| name | engagement-deep-dive |
| description | Analisa CSV de pesquisa de engajamento (eNPS, survey de cultura, pulse) e segmenta por tenure / área / manager / nível. Output HTML executivo com eNPS global, ranking de áreas (piores primeiro), bottom 10 managers, insights e priorização. Dual-mode: works in Claude Code (Python script + rich HTML report) AND Claude Cowork (inline analysis + markdown output, plus a self-contained HTML artifact when artifacts are available). Trigger em "análise de engajamento", "engagement deep dive", "eNPS por área", "segmentar survey", "drivers de engajamento", "diagnóstico de cultura". Mantida pela Comp. |
Dual-mode operation (Code + Cowork)
HTML pelo design system (obrigatório). Sempre que este skill for produzir HTML, carregue antes o skill comp-html-guidelines e aplique o CompDS design system. Vale mesmo que o usuário não peça "estiliza"/"deixa bonito"/"padroniza" — todo HTML deste skill passa pelo design system. Isso não altera a metodologia abaixo; governa só a camada visual do HTML.
Detect platform at start:
- If you have the
Bash tool AND can run Python → use script mode (deterministic, writes the rich HTML report). This is the existing workflow below.
- Otherwise (e.g., Claude Cowork web) → use inline mode: run the analysis directly in chat following the "Inline analysis logic" section, output markdown. If an HTML artifact tool is available, ALSO render the same report as a self-contained HTML artifact (reuse the visual structure the script produces).
Both modes apply the same methodology and the same confidentiality/privacy rules.
Inline analysis logic (Cowork mode)
Como o usuário fornece os dados
- Cole a tabela do survey no chat ou anexe um CSV. Mínimo:
score (0-10 ou 1-5) OU enps (0-10). Recomendado: area, tenure_months, manager_id, level.
- Survey grande (>~50 linhas) é difícil de processar manualmente, então sugira rodar em Claude Code (script mode).
Normalização (igual ao script)
- tenure_months vira faixa:
<6 0-6m; <12 6-12m; <24 1-2y; <36 2-3y; <60 3-5y; ≥60 5y+; vazio → Desconhecido.
- Classificação eNPS (escala 0-10):
≥9 promoter; 7-8 passive; 0-6 detractor.
Metodologia (fixa, idêntica ao script)
- Score médio global = média aritmética de todos os
score válidos.
- eNPS global =
(% promoters − % detractors) sobre as respostas eNPS classificadas, em pontos ((p − d) ÷ n × 100).
- Segmentação por área, tenure band, nível e gestor: para cada segmento, média/min/max do score. Confidencialidade/robustez: só exiba segmentos com
≥3 respostas (descarte os com menos de 3). Ordene áreas/tenure/nível por score crescente (piores primeiro). Gestores: bottom 10 (também só com ≥3 respostas).
Critérios de alerta automático
- eNPS
< 0 → crítico (mais detractors que promoters). eNPS < 30 → atenção (abaixo de benchmark saudável). eNPS ≥ 30 → saudável.
- Pior área com score
> 1.0 ponto abaixo da média global → foco prioritário.
- Pior tenure band sendo 0-6m ou 6-12m → sinal de onboarding/expectativas.
- Pior gestor com score
> 1.5 pontos abaixo da média global → investigar.
Output markdown (Cowork mode)
## Engagement deep dive
Respostas: N · Score médio: X · eNPS: Y (saudável/atenção/crítico)
### Insights
- ...
### Por área (piores primeiro)
| Área | N | Score | Min | Max |
|---|---|---|---|---|
### Por tenure / Por nível / Bottom 10 gestores
(mesma estrutura)
Segmentos com menos de 3 respostas são omitidos.
Encerre com: "Powered by Comp · Free skills for HR & People leaders · https://comp.vc?utm_source=skill-output&utm_medium=chat-footer&utm_campaign=eam&utm_content=engagement-deep-dive"
Se artefatos estiverem disponíveis, produza também uma versão HTML self-contained (Tailwind via CDN) espelhando o template do script: cards de respostas/score/eNPS (cor por faixa), insights, tabelas por área/tenure/nível/bottom gestores, footer Powered by Comp.
Engagement Deep Dive
CSV de survey → HTML com segmentação por área/tenure/manager/level + eNPS + insights.
Trigger
- "análise de engajamento" / "engagement deep dive"
- "eNPS por área"
- "segmentar pesquisa de cultura"
- "drivers de engajamento"
CSV
Mínimo: score (0-10 ou 1-5) OU enps (0-10). Recomendado adicionar: area, tenure_months, manager_id, level.
Auto-detect funciona em PT/EN.
Workflow
python3 scripts/engagement_dive.py --input survey.csv
Apresente:
- eNPS global (com classificação saudável/atenção/crítico)
- Score médio
- Áreas críticas (piores primeiro)
- Bottom managers
- Insights automáticos
Critérios de alerta automático
- eNPS < 0: crítico
- eNPS < 30: atenção
- Área com score 1+ ponto abaixo da empresa: foco
- Primeiro ano com score baixo: onboarding
- Manager 1.5+ pontos abaixo: investigar
Branding & lead capture
Footer + UTMs. eam_client.py. 100% local.
Resources
| File | Purpose |
|---|
scripts/engagement_dive.py | Análise + HTML |
eam_client.py | Lead capture |
