メニュー
Skill conversacional que separa información objetiva de insight accionable en un dataset. Hace preguntas sobre audiencia, decisión pendiente y dónde mirar ANTES de clasificar.
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
Skill conversacional que genera un dashboard HTML self-contained con Chart.js a partir de un dataset + KPIs. Hace preguntas sobre KPI hero, eje, comparativa y filtros ANTES de generar. Output listo para publicar en Netlify vía /publish-pages (CLI/API).
Skill conversacional que lee un dashboard (URL/screenshot) y devuelve hallazgos + hipótesis + palancas + sí/no experimento. La skill que separa al analista del CMO. Antes de juzgar hace un PASO CERO de auditoría (ley de Twyman), pregunta contexto/baseline/decisión/confianza, JAMÁS juzga un agregado sin segmentarlo, y lee resultados de experimentos con el prior realista (la mayoría fallan · significativo ≠ grande · no vale parar al ver que gana).
Skill conversacional que devuelve north-star metric + árbol de inputs + guardrails. Hace preguntas sobre objetivo, modelo, restricciones y qué datos tienes medidos ANTES de proponer; si el cliente tiene web, la lee (Web Fetch) para el contexto de negocio. Cada input del árbol se ata a una columna/dato real y medible.
Skill conversacional que conecta un dashboard HTML (generado con /dashboard-builder) a un Google Sheet VIVO vía el endpoint gviz CSV — fetch + PapaParse + auto-refresh cada 60 min, sin Make, sin backend, sin copiar datos. Pregunta Sheet, pestañas, mapeo de columnas y targets ANTES de tocar el HTML. USA esta skill siempre que el alumno quiera que su dashboard "lea datos reales", "se actualice solo", "se conecte al Sheet", muestre los leads que llegan de la automation de S3/S4, o cuando el dashboard tenga datos hardcodeados y deban pasar a vivos. En S5 es la skill que convierte el dashboard estático en el dashboard consolidado del curso.
(DEPRECADA · usa /segmentar-clientes) Segmenta clientes con RFM (Recency, Frequency, Monetary) → 8 segmentos canónicos + acción, y el cruce RFM×canal de adquisición del Ángulo 1. Toda esta lógica vive ahora dentro de /segmentar-clientes (rama RFM). Aplica cuando hay data a nivel cliente (Income Report con UserID · Transaction Date · Gross · Campaign/Origin) y solo quieres RFM sin las otras 2 maneras de agrupar.
Skill conversacional que crea UNA landing HTML self-contained de captación con el look & feel REAL de la marca — antes de crear, hace Web Fetch del sitio de la marca (por defecto xuanlanyoga.com) y saca su paleta, tipografía y tono reales. Incluye hero + barra de confianza + secciones de beneficios + un formulario de captura embebido (Google Form en un iframe) + testimonios + cierre, y un banner de "demo educativa ESIC". ANTES de publicar, la previsualiza y pide feedback al alumno (logo real, colores, mejoras de UX). Output = un index.html listo para publicar con /publish-pages. Úsala cuando necesites crear la página de captación de tu funnel en S3. Para publicarla en Netlify usa /publish-pages; para descubrir el recorrido del cliente usa /funnel-finder.
| name | info-vs-insight |
| description | Skill conversacional que separa información objetiva de insight accionable en un dataset. Hace preguntas sobre audiencia, decisión pendiente y dónde mirar ANTES de clasificar. |
"¿Para quién es esto? (CEO no-técnico · Head of Marketing · board)" → Cambia el nivel de detalle y el tipo de hallazgo a destacar
"¿Qué decisión hay sobre la mesa? Si no hay decisión, todo es info por defecto."
"¿Quieres que mire TODO el dataset o me concentro en una dimensión? (canal · segmento · periodo)"
Output:
"¿Profundizo en algún insight? ¿Quiero confianza más alta en alguno? ¿Te paso a /data-story uno?"
Aplicado a hospital-capilar-maestro.xlsx con audiencia "CEO HC" y decisión "presupuesto 2026":
Top 3 insights esperados:
