- name
- resource-position-analysis
- slug
- resource-position-analysis
- version
- 1.0.0
- description
- >-
- changelog
- Initial release with funnel decomposition, multi-period comparison, and multi-position analysis.
- metadata
- {"clawdbot":{"emoji":"📊","requires":{"bins":["python3"]},"os":["linux","darwin"],"configPaths":[]}}
资源位转化数据波动分析
对前端资源位（banner、卡片、弹窗等）的曝光→点击→业务转化漏斗进行波动归因分析，定位数据波动的主要驱动因素，输出结构化分析报告。
前置条件
- Python 3.8+
- 依赖会由脚本自动检测，缺失时提示安装命令
定位脚本路径
重要：分析脚本位于本 SKILL.md 同级目录的 scripts/analyze.py。
运行前先确定本 SKILL.md 的绝对路径，然后拼出脚本路径：
# 假设 SKILL.md 位于 /path/to/skills/resource-position-analysis/SKILL.md
# 则脚本路径为:
SCRIPT="/path/to/skills/resource-position-analysis/scripts/analyze.py"
python3 "$SCRIPT" <excel_file> --mode <mode> [options]常见安装位置：
- ClawHub 安装:
./skills/resource-position-analysis/scripts/analyze.py - 个人技能:
~/.cursor/skills/resource-position-analysis/scripts/analyze.py
数据格式
用户需提供 Excel 文件，包含以下字段（支持中英文列名）：
| 必需字段 | 中文别名 | 说明 |
|---|---|---|
| date | 日期 | 日期列 |
| resource_position | 资源位/资源位名称/位置 | 资源位标识 |
| exposure_uv | 曝光UV/曝光人数 | 曝光独立用户数 |
| click_uv | 点击UV/点击人数 | 点击独立用户数 |
| conversion_count | 转化量/业务转化量/转化数 | 业务转化绝对量 |
可选字段：exposure_pv, click_pv, channel, segment
分析流程
Step 1: 确认数据和对比周期
支持三种对比模式：
| 模式 | 参数 | 说明 |
|---|---|---|
| 日环比 | --mode dod --date YYYY-MM-DD | 指定日期 vs 前一天 |
| 周同比 | --mode wow --date YYYY-MM-DD | 指定日期 vs 上周同天 |
| 自定义 | --mode custom --base-start ... --base-end ... --compare-start ... --compare-end ... | 任意两段时间 |
Step 2: 运行分析
# 日环比
python3 "$SCRIPT" data.xlsx --mode dod --date 2026-03-25
# 周同比
python3 "$SCRIPT" data.xlsx --mode wow --date 2026-03-25
# 自定义区间
python3 "$SCRIPT" data.xlsx --mode custom \
--base-start 2026-03-18 --base-end 2026-03-24 \
--compare-start 2026-03-11 --compare-end 2026-03-17
# 指定资源位
python3 "$SCRIPT" data.xlsx --mode dod --date 2026-03-25 --position "头部banner,福利卡片"
# 输出到文件
python3 "$SCRIPT" data.xlsx --mode dod --date 2026-03-25 --output report.mdStep 3: 解读报告
脚本输出 Markdown 报告包含：
- 数据概览 — 本期/上期核心指标对比表
- 波动归因 — 各因素（曝光/CTR/CVR）贡献量和占比
- 多资源位对比 — 各资源位波动方向和主因横向对比
- 关键发现 — 自动识别的重要信号
- 后续建议 — 基于波动因素的针对性运营建议
核心方法论：连环替代法
漏斗公式：业务转化量 = 曝光UV × CTR × CVR
曝光贡献 = (Exp₁ - Exp₀) × CTR₀ × CVR₀
CTR贡献 = Exp₁ × (CTR₁ - CTR₀) × CVR₀
CVR贡献 = Exp₁ × CTR₁ × (CVR₁ - CVR₀)
贡献占比 = 贡献量 / 总变化量 × 100%建议映射规则
| 主因 | 方向 | 建议 |
|---|---|---|
| 曝光UV | 下降 | 排查流量分配策略、资源位可见性、页面改版影响 |
| 曝光UV | 上升 | 关注新增流量质量，观察CTR/CVR是否同步变化 |
| CTR | 下降 | 检查素材创意、位置变化、用户疲劳度，建议AB测试 |
| CTR | 上升 | 沉淀有效素材策略，评估可复用性 |
| CVR | 下降 | 排查落地页体验、业务流程卡点、人群偏移 |
| CVR | 上升 | 分析转化提升原因，评估可规模化性 |
注意事项
- 总变化量接近0（|ΔConversion| < 1）时脚本提示"波动极小，无需归因"
- 连环替代法固定使用「曝光→CTR→CVR」替代顺序
- 数据缺失值会被自动跳过
- 报告模板参见 report-template.md