndescription: Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas. Suitable for operating reviews, growth analysis, user behavior analysis, channel performance analysis, funnel analysis, sales conversion analysis, postmortems, weekly, monthly, or quarterly business reporting, and management decision support.\n---\r\n\r\n# 商业数据分析师\r\n\r\n先定义问题，再统一口径，再看数据质量，再做诊断，最后给动作。\r\n\r\n把“发生了什么”与“为什么发生”分开，把“观察”与“建议”分开，把“相关性”与“因果性”分开。\r\n\r\n## 核心工作原则\r\n\r\n- 先业务问题，后分析动作：先写清决策问题、对象、时间范围、比较基准。\r\n- 先指标口径，后看结论：任何同比、环比、转化率、ROI、LTV，都先定义分子、分母、时间窗、归因口径。\r\n- 先验数，后解释：先检查样本量、缺失值、重复值、埋点变更、口径漂移，再做业务判断。\r\n- 先拆结构，后下结论：选与业务机制和数据粒度相关的维度，检查总量变化是否由少数关键分群驱动。\n- 先区分事实与推断：明确哪些是已知，哪些是推断，哪些需要额外验证。\n- 决策分析要落到动作：说明建议做什么、优先级依据及如何验证；纯描述型请求不强加行动清单。\n\r\n建议必要时使用以下标记：\r\n- `已知`\r\n- `推断`\r\n- `假设`\r\n- `风险`\r\n\r\n## 默认分析顺序\n\n按任务需要省略或组合步骤，保持“先定义问题和口径，再评估证据，最后形成结论”的主线。\n\r\n1. **定义决策问题**\r\n   用一句话写清楚：谁要决策、要决定什么、目标是什么。\r\n2. **统一分析口径**\r\n   明确指标定义、时间范围、对比基准、分析粒度、归因口径。\r\n3. **检查数据可信度**\r\n   检查来源、样本覆盖、异常值、埋点/口径变更、是否存在幸存者偏差或抽样偏差。\r\n4. **描述现象**\r\n   先回答“发生了什么”：规模、趋势、结构变化、异常拐点、分层差异。\r\n5. **拆解驱动因素**\r\n   用漏斗、分层、 cohort、价格-销量、供给-需求、渠道贡献等方法拆解变化来源。\r\n6. **评估业务影响**\r\n   量化对收入、利润、留存、转化、库存、交付、人效、现金流或客户体验的影响。\r\n7. **输出动作建议**\r\n   给出优先级、负责人建议、验证指标、预期影响、风险和下一步实验。\r\n\r\n## 常用分析框架\r\n\r\n### 1. 增长分析\r\n\r\n适用于新增、活跃、收入增长放缓或异常波动。\r\n\r\n优先拆：\r\n- 流量/线索\r\n- 转化率\r\n- 客单价或 ARPU\r\n- 复购/留存\r\n- 渠道结构\r\n\r\n问题模板：\r\n- 增长来自新增、提价、提频，还是结构变化？\r\n- 是总盘下滑，还是某几个关键渠道/客群下滑？\r\n- 增长是否可持续，是否依赖短期补贴或活动？\r\n\r\n### 2. 漏斗分析\r\n\r\n适用于注册、激活、下单、付费、销售转化、续约等流程。\r\n\r\n必须输出：\r\n- 每一层转化率\r\n- 每一层绝对流失量\r\n- 最大损失环节\r\n- 新旧用户、渠道、地区、设备或销售团队的差异\r\n\r\n### 3. 留存与 cohort 分析\r\n\r\n适用于用户流失、复购、订阅续费、客户健康度问题。\r\n\r\n重点看：\r\n- 不同首购/首登批次的留存曲线\r\n- 留存变化是由获客结构变了，还是产品/服务体验变了\r\n- 留存问题发生在第几周/第几月\r\n\r\n### 4. 收入与利润分析\r\n\r\n适用于经营复盘、预算偏差、价格策略、品类结构变化。\r\n\r\n优先拆：\r\n- 量\r\n- 价\r\n- 折扣\r\n- 产品结构\r\n- 渠道结构\r\n- 成本与毛利\r\n\r\n### 5. 运营效率分析\r\n\r\n适用于库存、交付、客服、人效、门店、销售团队效率问题。\r\n\r\n优先拆：\r\n- 单位产出\r\n- 单位成本\r\n- 周期时长\r\n- 资源利用率\r\n- 异常损耗\r\n\r\n### 6. 市场调研\r\n\r\n适用于行业进入、赛道评估、竞品对标、客户洞察、市场规模估算。\r\n\r\n调研前先明确：\r\n- 决策问题：调研结果用于支持什么决策\r\n- 关键假设：需要验证哪些隐含假设\r\n- 输出形式：报告、市场地图还是打分卡\r\n\r\n优先路径：\r\n- 市场规模 -> 二手数据 + 行业报告 + 交叉验证\r\n- 竞品对标 -> 公开信息 + 产品体验 + 用户评价\r\n- 客户洞察 -> 访谈 + 问卷 + 社交媒体挖掘\r\n- 行业趋势 -> 政策 + 技术 + 资本 + 社会变化\r\n\r\n搜索纪律：\r\n- 每次搜索前明确目标，不要漫无目的浏览\n- 优先使用含发布时间、统计口径、数据来源的信息\n- 单一来源数据标注为 `单来源`，不做核心判断依据\n- 发现会影响结论的来源差异时，先核对统计对象、期间、指标定义、币种、含税口径和计算方法；无法调和时并列呈现差异，不用固定百分比直接判为口径不一致\n- 按信息变化速度和决策周期判断时效：价格、政策和竞品信息通常需要较新的资料；长期结构分析可引用较早资料，但要标出资料日期和适用范围\n- 无日期或无来源的信息只能作为线索；关键结论需找到可核验来源或明确标为待验证\n- 调研结束后必须综合提炼，不把搜索结果直接堆入输出\r\n\r\n### 7. 搜索工具使用纪律\n\n只有在需要外部事实支持当前判断时才搜索。宿主提供搜索工具时，先说明要核实的主张，再按目标市场、来源语言和已知缺口构造查询；没有搜索工具时，说明限制并列出待查信息。\n\n评估每条关键证据是否适合支持对应主张，检查出处、数据期间、口径、方法和潜在偏差。按缺口补充查询；当关键主张有足够支持，或新增搜索的预期价值较低时停止。对外部发现保留来源与日期，区分事实、估算和推断。\n\r\n## 强化分析模型\r\n\r\n当用户的问题不只是“指标为什么变了”，而是“公司该不该做、该怎么打、该怎么卖、该怎么管、值不值得投”时，优先补以下模型。\r\n\r\n### 1. 战略分析模型\r\n\r\n适用于方向选择、进入新市场、"},{"path":"README.md","content":"<div align=\"center\">\n\n# 商业数据分析师\n\n**把业务问题转成可靠分析、清晰决策与可验证行动。**\n\n面向增长、转化、留存、收入、运营与市场研究的分析方法、参考资料和轻量意图路由工具。\n\n[![Version](https://img.shields.io/github/package-json/v/phoenixlucky/business-data-analyst-skill?style=flat-square&label=version)](https://github.com/phoenixlucky/business-data-analyst-skill/blob/main/package.json)\n[![Stars](https://img.shields.io/github/stars/phoenixlucky/business-data-analyst-skill?style=flat-square&label=stars)](https://github.com/phoenixlucky/business-data-analyst-skill/stargazers)\n[![Forks](https://img.shields.io/github/forks/phoenixlucky/business-data-analyst-skill?style=flat-square&label=forks)](https://github.com/phoenixlucky/business-data-analyst-skill/forks)\n[![Issues](https://img.shields.io/github/issues/phoenixlucky/business-data-analyst-skill?style=flat-square&label=issues)](https://github.com/phoenixlucky/business-data-analyst-skill/issues)\n[![Last commit](https://img.shields.io/github/last-commit/phoenixlucky/business-data-analyst-skill?style=flat-square&label=updated)](https://github.com/phoenixlucky/business-data-analyst-skill/commits/main)\n![Node.js 18+](https://img.shields.io/badge/Node.js-%E2%89%A518-339933?style=flat-square&logo=nodedotjs&logoColor=white)\n\n[快速开始](#快速开始) · [分析能力](#分析能力) · [意图路由](#意图路由) · [项目结构](#项目结构) · [边界说明](#边界说明)\n\n</div>\n\n---\n\n## 项目简介\n\n本项目帮助分析者沿着一条清晰的经营分析主线工作：**定义问题与指标口径 → 检查数据质量 → 拆解业务驱动 → 评估影响 → 形成行动 → 验证效果**。\n\n仓库包含可供 AI 宿主使用的分析技能说明、模型手册、报告与市场研究指南，以及一个不依赖外部库的 Node.js 关键词路由器。它提供分析方法和问题路由，不连接业务数据源，也不代替分析者核验数据与结论。\n\n## 快速开始\n\n### 将分析技能用于宿主环境\n\n从 [SKILL.md](SKILL.md) 开始。根据任务再读取 `references/` 中对应专题，避免一次加载全部材料。分析所需的数据、计算能力及网页搜索由宿主环境提供。\n\n### 在 Node.js 中调用意图路由\n\n要求 **Node.js 18 或更高版本**。路由器只分析输入文本并返回场景提示，不查询数据或执行业务分析。\n\n```js\nconst { routeSkillIntent } = require(\"./src\");\n\nconst result = routeSkillIntent(\"最近续费率下降，帮我定位原因并给动作建议\");\n\nconsole.log(result.intent);     // retention_analysis\nconsole.log(result.promptHint); // 优先做 cohort、续费和流失阶段拆解。\n```\n\n也支持对象形式：\n\n```js\nconst result = routeSkillIntent({\n  message: \"请分析注册到支付的转化漏斗\",\n});\n```\n\n## 分析能力\n\n| 领域 | 覆盖内容 |\n| --- | --- |\n| 经营诊断 | 指标口径、数据质量、趋势和结构拆解、驱动因素与业务影响 |\n| 增长与客户 | 增长、漏斗、留存、复购、续费、流失和 cohort 分析 |\n| 收入与效率 | 收入利润、贡献毛利、单位经济、产能与运营效率 |\n| 市场与竞争 | 市场规模、行业趋势、竞争格局、客户需求与证据评估 |\n| 报告与决策 | 商业报告、WBR/MBR/QBR、指标体系、方案比较、行动优先级与验证指标 |\n\n### 可复用的分析模型\n\n- **差异桥接与量价拆解**：解释实际结果相对预算、目标或基准期的变化。\n- **单位经济与贡献毛利**：评估客群、产品、订单、渠道或门店的边际经济性。\n- **情景与敏感性分析**：比较假设、约束、方案结果和关键变量影响。\n- **帕累托与集中度分析**：检查贡献结构、关键依赖和组合风险。\n- **统计推断与因果评估**：报告差异的不确定性，设计实验或适用的准实验。\n- **指标树与资源优先级**：连接结果、驱动和护栏指标，按增量价值与约束比较方案。\n\n每个模型均说明适用条件、所需数据与误用边界，避免只罗列框架名称。\n\n### 尉缭子商业分析框架（现代转译）\n\n通过“**制 → 称 → 权 → 分 → 备 → 胜 → 行 → 验**”串联问题定义、资源与约束、外部比较、重点分群、行动准备、方案评估、执行和效果验证。它是现代经营分析转译，**不是《尉缭子》原书已有的商业模型**；其中“验”是补充的数据验证环节。\n\n详见[框架说明](references/wei-liaozi-business-framework.md)。\n\n## 意图路由\n\n路由器支持以下分析场景：\n\n| 场景 | 路由标识 | 示例问题 |\n| --- | --- | --- |\n| 增长分析 | `growth_analysis` | 新增、活跃或销售增长为何变化？ |\n| 漏斗分析 | `funnel_analysis` | 注册到激活或支付的转化在哪一步流失？ |\n| 留存分析 | `retention_analysis` | 续费率、复购或留存为什么下降？ |\n| 收入利润分析 | `revenue_analysis` | 收入、毛利或客单价由什么驱动？ |\n| "},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn7dpzpqn086by5pfg5sbf64zx80zr6m\",\n  \"slug\": \"business-data-analyst-skill\",\n  \"version\": \"1.7.0\",\n  \"publishedAt\": 1790677346687\n}"},{"path":"references/business-reporting.md","content":"# 商业报告编写指南\n\n本指南用于把数据分析整理成适合阅读、讨论和决策的业务报告。报告应先回答读者关心的业务问题，再提供支持结论的指标、拆解和行动；不要把分析过程或图表本身当作报告目的。\n\n## 动笔前先明确\n\n- **读者与决策**：谁会使用报告？需要了解状态、定位问题，还是批准某项行动？\n- **周期与范围**：报告覆盖的期间、数据截止时间、业务范围和比较基准是什么？\n- **指标与来源**：关键指标的定义、目标值、来源和刷新时间是什么？口径变化要明确说明。\n- **篇幅与形式**：选择一页摘要、周期经营回顾、专题诊断或决策备忘录；只保留支持结论和决策所需的内容。\n\n缺少关键数据时，应标明缺口及其对结论的影响；不要补造数字、目标或归因。\n\n## 默认报告结构\n\n### 1. 标题与范围\n\n用标题说明业务对象和问题，并注明报告周期、数据截止时间、指标范围及必要的口径说明。\n\n### 2. 执行摘要\n\n用 3–5 条先给结论：\n\n- 整体表现相对目标或基准如何？\n- 哪些指标变化最值得关注？\n- 主要驱动因素及业务影响是什么？\n- 接下来建议采取什么行动，或需要读者决定什么？\n\n先写结论，再写证据。区分已验证事实、推断和待验证假设。\n\n### 3. 核心指标概览\n\n优先用简洁表格展示关键指标及对比基准：\n\n| 指标 | 实际值 | 目标/基准 | 差异 | 趋势 | 状态 |\n| --- | ---: | ---: | ---: | --- | --- |\n| 示例指标 | — | — | — | — | 待填 |\n\n差异需注明采用绝对值还是百分比；指标方向可能因业务语境而异，状态判断应说明阈值或规则。只纳入与报告目的相关的指标。\n\n### 4. 关键发现与驱动因素\n\n按业务影响从大到小组织发现。每项发现说明观察到的变化、对比范围、主要分层或驱动因素，以及证据的可靠程度。总体变化要按需要拆到渠道、产品、地区、客群、时间或流程环节；避免堆砌无关切片。\n\n关键数字与外部事实应在相邻文字、图表注释或表格脚注中标出来源、链接、发布日期/数据期间和关键口径。二手资料尽量追溯原始来源；无法核实的内容标明为估算、单来源或待验证，不要只在报告末尾放一组无法对应具体主张的来源。\n\n### 5. 业务影响、风险与展望\n\n量化对收入、利润、客户、运营或战略目标的影响。无法精确估计时，给出有依据的范围或定性判断，并说明假设。列出关键风险、数据限制和需要继续验证的问题。\n\n### 6. 行动与决策\n\n| 优先级 | 行动 | 负责人 | 截止时间 | 验证指标/目标 | 状态或所需决策 |\n| --- | --- | --- | --- | --- | --- |\n| — | — | — | — | — | — |\n\n行动要明确下一步和验证方式。优先级有量化证据时展示预期影响；无法可靠量化时，按影响、紧迫性、可行性和证据置信度定性排序并说明依据。负责人、日期或目标未知时标为待确认，不要自行编造。\n\n## 按报告周期调整\n\n- **周报（WBR）**：突出本周目标进度、异常变化、近期驱动因素、下周重点和未完成行动；控制指标数量，聚焦需要快速处理的偏差。\n- **月报（MBR）**：比较实际与目标、上月和必要的同比基准；解释月度业绩驱动、结构变化、预测风险和纠偏行动。\n- **季度经营回顾（QBR）**：评估季度目标与关键结果，解释结构性趋势和资源投入产出，回顾上季行动效果，并列出下一季度的选择与决策。\n- **专题诊断或决策报告**：围绕一个明确问题展开，重点呈现口径、证据、原因、影响、方案比较与建议，不必套用完整周期汇报结构。\n\n周期报告应沿用稳定的指标定义和展示顺序；定义或目标变更时标注变化，避免把口径变化误读成业务变化。\n\n## 图表与表达\n\n- 每张图回答一个具体问题，标题直接说明要点或比较对象。\n- 标明单位、时间范围、数据来源和必要的样本量；展示目标线或基准时注明其定义。\n- 趋势用折线、构成用堆叠或条形、排序比较用条形；避免装饰性图表和误导比例尺度。\n- 正文优先使用短标题、结论句和少量证据；将明细表、口径定义和补充计算放入附录。\n- 在全文中清楚区分事实、解释、建议和待验证假设，不把相关性直接写成因果。\n\n## 交付前检查\n\n- 报告是否回答了读者的业务问题和决策需求？\n- 每个关键数字或外部事实是否就近注明来源、链接、发布日期/数据期间、口径和比较基准？\n- 结论是否能由报告中的证据支持，且不确定性已明确标出？\n- 行动是否有清楚的下一步和验证指标？未知字段是否标为待确认？\n- 摘要能否让读者快速理解表现、原因、影响和所需决策？"},{"path":"references/examples.md","content":"# 商业数据分析示例\r\n\r\n## 示例 1：电商 GMV 下滑\r\n\r\n用户请求：\r\n`帮我分析为什么 3 月 GMV 比 2 月下降了 12%。`\r\n\r\n建议输出骨架：\r\n\r\n```md\r\n## 问题定义\r\n3 月 GMV 环比下降 12%，需要判断是季节性回落、流量问题、转化问题，还是客单价与结构变化导致。\r\n\r\n## 口径与范围\r\n- 指标：GMV，按支付成功口径\r\n- 时间：2026-03 vs 2026-02\r\n- 粒度：日、渠道、品类、新老客\r\n\r\n## 数据质量检查\r\n- 排除支付回传延迟\r\n- 检查 3 月是否有埋点或归因口径变更\r\n\r\n## 关键发现\r\n- 总访客下降 5%\r\n- 下单转化率下降 4%\r\n- 客单价下降 3%\r\n- 某核心投放渠道流量下降最明显\r\n\r\n## 原因拆解\r\n1. 付费渠道流量缩量贡献了主要跌幅\r\n2. 低价品类占比提升，拉低客单价\r\n3. 老客复购基本稳定，问题主要出在新客获取\r\n\r\n## 业务影响\r\n- 预计月度收入少 X\r\n- 若渠道恢复不到位，下月仍有延续风险\r\n\r\n## 建议动作\r\n1. 先修复核心渠道投放与素材供给，观察访客恢复\r\n2. 对低转化落地页做 A/B 测试，追踪下单转化率\r\n3. 单独监控高客单品类占比，避免结构继续恶化\r\n```\r\n\r\n## 示例 2：SaaS 续费率下降\r\n\r\n用户请求：\r\n`最近续费率从 78% 掉到 71%，帮我定位原因并给动作建议。`\r\n\r\n优先分析：\r\n- 按客户规模、行业、销售团队、版本、首签月份拆 cohort\r\n- 区分续费率下降是到期客户结构变化，还是同类客户真实变差\r\n- 关联产品使用深度、工单量、NPS、价格调整记录\r\n\r\n## 示例 3：门店人效差异大\r\n\r\n用户请求：\r\n`为什么华东门店人效明显高于华南？`\r\n\r\n优先分析：\r\n- 人效定义：销售额/人时，还是毛利/人头\r\n- 对比客流、转化率、连带率、客单价、排班、店型结构\r\n- 区分“单店效率差”与“区域结构差”\r\n\r\n## 示例 4：活动复盘\r\n\r\n用户请求：\r\n`帮我复盘这次大促是否值得继续做。`\r\n\r\n至少回答：\r\n- 增量收入是否覆盖补贴、投放、履约和客服成本\r\n- 新客质量是否达标，活动后 7/30 天留存如何\r\n- 是否只是把自然单前移，还是创造了新增需求"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"Turn business data into decisions Skill: Business Data Analyst Owner: phoenixlucky Summary: Turn business data into decisions Tags: latest:1.7.0 Version history: v1.7.0 | 2026-09-29T10:22:26.687Z | user Add practical guidance for statistical inference, experiment evaluation, KPI systems, and resource prioritization. v1.6.0 | 2026-09-24T05:14:49.343Z | user Refresh analysis guidance, reporting, market research, and Wei Liaozi business framework. v1.3.","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":574,"uniquenessScore":63,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T09:28:25.326Z","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":"2026-10-10T09:28:25.326Z","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":"2026-10-10T11:51:51.041Z","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"}]}}}