← Back to Skills Marketplace
95
Downloads
0
Stars
0
Active Installs
2
Versions
Install in OpenClaw
/install dmp-persona-insight
Description
基于DMP标签体系的用户画像洞察分析技能。支持多维度数据分析、核心特征筛选、推导说明生成、策略建议输出，适用于精准营销、用户运营、产品优化等场景。当用户需要分析用户画像数据、生成用户洞察报告、制定营销策略时使用此技能。触发词：用户画像、人群画像、画像洞察、画像分析、画像报告、人群洞察、洞察分析、洞察报告、TGI分...
README (SKILL.md)
DMP用户画像洞察分析
概述
本技能提供DMP用户画像洞察分析服务，基于多维标签数据进行深度分析，自动生成结构化分析报告和专业PPT演示文稿。
🎯 核心能力
| 功能 | 说明 |
|---|---|
| 标准特征识别 | v7.0 三步法（严格格式）+ 并列识别 + 互斥处理 + 无区分度排除 |
| 多维度分析 | 支持7-10个数据维度的自动分析 |
| 用户画像生成 | 四层结构画像（角色定位 → 价值观 → 行为模式 → 特征支撑） |
| 地域洞察 | 省份/城市级深耕方向分析 |
| 策略建议 | 产品定位、渠道布局、内容营销、用户运营建议 |
| PPT报告 | 一键生成12页专业演示文稿 |
📊 适用场景
- 互联网产品用户画像分析
- APP/小程序运营决策支持
- 精准营销和投放策略制定
- 产品定位与竞品对标
- 管理层汇报和融资演示
操作指南
Operation
三大工作模式
1️⃣ 本地文件分析
输入： Excel (.xlsx/.xls) 或 CSV 本地文件
数据要求： 多维度标签数据（建议7-10个维度）
必需字段： 标签名称、TGI值、占比
输出：
- 用户画像总结（四层结构）
- 各维度详细分析
- 地域深耕方向
- 综合策略建议
- 深度分析方向
- PPT演示文稿（可选）
2️⃣ 查询洞察任务状态
功能： 检查已提交的明日DMP洞察任务是否完成
接口： POST /audience/insight/list
输入： 任务ID列表
输出： 任务信息（ID、名称、人群、状态、创建时间）
状态码：
0- 失败 ❌1- 成功 ✅2- 等待中 ⏳3- 计算中 🔄
示例：
from scripts.insight_api import InsightAPI
api = InsightAPI()
status = api.query_insight_status([104426])
print(status)
详见 洞察集成指南
3️⃣ 获取洞察任务结果
功能： 拉取已完成洞察任务的分析结果（特征、占比、TGI）
接口： GET /audience/insight/result
输入： 任务ID
输出： 多维度特征数据
{
"id": 123,
"name": "30-40岁",
"coverageRate": 0.45,
"tgi": 1.8,
"children": []
}
示例：
from scripts.insight_api import InsightAPI
api = InsightAPI()
result = api.get_insight_result(104426)
print(result)
详见 洞察集成指南
工作原理
本技能采用多维度智能分析算法：
- 数据预处理：读取并验证数据一致性
- 特征筛选：自动识别核心特征与关键指标
- 画像生成：构建四层结构用户画像
- 策略输出：生成可落地的商业建议
- 报告生成：输出专业级分析报告
具体方法论详见 分析框架
配置与注意
API 认证配置（重要）
如需调用明日DMP API 获取洞察任务结果，必须配置 AK/SK。
配置方式：
- 环境变量（推荐）：设置
DMP_AK和DMP_SK - OpenClaw Dashboard：Skills 页面配置
DMP_AK和DMP_SK - 代码中传入：
from scripts.insight_api import InsightAPI
api = InsightAPI(ak='your_ak', sk='your_sk')
正确的鉴权方式（v3.0）
核心要点：
- ✅ 签名算法：
MD5(ts + randStr + SK).upper() - ✅ 时间戳：10位秒级 (不是毫秒)
- ✅ 随机数：4位纯数字，范围 1000-9999
- ✅ API域名：
https://open.mingdata.com/api/open-api
鉴权参数示例：
{
"ts": "1774580142",
"randStr": "8165",
"accessKey": "${AMAP_ACCESS_KEY}",
"sign": "${AMAP_SIGN}"
}
核心原则
- 数据驱动 - 所有结论必须有数据支撑
- 逻辑一致 - 避免自相矛盾的特征
- 完整性 - 覆盖所有提供的维度
- 准确性 - 不臆测缺失数据
快速开始
- 上传数据文件（Excel 多sheet 或 CSV）
- 系统自动分析 多维度数据 → TGI排序 → 用户分层
- 获取完整报告
- 用户画像总结
- 多维度深度分析
- 3层用户分层
- 渠道优先级矩阵
- 投放预算分配建议
- 关键洞察总结
技能文件说明
scripts/
核心脚本
-
analyze_persona.py- 本地文件分析脚本（v3.0+） ⭐- 规范化报告输出（Markdown，包含所有分析内容）
- 用户画像（一句话 + 核心定位 + 地域深耕）
- 各维度详细分析（自动过滤无TGI维度）
- 综合策略建议（产品/渠道/内容）
- 深度分析建议（单维度 + 交叉维度）
-
generate_ppt_report.py- 优化版PPT报告生成（v4.2） ⭐⭐⭐⭐⭐- v4.2 核心优化：
- ✅ 文字大小优化：13-16pt 正文，充分铺满整页
- ✅ 图形元素丰富：侧边装饰条、背景色块、Emoji标记、彩色标签
- ✅ 左右分栏设计：维度页双列布局，高效利用空间 (90%+ 利用率)
- ✅ 多色调配色：6+ 种颜色搭配，视觉层级清晰
- ✅ 数据突出方式：加粗+颜色+背景高亮，关键信息醒目
- 标准结构：P1封面 + P2目录 + P3用户画像 + P4地域（若有）+ P5-N维度分析 + 倒数第2策略 + 最后1分析
- 完全自动化：从Markdown自动提取内容，生成专业级PPT，零手动调整
- 智能地域检测：自动检测有无地域数据，智能调整目录和分页
- 动态分页：根据维度数自动调整页数（N维度 → N+5页）
- 企业级设计：深蓝 + 多色调 + 图形元素，专业美观
- 一键生成，无需调整，即开即用
- v4.2 核心优化：
-
insight_api.py- DMP API集成（v3.0 正确MD5鉴权）
references/
文档与资源
-
ppt-v4.2-usage.md - ⭐⭐⭐ PPT v4.2 快速使用指南
- 新版特性概览（文字大、图形丰富、排版优化）
- 5分钟快速上手
- 页面构成详解
- 自定义选项和常见问题
-
ppt-v4.2-changelog.md - ⭐⭐⭐ PPT v4.2 完整更新日志
- v4.2 核心优化详解
- 文字大小、图形元素、版式、配色调整
- 页面对标与设计规范
- 质量对比与技术实现
-
ppt-generation-guide.md - PPT生成指南（v3.0）
- 完整工作流（数据 → 报告 → PPT）
- 内容自动映射规则
- 常见问题解答
-
quickstart.md - 5分钟快速开始
-
operation-guide.md - 详细操作步骤
-
analysis-framework.md - 分析方法论
-
insight-integration.md - 洞察API集成指南
-
api-integration.md - API 集成说明
-
ppt-design-guide.md - PPT 设计规范
核心能力 - v3.1+ 规范化输出（最新）
✨ 规范输出格式
1️⃣ 用户画像（新格式 v3.1+）
基础部分（必需）：
- 一句话核心特征：多维度标签融合，高度浓缩用户特征
- 提炼核心定位：向上提炼1层，形成商业决策价值的核心定位标签
地域深耕方向（如有地域数据）：
- 核心省份：TGI高且占比大（>3%）的地区，优先布局投放
- 潜力城市：TGI高（>1.5）但占比适中（1-3%）的城市，重点渗透
- 低优先级：TGI\x3C1的地区，建议减少投入或暂停
示例：
## 一、用户画像
一句话核心特征：自驾爱好、旅游消费、亲子活动、品质生活、iPhone用户
提炼核心定位：强兴趣驱动型用户
## 地域深耕方向
核心省份：江苏、湖南、浙江
（TGI高且占比大，优先布局投放）
潜力城市：鄂尔多斯、湖州、嘉兴等
（TGI高但当前占比适中，重点渗透）
低优先级地区：甘肃、青海、宁夏等
（TGI\x3C1，建议减少投入或暂停）
2️⃣ 各维度分析
- 核心特征列表：Top 10特征及TGI值
- 判断理由：特征聚焦程度分析
- 数据分布说明：维度强弱判断与数据量说明
2️⃣ 各维度详细分析
- 核心特征列表：Top 10特征及TGI值
- 判断理由：特征聚焦程度分析
- 数据分布说明：维度强弱判断与数据量说明
- 自动过滤无TGI数据的维度，仅输出有意义的维度
3️⃣ 综合策略建议
- 产品定位：面向特定人群的专业产品定位与核心价值
- 渠道布局：行业专业平台、综合电商、社交电商的策略
- 内容营销：专业知识、资讯解读、用户体验分享
4️⃣ 深度分析建议
- 单维度分析：推荐2-3个最值得深入的维度（标注优先级）
- 交叉维度分析：推荐3-5组高价值维度组合
- 优先级排序：按商业价值和可执行性排序
📊 输出特点
- ✅ 严格按4部分格式输出
- ✅ 仅输出实际存在的维度数据
- ✅ 无地域维度或无TGI数据的维度自动过滤
- ✅ 输出简洁对应，无多余内容
- ✅ 全部数据驱动（TGI支撑）
📊 输出格式升级
v1.0输出：基础的特征提取和分层 v2.0输出：完整的可执行营销方案
🚀 使用方式
步骤1：生成分析报告
# 运行分析脚本（v3.0）
python scripts/analyze_persona.py data.xlsx 人群名称 --output reports
输出： 完整的Markdown格式洞察报告
- 包含所有分析内容（用户画像 + 各维度 + 策略 + 分析建议）
步骤2：从报告生成PPT
# 生成PPT（v4.2 优化版 - 一键完成）
python scripts/generate_ppt_report.py reports/人群名称_洞察分析报告_v3.md
输出： 专业企业级PowerPoint演示文稿（v4.2 优化）
| 页码 | 内容 | 设计亮点 | 文字大小 |
|---|---|---|---|
| P1 | 标题页 | 深蓝全屏背景 + 白文字 + 装饰条 | 32-54pt |
| P2 | 目录 | 彩色编号圆 + 副标题说明 + 背景分隔 | 14pt + 11pt |
| P3 | 用户画像 | 2×高亮背景色块 + 左侧装饰条 | 14-15pt 加粗 |
| P4 | 地域深耕 | 上下分区 + 浅蓝/浅橙背景 | 13pt + 12pt |
| P5+ | 各维度分析 | 左右双列 + 背景色块 + emoji | 12-14pt |
| P倒2 | 综合策略 | 三分区 + 彩色条指示 + 分块设计 | 13pt + 12pt |
| P倒1 | 深度分析 | 上下分块 + emoji标记 + 背景区分 | 13pt + 12pt |
| P末 | 感谢观看 | 深蓝全屏背景 + 白文字 | - |
v4.2 新增亮点：
- ✅ 正文文字 13-16pt，充分铺满页面
- ✅ 左右分栏设计，空间利用率 90%+
- ✅ 丰富图形元素：背景色块、emoji、彩色条、装饰条
- ✅ 多色调配色：6+ 种颜色，视觉层级清晰
- ✅ 数据突出：加粗+颜色+背景高亮，关键信息醒目
- ✅ 企业级设计，专业美观，即开即用
v3.2企业级设计规范（遵循PPTX Skill最佳实践）：
1️⃣ 布局原则
- ✅ 每页都有视觉元素（绝无纯文本幻灯片）
- ✅ 侧边装饰条（1mm左/右边栏，颜色区分维度）
- ✅ 分隔线（标题下方，强调信息分层）
- ✅ Icon圆点（section标记，增强视觉节奏）
- ✅ 左右双列（最大化空间利用，信息密度高）
2️⃣ 配色体系
- 主色：深蓝 #0070C0（占60-70%视觉权重）
- 支持色：蓝绿 #1C7293（辅助强调）
- 强调色：红橙 #FF6B6B（关键数据）
- 背景色：浅灰 #F5F5F5（内容衬底）
- 文本色：深蓝灰 #2F3C7E（正文）
3️⃣ 字体层级
- 页标题：40-44pt 加粗 深蓝
- 分类标题：24pt 加粗 深蓝
- 内容：11-13pt 常规 深蓝灰
- 辅助：10pt 浅灰 （说明补注）
4️⃣ 视觉元素
- 侧边装饰条：3mm宽，贯穿全页高度
- 分隔线：2px厚，标题下方
- Icon圆点：10-15px 圆形，颜色同装饰条
- 卡片背景：8px圆角，浅灰+1px边框
5️⃣ 排版规范
- 页边距：0.5" 上下左右
- 行距：1.35倍（清晰易读）
- 列宽：左/右列各4.4英寸（总宽9英寸）
- 间距：左右列间0.2英寸，行间0.1英寸
参考文档：
📊 核心能力对比
| 能力 | 说明 |
|---|---|
| 数据支持 | Excel多sheet / CSV格式 |
| TGI分析 | 自动识别TGI列，排序核心特征 |
| 用户画像 | 一句话 + 核心定位 + 地域深耕 |
| 维度分析 | 5-8个维度，每个Top 10特征 |
| 策略建议 | 产品定位 + 渠道布局 + 内容营销 |
| 分析建议 | 单维度 + 交叉维度建议 |
| 报告输出 | 专业级Markdown（4部分完整结构） |
| PPT输出 | 自动生成PowerPoint（v3.0优化版） |
| 可执行性 | 高（所有策略可直接投放） |
Usage Guidance
This skill largely does what it claims (local persona analysis + DMP API integration), but take these precautions before installing or providing credentials:
1) Confirm which credential form the platform will inject: DMP_AK/DMP_SK (AK/SK pair) or a single DMP_API_KEY. Update the skill configuration or wrappers so the scripts read the same env names the platform provides. Do not paste secrets into code or public files.
2) Fix the insecure default: change insight_api.py to use verify=True (or remove its override) so HTTPS certificate validation is enforced. Avoid running with verify=False except in fully isolated testing with explicit awareness of the risk.
3) Verify the intended API host with the DMP provider (open.mingdata.com vs api.mingdata.com.cn). Do not supply production credentials until you confirm the correct endpoint.
4) Run the code first in an isolated environment (container or throwaway VM) and with least-privilege credentials (test key) to confirm behavior. Rotate keys after testing.
5) If you plan to use secrets, prefer a secrets manager / OpenClaw SecretRef rather than exporting root-level env vars; confirm the skill reads from the same secret name the platform provides.
If you want, I can point to the exact lines to change (enable SSL verification, normalize env variable usage) or draft a checklist/patch to make the skill safer.
Capability Analysis
Type: OpenClaw Skill
Name: dmp-persona-insight
Version: 1.0.1
The skill bundle contains a significant security vulnerability in 'scripts/insight_api.py', where SSL certificate verification is explicitly disabled ('verify=False') for API requests to 'open.mingdata.com'. This flaw exposes sensitive credentials (DMP_AK and DMP_SK) to potential Man-in-the-Middle (MITM) attacks. While the scripts and documentation (SKILL.md, references/) appear functionally aligned with the stated purpose of marketing data analysis and lack evidence of intentional malice or data exfiltration, the insecure handling of network requests warrants a suspicious classification.
Capability Assessment
Purpose & Capability
The name/description describe DMP-based persona analysis and the included Python scripts implement local file analysis, feature extraction, report and PPT generation, and API calls to a DMP service — this is coherent with the stated purpose. The required credentials (DMP_AK, DMP_SK) are reasonable for calling a DMP API.
Instruction Scope
Runtime instructions and scripts read local Excel/CSV files and call the DMP API — appropriate for this skill. However, the SKILL.md and references contain conflicting guidance about which environment variable is injected/used (DMP_AK/DMP_SK vs DMP_API_KEY) and reference multiple API hosts; that mismatch could cause credentials to be set/read in unexpected env names or sent to different endpoints. Additionally, the API client defaults to verify_ssl = False, which weakens transport security and increases risk of credential interception.
Install Mechanism
No install spec — instruction-only plus shipped Python scripts. Nothing in the manifest downloads or executes remote installers. Presence of local scripts is expected for an analysis/PPT-generation skill.
Credentials
The skill declares DMP_AK and DMP_SK (two credentials) which are proportionate to calling a DMP API. But references and examples also mention DMP_API_KEY and OpenClaw auto-injection into skills.entries.dmp-persona-insight.apiKey → DMP_API_KEY, creating ambiguity about which secret the platform will supply. That mismatch could lead to accidentally exposing a single API key in places where the scripts expect AK/SK, or failing to find credentials and prompting insecure fallback behavior.
Persistence & Privilege
always is false and the skill does not request system-wide changes or privilege escalation. It reads local files and calls external APIs, which is normal for this functionality.
How to Use
- Make sure OpenClaw is installed (local or Docker)
- Run the install command in chat:
/install dmp-persona-insight - After installation, invoke the skill by name or use
/dmp-persona-insight - Provide required inputs per the skill's parameter spec and get structured output
Version History
v1.0.1
No file changes detected.
No functional or documentation changes in this version.
v1.0.0
dmp-persona-insight 1.0.0
- 首次发布，提供基于DMP标签体系的用户画像洞察分析能力。
- 支持本地数据文件分析、DMP API集成与任务管理。
- 自动生成结构化Markdown分析报告和企业级PPT报告（v4.2专业设计）。
- 实现核心特征识别、地域洞察、多维度分析、可落地策略建议输出。
- 明确数据格式要求，支持Excel多sheet和CSV，自动过滤无效维度。
- 提供详细操作指引、API集成和输出格式规范，适配精准营销、运营分析、多行业应用。
Metadata
Frequently Asked Questions
What is dmp-persona-insight?
基于DMP标签体系的用户画像洞察分析技能。支持多维度数据分析、核心特征筛选、推导说明生成、策略建议输出，适用于精准营销、用户运营、产品优化等场景。当用户需要分析用户画像数据、生成用户洞察报告、制定营销策略时使用此技能。触发词：用户画像、人群画像、画像洞察、画像分析、画像报告、人群洞察、洞察分析、洞察报告、TGI分... It is an AI Agent Skill for Claude Code / OpenClaw, with 95 downloads so far.
How do I install dmp-persona-insight?
Run "/install dmp-persona-insight" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.
Is dmp-persona-insight free?
Yes, dmp-persona-insight is completely free, licensed under MIT-0. You can download, install and use it at no cost.
Which platforms does dmp-persona-insight support?
dmp-persona-insight is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).
Who created dmp-persona-insight?
It is built and maintained by mingri26 (@mingri26); the current version is v1.0.1.
More Skills