将用户的数据分析需求转化为结构化的分析计划并与用户确认。用户提出 BI 业务分析、数据探索、统计建模等需要规划的分析任务时使用。简单数据查询、公式明确的定量计算等流程简单、无需规划的任务不使用。
The English summary is being prepared. Showing the original description.
agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026
FreePublished on GitHub
bi-funnel-analysis
转化漏斗分析，构建产品链路转化漏斗、计算每步转化率、识别卡点、对比行业基准。触发条件：当需要分析多段行为的转化情况时触发，如对话涉及“漏斗”、“转化漏斗”、“阶段A-阶段B-阶段C转化情况”等相近词语时触发。
The English summary is being prepared. Showing the original description.
See how to installFiles included (1)
- SKILL.md3.2 KB
SKILL.md (original)
Review the instructions the agent will receive before you install.
bi-funnel-analysis
漏斗分析用于科学衡量用户在关键路径各阶段的转化率与流失情况。它将完整业务流程拆分为连续步骤（如：浏览-点击-下单-支付），直观展示用户从流入到流出的转化情况。
执行流程
Step 1: 关键阶段明确与数据准备
根据转化漏斗分析需求以及提供数据，确定漏斗分析中所需分析的关键阶段，并在数据中定位对应的关键数据列。
整理数据：包含漏斗分析每个阶段可用于转化率计算的关键数据列的 CSV 文件，如，
step_1_user_count,step_2_user_count,step_3_user_count
10000,5000,1000
6000,4000,500
3000,1000,200
1500,100,20
10,2,0
数据不应遗漏任何关键阶段的关键数据。
Step 2: 各个阶段转化率计算
使用 bi-conversion-rate skill 计算相邻阶段的转化率。不遗漏任何阶段的转化率计算。
Step 3: 倒置漏斗状图表绘制（可选）
根据步骤 2 计算得到的各个阶段转化率，绘制用户从流入到流出的倒置漏斗状图表。
Step 4：识别转化卡点
卡点判定规则：
- 绝对阈值法：步骤转化率 < 行业基准的 80%
- 相对落差法：该步骤转化率显著低于其他步骤（低于均值 1 个标准差）
- 流失贡献法：该步骤流失占比 > 30%
当行业基准可获得时优先使用绝对阈值法进行判定，其次，使用相对落差法，最后考虑流失贡献率。
卡点分级：
| 级别 | 判定条件 | 优化优先级 |
|---|---|---|
| 🔴 严重卡点 | 转化率 < 20% 或流失占比 > 40% | 最高 |
| 🟡 中等卡点 | 转化率 20%-50% 或流失占比 20%-40% | 中 |
| 🟢 轻度卡点 | 转化率 50%-70% 或流失占比 10%-20% | 低 |
Step 5：输出漏斗分析结果并给出优化建议
以漏斗分析表的形式统计漏斗分析结果，并针对识别出的卡点，生成优化建议。
输出格式
漏斗分析结论以漏斗分析表+关键发现的形式反馈。
分析表包含关键步骤、原始数据、转化率以及识别卡点等信息，关键发现进行总结分析，如：
| 步骤 | 用户数 | 步骤转化率 | 整体转化率 | 流失率 | 流失占比 | 行业基准 | 相对落差 |
|---|---|---|---|---|---|---|---|
| 首页访问 | 10000 | - | 100% | - | - | - | - |
| 商品详情页 | 6000 | 60% | 60% | 40% | 47% | 65% | -5% |
| 加入购物车 | 3000 | 50% | 30% | 50% | 35% | 65% | -15% 🟡 |
| 提交订单 | 1500 | 50% | 15% | 50% | 18% | 55% | -5% |
| 完成支付 | 1200 | 80% | 12% | 20% | 6% | 85% | -5% |
关键发现：
- 整体转化率 12%，低于行业平均 15%
- 主要卡点在「加入购物车」步骤（转化率 50%，低于行业 15 个百分点）
- 该步骤流失占比 35%，是优化重点
Reviews
No reviews yet. Tell others what you thought.
Comments
No login needed. Share how it worked for you, ask a question, or note where it did not run.
No comments yet. Be the first to write one.
More skills from this repository
通过量化历史数据的自然波动幅度，自适应计算判定阈值。当需要从数据本身确定阈值（如波动阈值、影响度阈值等）、而非使用固定值时调用。仅适用于日/周粒度阈值确定。
The English summary is being prepared. Showing the original description.
agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026
基于阈值检测时间序列中的显著异常波动点。当需要找出指标异常波动日期、识别数据异动时调用。
The English summary is being prepared. Showing the original description.
agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026
计算各维度（组）值对指标变动的贡献度，支持可加型量值指标和加权平均型/率值指标。当需要计算贡献度、解释指标"为什么涨/跌"时调用。
The English summary is being prepared. Showing the original description.
agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026
从运营周报、活动文档、对话输入或文档工具 API 中提取业务事件，与指标异常时间窗口对齐，生成有证据支撑的因果归因假设并排序。当已知指标存在异常波动、需要从外部文档证据中解释"为什么"时调用。
The English summary is being prepared. Showing the original description.
agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026
bi-clustering
Free对用户、产品等业务对象做分群：用波士顿矩阵法做象限分群，或用分层聚类、K-means、DBSCAN 等聚类技术分群。当需要做客群/产品分群、象限策略、画像或密度型子结构发现时调用。触发条件：当对话中出现“分群”、“分类”、“聚类”、“不同类型”、“不同场景”等体现分群分析词语时触发。
The English summary is being prepared. Showing the original description.
agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026