技能详情（站内镜像，无评论）
许可证：MIT-0
MIT-0 ·免费使用、修改和重新分发。无需归因。
版本：v1.0.1
统计：⭐ 0 · 33 · 0 current installs · 0 all-time installs
⭐ 0
安装量（当前） 0
🛡 VirusTotal ：良性 · OpenClaw ：良性
Package：18262202398-star/jiangfeng
安全扫描（ClawHub）
- VirusTotal ：良性
- OpenClaw ：良性
OpenClaw 评估
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.
目的
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.
说明范围
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.
安装机制
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.
证书
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.
持久
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.
综合结论
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.
安装（复制给龙虾 AI）
将下方整段复制到龙虾中文库对话中，由龙虾按 SKILL.md 完成安装。
请把本段交给龙虾中文库（龙虾 AI）执行：为本机安装 OpenClaw 技能「淘宝投放数据分析」。简介：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。。
请 fetch 以下地址读取 SKILL.md 并按文档完成安装：https://raw.githubusercontent.com/openclaw/skills/refs/heads/main/skills/18262202398-star/jiangfeng/SKILL.md
（来源：yingzhi8.cn 技能库）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：
```bash
# 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
```python
# 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
```python
# 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
```python
# 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
```bash
# 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
```bash
# 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