投放数据分析_数据分析 skill-PHP中文网

投放数据分析

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

基于超级直播、淘宝直播及财务数据，自动识别文件并计算ROI、转化率等关键指标，生成综合投放数据分析报告。

投放数据分析技能

功能概述

投放数据分析技能是一项面向实际任务的技能，主要用于基于《数据分析基础概念和逻辑v3.md》文档开发的标准化投放数据分析技能，用于处理超级直播、淘宝直播和财务报表数据；万相台投放数据统计分析；

核心要点

直播数据多维度分析；
财务数据与业务数据关联分析；
ROI优化和成本分析；

使用与执行

ClawHub使用；通过环境变量配置：；时间范围：YYYY-MM-DD格式的日期范围；数据文件：自动识别三类数据文件；超级直播数据（包含"超级直播。

结果检查与注意事项

它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。

投放数据分析技能

技能概述

基于《数据分析基础概念和逻辑v3.md》文档开发的标准化投放数据分析技能，用于处理超级直播、淘宝直播和财务报表数据。

适用场景

万相台投放数据统计分析
直播数据多维度分析
财务数据与业务数据关联分析
ROI优化和成本分析

ClawHub使用

通过环境变量配置：

# 设置环境变量
TOUFANG_DATE_RANGE="2026-01-01:2026-01-31"

# 运行技能
python3 clawhub_main.py

# 或者一次性设置
TOUFANG_DATE_RANGE="2026-01-01:2026-01-31" python3 clawhub_main.py

输入要求

时间范围：YYYY-MM-DD格式的日期范围
数据文件：自动识别三类数据文件
- 超级直播数据（包含"超级直播"关键词）
- 淘宝直播数据（包含"淘宝直播"关键词）
- 财务数据（包含"财务"关键词）

输出内容

HTML汇总报表（桌面保存）
数据质量检查报告
关键指标计算
优化建议

核心功能

1. 数据自动识别

# 自动识别数据文件
def auto_detect_files(data_dir):
    """自动识别三类数据文件"""
    super_files = find_files(data_dir, "超级直播")
    taobao_files = find_files(data_dir, "淘宝直播") 
    financial_files = find_files(data_dir, "财务")
    return super_files, taobao_files, financial_files

2. 编码自动处理

# 自动检测和处理编码
def auto_detect_encoding(file_path):
    """自动检测文件编码格式"""
    # 支持GBK、UTF-8等常见编码
    # 自动转换和统一处理

3. 字段映射计算

基于文档中的字段定义和计算公式：

超级直播关键计算：

ROI = 总成交金额 / 花费
观看成本 = 花费 / 观看次数
订单成本 = 花费 / 总成交笔数
加购成本 = 花费 / (总收藏数 + 总购物车数)

淘宝直播关键计算：

成交转化率 = 成交人数 / 商品点击人数
客单价 = 成交金额 / 成交人数
笔单价 = 成交金额 / 成交笔数

财务报表关键计算：

业务口径收入 = 品牌费 + 切片 + 保量佣金 + 预估结算机构佣金 + 预估结算线下佣金
财务口径收入 = 业务口径收入 / 1.06
毛利率 = 毛利 / 财务口径收入

4. 跨报表关联分析

# 跨报表数据关联
def cross_report_analysis(super_df, taobao_df, financial_df):
    """基于文档的跨报表关联分析"""
    # 超级直播去退ROI参考值
    roi_adjusted = (super_df['总成交金额'] * (1 - taobao_df['退货率'])) / super_df['花费']
    
    # 推广投入回报率
    promotion_roi = (financial_df[['保量佣金','预估结算线下佣金','预估结算机构佣金']].sum() * 
                    (super_df['总成交笔数'] / taobao_df['成交笔数'])) / super_df['花费']
    
    return roi_adjusted, promotion_roi

使用示例

基本使用

# 调用投放数据分析技能
投放数据分析 --date-range "2026-01-01:2026-01-31" --data-dir "/Users/zhouhao/Documents/投放数据"

高级使用

# 包含特定指标计算
投放数据分析 --date-range "2026-01-01:2026-01-31" 
              --metrics "ROI,观看成本,订单成本" 
              --output-format "html,csv"

文件结构

投放数据分析技能/
├── SKILL.md          # 技能说明文档
├── requirements.txt  # Python依赖
├── main.py           # 主程序
├── data_processor.py # 数据处理模块
├── calculator.py     # 指标计算模块
├── reporter.py       # 报表生成模块
└── config.py         # 配置文件