淘宝投放数据分析

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。

Security Scan

The skill is internally consistent: it processes local Taobao/live/financial CSV/XLSX files and produces reports, and it does not request credentials or contact external services.

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.

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.

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.

Assessment

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.

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