技能介绍

要解决的问题

达人投放结束后，最常见的复盘方式是把播放量和点赞数贴进表格排序。这两个数字能说明「有人看了」，但回答不了「相对目标算不算好」「同一预算下哪个平台或哪类内容更值」「转化到底归功于哪位达人」「下次还该不该继续合作」。当投放跨多个平台、十几位创作者、多种内容形式时，手工拼凑这些结论既慢又容易漏掉归因口径。

Performance Analyzer 针对的就是这一步：把活动数据拉到目标与基准线上打分，而不是停在表层指标。

核心能力

技能按固定顺序执行八步，每步对应 references/analysis-templates.md 中的一个填充模板：

核心指标打分：将 reach、impressions、engagements、ER、视频观看、点击、promo 使用、转化与收入逐项对照 target/benchmark，给出绩效判定并点名超/欠表现项。
平台与创作者分析：从 reach/ER/clicks/conversions/CPA 五维比较平台，区分 IG feed/Reels/Stories、TikTok 完播等格式；按 reach/ER/conversions/ROI 排名创作者，深挖头部内容解剖与续约/淘汰建议。
内容与互动质量：归纳 winning hook/messaging/visual patterns；按互动类型与意图拆分，跑评论情绪，提取购买意向信号并给出 /10 质量分。
转化归因：画出漏斗，按 promo code / UTM / direct / estimated 四种口径分别归因，列出 promo-code 表现表。
经验沉淀：产出 top-5 learnings，持久结论（头部创作者、获胜格式、平台 ROI 拆分、名单去留）提升到 memory/hot-cache.md。

输出写入 memory/influencer/performance-analyzer/YYYY-MM-DD-.md。

数据与边界

技能属于 Tier 1，不需要任何实时集成：直接粘贴平台导出、达人报告截图、GA 数字、promo-code 兑换量即可运行，缺失字段会主动询问而不是阻塞。若活动内容在 YouTube 上，可用 scripts/connectors/youtube.py 配合免费 YOUTUBE_API_KEY 拉取真实 per-video views/likes/comments；此时 API 数字标记为 Measured，达人自报数字标记为 User-provided，两者因展示取整和统计时点不同而合理存在差异。

关键注意点：判定某位创作者、某种格式或某个平台为「真正赢家」前，必须先通过 measurement-protocol.md 的显著性门槛——Mann-Whitney U 检验 p < 0.05 且相对对照组提升 ≥ 15%，同时 bootstrap 置信区间不包含零。样本不足时一律标注 Keep-testing。该方法仅给出计算口径，需自行实现，不依赖 scipy。需要结构化分数时按 c3/scoring-architecture.md 的 ACE/ART 维度打分；本技能只产出输入，ROI 汇总与 CVI 计算交给下游 roi-calculator，正式汇报交给 report-generator。