简诗 AI 营销归因复盘
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_fccf428b/campaign-analytics-review。
技能介绍
要解决的问题
营销复盘里的麻烦通常不是「数据不够」,而是口径不统一:同一单成交,信息流、搜索、邮件、线下活动都声称有功劳;不同的人用不同方式算 ROI,最后桌上摆着三四个数字,谁也说服不了谁。到了决定下季度预算往哪挪的时候,剩下的只有互相对不上的平台后台截图。平台自带的归因模型口径不透明,也很难用同一套逻辑对历史数据做复算。
它的工作方式
技能不接实时数据,而是把营销数据整理成一份 JSON 快照,交给三个 Python CLI 脚本顺序处理,全部只用标准库,没有外部依赖、API 调用或模型推理,同样的输入必然得到同样的输出:
attribution_analyzer.py:实现五种常见归因模型(首次触达、末次触达、线性、时间衰减、位置加权),把一次转化的功劳按规则分摊到各个触点;funnel_analyzer.py:计算相邻阶段的转化率与流失比例,自动定位绝对流失和相对流失最大的瓶颈,并支持分段对比;campaign_roi_calculator.py:输出 ROI、ROAS、CPA、CPL、CAC、CTR、CVR 等指标,再对照行业基准标记表现不佳的活动。
三个脚本都把 JSON 作为位置参数读入,校验很严格:缺少 journeys、funnel.stages 等必填键会直接抛 KeyError,漏斗阶段与数量长度不一致抛 ValueError,金额字段不是数字抛 TypeError。建议先用 python -m json.tool 检查语法再喂给脚本。输出用 --format 控制,text(默认)给人看,json 给流程对接用。
典型流程是:先跑归因找出头部渠道,再把漏斗分析收窄到这些渠道的分群,最后用 ROI 指标验证并决定预算重新分配的顺序。配套参考文档给出了五个归因模型的公式与选用标准、按渠道和行业划分的指标基准,以及分阶段的漏斗优化策略。
适用边界
脚本只做描述性统计,不做显著性检验,p 值需要外部工具;离线分析静态 JSON 快照,没有实时数据连接;数据量大概超过 10 万条旅程之后就不太划算。时间衰减是按可配置半衰期做的指数衰减,不处理周末与季节性;金额统一按单一币种,不支持换算;不做跨设备身份合并,归因基于已提供的旅程数据原样计算。另外这个技能不会自动装依赖、改系统权限、建持久化任务或下载内容,涉及发送、删除、付款等外部写入操作,会先说明目标和影响并等你确认。
使用场景
- 手握全渠道投放数据,需要通过顺序调用归因、漏斗和 ROI 脚本,决定下季度预算该往哪个渠道挪移。
- 市场部导出一份包含多渠道触点的 JSON 用户旅程快照,需要跑五种归因模型看清谁真实贡献了转化。
- 周会前需要算出各活动历史的 ROI、ROAS、CPA,并与行业基准对照,快速揪出表现低效的投放活动。
- 清洗漏斗数据时遇到阶段和流失数组长度不一致的情况,需要靠脚本的强制 ValueError 报错来定位 schema 错误。
适合人员
- 付费媒体经理:需要拉平各平台归因口径,为渠道分配预算提供可复算的数据依据。
- 增长漏斗分析师:需要在离线数据中定位转化漏斗的流失瓶颈,并对比不同渠道的分群表现。
- 营销数据工程师:需要以零依赖的确定性 CLI 处理离线营销 JSON 快照,对接现有数据管道。
- 营销复盘负责人:需要计算各项活动的 ROI/ROAS 并与行业基准对照,找出表现不佳的活动以便削减预算。