メニュー
增长模型分析技能 - 提供全面的增长黑客分析工具，包括裂变策略评估、用户细分、Uplift建模、ROI优化等。支持多种增长场景的机器学习建模和智能决策建议。适用于用户增长、营销优化、产品迭代等增长分析场景。
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
全面的AB测试分析工具，支持实验设计、统计检验、用户分群分析和可视化报告生成。用于分析产品改版、营销活动、功能优化等AB测试结果，提供统计显著性检验和深度洞察。
Perform multi-touch attribution analysis using Markov chains, Shapley values, and custom attribution models. Use when you need to analyze marketing channel effectiveness, calculate conversion attribution, optimize marketing budgets, or understand customer journey paths. Supports channel transition analysis, ROI calculation, and marketing optimization insights with Chinese language support.
Generates production-ready analysis code in Python, R, SQL. Invoke when user wants reusable code for data analysis, ML, or visualization.
Analyze text content using both traditional NLP and LLM-enhanced methods. Extract sentiment, topics, keywords, and insights from various content types including social media posts, articles, reviews, and video content. Use when working with text analysis, sentiment detection, topic modeling, or content optimization.
通用的 6 阶段数据分析助手：数据质量→探索性分析→假设生成→可视化→代码生成→综合报告。提供完整的方法论和模板！
自动化数据探索和可视化工具，提供从数据加载到专业报告生成的完整EDA解决方案。支持多种图表类型、智能数据诊断、建模评估和HTML报告生成。适用于医疗、金融、电商等领域的数据分析项目。
| name | growth-model-analyzer |
| description | 增长模型分析技能 - 提供全面的增长黑客分析工具，包括裂变策略评估、用户细分、Uplift建模、ROI优化等。支持多种增长场景的机器学习建模和智能决策建议。适用于用户增长、营销优化、产品迭代等增长分析场景。 |
| allowed-tools | Read, Write, Bash, Glob, Grep |
增长模型分析技能是一个全面的增长黑客工具包，基于《数据分析咖哥十话》第10话的增长模型理论，提供从基础效果评估到高级机器学习建模的完整增长分析解决方案。
该技能专注于通过数据驱动的方法，帮助企业理解和优化用户增长策略，实现可持续的商业增长。
数据准备
# 加载增长数据
analyzer = GrowthModelAnalyzer()
data = analyzer.load_data('growth_data.csv')
策略效果评估
# 评估裂变策略效果
results = analyzer.analyze_campaign_effectiveness(
data,
campaign_col='裂变类型',
conversion_col='是否转化'
)
用户细分分析
# RFM用户分群
segments = analyzer.rfm_segmentation(
data,
user_col='用户码',
recency_col='R值',
frequency_col='曾助力',
monetary_col='M值'
)
Uplift建模
# 构建增长模型
uplift_model = UpliftModeler()
model_results = uplift_model.build_model(
data,
treatment_col='裂变类型',
outcome_col='是否转化'
)
Qini曲线分析
# 评估模型效果
qini_results = uplift_model.analyze_qini_curve(
test_data,
model_predictions
)
ROI优化
# 营销ROI分析
roi_analyzer = ROIAnalyzer()
optimization_results = roi_analyzer.optimize_budget_allocation(
campaign_data,
budget_constraints
)
当您需要评估不同裂变策略（如助力砍价、拼团狂买）的效果时，使用策略效果评估功能快速识别最优策略。
通过RFM分析和用户画像，深入了解高价值用户的特征，指导精准营销。
使用ROI优化功能，科学分配营销预算，最大化投资回报率。
利用Uplift建模预测用户对不同增长策略的响应，制定个性化增长方案。
# 运行完整增长分析示例
python examples/growth_analysis_example.py
# 快速测试核心功能
python quick_test.py
# 运行Uplift建模示例
python examples/uplift_modeling_example.py
# 生成Qini曲线分析
python examples/qini_curve_example.py
✅ 业界领先的增长建模方法 - 集成最新的增长黑客理论和实践 ✅ 完整的工具链 - 从数据清洗到策略部署的全流程支持 ✅ 机器学习驱动 - 智能化的用户洞察和策略优化 ✅ 商业价值导向 - 专注于ROI和业务增长的实用工具 ✅ 易于使用 - 简洁的API设计和丰富的使用示例 ✅ 可扩展架构 - 支持自定义模型和策略扩展
通过这个技能，您可以构建科学、高效、可衡量的用户增长体系，实现可持续的商业增长。