← 返回 Skills 市场
18262202398-star

淘宝投放数据分析

作者 18262202398-star · GitHub ↗ · v1.0.1 · MIT-0
cross-platform ✓ 安全检测通过
169
总下载
0
收藏
0
当前安装
2
版本数
在 OpenClaw 中安装
/install jiangfeng
功能描述
基于淘宝直播、超级直播和财务数据，实现自动识别、编码处理、关键指标计算及跨报表多维投放数据分析与优化建议生成。
使用说明 (SKILL.md)

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

  1. HTML汇总报表（桌面保存）
  2. 数据质量检查报告
  3. 关键指标计算
  4. 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

依赖要求

  • pandas >= 1.5.0
  • numpy >= 1.21.0
  • chardet >= 5.0.0

输出示例

技能执行后会生成：

  1. YYYY-MM-DD_投放数据分析报告.html - 完整HTML报表
  2. YYYY-MM-DD_数据质量检查.csv - 数据质量报告
  3. YYYY-MM-DD_关键指标汇总.csv - 指标计算结果

错误处理

  • 自动处理文件编码问题
  • 字段缺失时的智能处理
  • 数据质量异常预警

版本历史

  • v1.0.0: 初始版本，基于数据分析基础概念和逻辑v3.md

作者

江风 - 交个朋友直播间

安全使用建议
This skill appears to do what it claims (local data ingestion, metric calculation, HTML/CSV report generation). Before installing or running: 1) inspect/confirm the data directory you pass in (default is /Users/zhouhao/Documents/投放数据) so you know which files will be read; 2) run in a Python virtualenv and review requirements.txt before pip installing; 3) be aware outputs are written to the output directory (default ~/Desktop/投放分析报告) — change TOUFANG_OUTPUT_DIR if needed; 4) if you have sensitive data, test on a small anonymized sample first. No credentials or network endpoints are used by the code, so risk is limited to local file access and installing Python dependencies.
功能分析
Type: OpenClaw Skill Name: jiangfeng Version: 1.0.1 The skill bundle is a legitimate data analysis tool designed to process advertising and financial reports (Super Live, Taobao Live, and financial data). The code uses standard libraries like pandas and numpy to calculate business metrics such as ROI and conversion rates, and it generates HTML/CSV reports. No evidence of data exfiltration, malicious execution, or prompt injection was found; the hardcoded local file paths (e.g., in config.py and simple_run.py) appear to be environment-specific configurations rather than intentional vulnerabilities.
能力评估
✓ Purpose & Capability
Name and description (Taobao/直播/财务 投放数据分析) match the code and SKILL.md. The code only depends on standard Python data libraries (pandas, numpy, chardet, openpyxl) and reads local files; no unrelated credentials, binaries, or services are requested.
ℹ Instruction Scope
Runtime instructions and code are limited to identifying/reading files from a user-specified data directory, cleaning data, computing metrics, and writing reports. SKILL.md and the code use environment variables like TOUFANG_DATE_RANGE, TOUFANG_DATA_DIR and TOUFANG_OUTPUT_DIR. Note: some helper/test scripts (simple_run.py, test_simple.py) contain hard-coded paths (e.g. /Users/zhouhao/Documents/投放数据 and writing to ~/Desktop) — these are local defaults and not external exfiltration, but users should be aware they will read/write those locations if not overridden.
ℹ Install Mechanism
No install spec in registry (instruction-only from platform perspective), but the package includes a requirements.txt and the README instructs 'pip install -r requirements.txt'. Installing dependencies from PyPI is normal but introduces the usual supply-chain considerations for pip packages; no remote downloads/archives or unknown URLs are used by the skill itself.
✓ Credentials
The skill requests no secrets or credentials. Environment variables used are for date range, data directory, metrics, output dir/format — all proportional to a data-processing tool. There are no requests for unrelated service tokens or system config paths.
✓ Persistence & Privilege
Skill does not request permanent/always inclusion (always:false). It does not modify other skills or system-wide configuration. It reads/writes only user-specified local paths.
如何使用
  1. 确保已安装 OpenClaw（本地或 Docker 部署）
  2. 在对话框中输入安装命令：/install jiangfeng
  3. 安装完成后，直接呼叫该 Skill 的名称或使用 /jiangfeng 触发
  4. 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v1.0.1
ClawHub 适配及主程序重构： - 新增 ClawHub 适配支持，通过 TOUFANG_DATE_RANGE 环境变量配置输入。 - 增加 clawhub_main.py 等主控入口文件，支持 ClawHub 调用。 - 增加更多示例与快速运行脚本，包括 simple_run.py 和 usage_example.py。 - 保持原有分析逻辑与功能完整，优化说明文档，明确 ClawHub 使用方法。 - 完善文件结构与模块分工，新增测试、配置相关文件。
v1.0.0
- 首个版本发布，基于《数据分析基础概念和逻辑v3.md》开发 - 自动识别“超级直播”、“淘宝直播”和“财务”三类数据文件 - 支持投放、直播、财务多维数据统计分析，内置关键指标自动计算 - 实现跨报表数据关联分析和ROI、成本等指标优化建议输出 - 自动生成功能丰富的HTML汇总报表及数据质量检查报告 - 兼容多种文件编码，具备数据异常和缺失智能处理能力
元数据
Slug jiangfeng
版本 1.0.1
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 2
常见问题

淘宝投放数据分析 是什么？

基于淘宝直播、超级直播和财务数据，实现自动识别、编码处理、关键指标计算及跨报表多维投放数据分析与优化建议生成。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 169 次。

如何安装 淘宝投放数据分析？

在 OpenClaw 或 Claude Code 对话框中运行命令「/install jiangfeng」即可一键安装，无需额外配置。

淘宝投放数据分析 是免费的吗？

是的，淘宝投放数据分析 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。

淘宝投放数据分析 支持哪些平台？

淘宝投放数据分析 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。

谁开发了 淘宝投放数据分析？

由 18262202398-star（@18262202398-star）开发并维护，当前版本 v1.0.1。

推荐 Skills
self-improving agent
Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Clau...
⬇ 463283 · by pskoett
Skill Vetter
Security-first skill vetting for AI agents. Use before installing any skill from ClawdHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
⬇ 259410 · by spclaudehome
Polymarket
Query Polymarket prediction markets. Check odds, find trending markets, search events, track price movements.
⬇ 232503 · by joelchance
Self-Improving + Proactive Agent
Self-reflection + Self-criticism + Self-learning + Self-organizing memory. Agent evaluates its own work, catches mistakes, and improves permanently. Use when...
⬇ 200423 · by ivangdavila
Github
Interact with GitHub using the `gh` CLI. Use `gh issue`, `gh pr`, `gh run`, and `gh api` for issues, PRs, CI runs, and advanced queries.
⬇ 191113 · by steipete
ontology
Typed knowledge graph for structured agent memory and composable skills. Use when creating/querying entities (Person, Project, Task, Event, Document), linkin...
⬇ 190156 · by oswalpalash

💬 留言讨论