AgentSkillsCN

data-analyse

产品管理中的数据分析技能，用于定义关键指标、构建漏斗与用户群组、诊断增长与留存表现、设计实验方案，并将洞察转化为切实可行的产品行动。适用于指标树构建、事件分类体系设计、仪表盘需求分析、SQL风格的数据分析方案，以及决策备忘录的撰写等任务。

SKILL.md
--- frontmatter
name: data-analyse
description: Product management data analysis skill for defining metrics, building funnels/cohorts, diagnosing growth/retention, designing experiments, and translating insights into product actions. Use for tasks like metric trees, event taxonomy, dashboard requirements, SQL-style analysis plans, and decision memos.

data-analyse

Use this skill for PM 视角的数据分析：把问题变成可量化指标与可执行动作。

Outputs (choose what the task needs)

  • •Metric tree / North Star Metric decomposition
  • •Event taxonomy（埋点口径：事件名/属性/触发时机/去重规则）
  • •Analysis plan（要回答的问题、需要哪些数据、SQL/口径）
  • •Funnel / cohort definitions（留存、转化、激活）
  • •Experiment plan（假设、指标、样本量、guardrails）
  • •Insight → action memo（结论、证据、建议、风险）

Workflow

  1. •Clarify the decision
  • •业务问题是什么？要做哪个决策？“做/不做/怎么做”。
  • •时间窗口：今天要结论，还是一周内可迭代？
  1. •Define metrics and guardrails
  • •North Star Metric + supporting metrics.
  • •Guardrails：错误率、退款/投诉、延迟、合规等。
  • •明确口径：分母/分子、去重、时间窗、过滤条件。
  1. •Define data collection (events + properties)
  • •事件命名一致、可组合。
  • •属性尽量有限且可枚举；避免高基数字段（如 user_id 作为属性）。
  • •明确客户端/服务端各自负责哪些事件。
  1. •Choose analysis methods
  • •Funnel：识别掉点（按渠道/人群/版本分群）。
  • •Cohort：留存与复购（D1/D7/D30）。
  • •Segmentation：新老用户、付费/非付费、不同入口。
  • •Causal thinking：区分相关与因果，避免幸存者偏差。
  1. •Recommend actions
  • •针对最大掉点给 1–3 个高性价比改动。
  • •每个改动配：预期影响、实现成本、风险与验证方式。
  1. •Experiment design (if needed)
  • •先写假设：如果 X 改为 Y，会让指标 Z 提升，因为 ...
  • •定义主指标、辅助指标、guardrails。
  • •明确随机化单位（用户/会话/企业）和实验周期。

Templates

埋点条目

  • •Event: event_name
  • •When: 触发时机
  • •Props: key/type/allowed values
  • •Dedup: 去重规则
  • •Owner: client/server

Insight memo

  • •Question:
  • •Data:
  • •Findings:
  • •Interpretation:
  • •Recommendation:
  • •Risks:
  • •Next measurement: