零售店员结构分析

SKILL研究检索

原名 retail-clerk-structure-analysis

研究检索 未标注权限 许可证明确 OpenClaw
安装这个技能

retail-clerk-structure-analysis 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

累计安装 2,712 本周 113
GitHub 星标 未标注 仓库 retail-clerk-structure-analysis
下载量 904 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证明确 MIT-0

安装

ClawHub 市场
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
openclaw skills install retail-clerk-structure-analysis

技能档案

研究检索
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方gwyang7仓库 retail-clerk-structure-analysis · 版本 1.0.0
宿主客户端OpenClaw技能可被这些客户端加载
安装方式ClawHub 市场安装包 gwyang7/retail-clerk-structure-analysis
权限级别未标注权限安装前请确认风险范围
许可证MIT-0许可证明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验2026-05-01上游最后核验时间 · 数据更新 未标注
正文体量4.9 KBSKILL.md 原文大小,越大说明说明书写得越细

能做什么

5 项能力
上游给出的能力概览与适用场景
  • 按任务关键词查找相关 Skills
  • 展示可复制的安装命令
  • 保留来源站点、仓库和原始说明,方便继续核验
  • 补充不同宿主或平台的使用分布数据
  • 展示第三方安全扫描或审计结果
OpenClaw 用户查找和安装 Skill 时用户想查找某类 Agent Skill 时需要根据任务场景推荐可安装能力包时需要对比不同来源的安装命令和来源信息时

权限与风险

未标注权限
装之前先读完这段

安装与使用指南

安装步骤

本站只展示命令,不托管安装包,也不自动执行。

怎么用

安装后应在对应宿主中按原始 README 的触发条件使用;当前草稿只做目录说明,具体调用方式由规则抽取,异常条目再复核。

SKILL.md 全文

4.9 KB
模型实际读到的说明书原文,来自技能仓库

导购结构分析 Skill

技能名称

clerk-structure-analysis

功能描述

分析门店导购的表现结构,识别导购波动对门店业绩波动的贡献度,输出下钻分析目标列表。

核心能力

1. 导购表现结构分析

  • 人效分布与帕累托分析
  • TOP/腰部/尾部导购识别
  • 业绩集中度评估

2. 导购波动归因

  • 各导购对门店业绩变化的贡献度计算
  • 增长型 vs 下滑型导购分类
  • 基于累计贡献度的关键人识别

3. 下钻目标生成

  • 自动识别需要深度分析的导购
  • 支持多种选择标准(累计贡献度/固定数量/损失阈值)
  • 输出完整的导购指标用于下钻

使用方法

import sys
sys.path.insert(0, '~/.openclaw/skills/clerk-structure-analysis')
from analyze import analyze

# 基础用法(默认累计贡献度80%)
result = analyze(
    store_id="416759_1714379448487",
    from_date="2026-03-01",
    to_date="2026-03-25",
    store_name="正义路60号店"
)

# 自定义选择标准
result = analyze(
    store_id="416759_1714379448487",
    from_date="2026-03-01",
    to_date="2026-03-25",
    store_name="正义路60号店",
    selection_mode="cumulative",      # 累计贡献度模式
    cumulative_threshold=0.7          # 阈值70%
)

输入参数

参数 类型 必填 默认值 说明
store_id str 是 - 门店ID
from_date str 是 - 分析开始日期 (YYYY-MM-DD)
to_date str 是 - 分析结束日期 (YYYY-MM-DD)
store_name str 否 "" 门店名称(用于输出)
selection_mode str 否 "cumulative" 选择模式: cumulative/top_n/threshold
cumulative_threshold float 否 0.8 累计贡献度阈值 (0-1)
top_n int 否 3 固定取前N名
min_loss_threshold float 否 None 最小损失阈值(元)

选择模式说明

模式 标准 适用场景
cumulative 累计贡献度达到阈值 找"关键少数",帕累托法则
top_n 固定取前N名 明确要分析几名导购
threshold 超过最小损失阈值 过滤掉小额波动

输出结构

{
  "status": "ok",
  "store_id": "...",
  "store_name": "...",
  "analysis_period": {"from": "...", "to": "..."},
  "structure": {
    "clerk_count": 7,
    "total_sales": 313226,
    "top3_share": 0.609,
    "bottom3_share": 0.252,
    "pareto_ratio": 0.216,
    "efficiency_cv": 0.43,
    "mean_sales": 44747
  },
  "contributions": [...],
  "key_persons": {
    "selection_criteria": {...},
    "total_decline": -253022,
    "total_growth": 45678,
    "growth_clerks": [...],
    "decline_clerks": [...],
    "key_contributors": [...],
    "key_drags": [...],
    "drill_down_targets": [
      {
        "rank": 1,
        "name": "陈二妹",
        "sales_change": -83464,
        "change_pct": -72.3,
        "cumulative_share": 33.0,
        "current_sales": 31922,
        "prev_sales": 115386,
        "current_orders": 50,
        "prev_orders": 146,
        "atv": 638,
        "attach": 1.4
      }
    ]
  },
  "findings": [...],
  "total_change": -207344
}

核心指标解释

结构指标

指标 说明 健康范围
top3_share TOP3导购业绩占比 < 70%
efficiency_cv 人效变异系数 < 0.5
pareto_ratio 20%导购贡献的业绩占比 -

下钻目标指标

指标 说明
rank 下滑排名
sales_change 销售额变化(元)
change_pct 变化率(%)
cumulative_share 累计贡献度(%)
current_sales 本期销售额
prev_sales 上期销售额
current_orders 本期订单数
prev_orders 上期订单数
atv 客单价
attach 连带率

诊断规则

问题 判断条件 严重程度
导购大面积下滑 下滑导购占比 > 50% 🔴 高
头部集中度过高 TOP3占比 > 70% 🟡 中
人效差异过大 变异系数 > 0.5 🟡 中
关键拖累者 累计贡献度前80%的下滑导购 🔴 高

版本

v1.0.0 - 导购表现结构与波动归因分析

安全信息

审计结论
未标注不代表已通过审计
安全审计VirusTotal、ClawScan、Static analysis第三方安全审计平台给出的结论

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 2026-05-01。