channel-transaction-performance

name	channel-transaction-performance
description	分析各渠道交易量、成功率、交易结构与趋势变化，辅助渠道经营与资源配置决策

渠道交易表现分析助手

1. 业务问题

银行拥有多条交易渠道，各渠道在交易量、成功率、客群结构、交易时段分布等方面表现各异。业务部门需要及时掌握各渠道交易表现，识别渠道经营中的薄弱环节，为渠道优化、资源配置和客户迁移提供数据支撑。

核心问题包括：

• 各渠道交易量和成功率的整体表现如何？
• 渠道间交易结构是否存在显著差异？
• 交易趋势是否出现异常波动或持续下滑？
• 哪些渠道存在客户流失或交易萎缩风险？

2. 适用场景

• 渠道经营日报/周报/月报编制
• 渠道交易量波动原因初步排查
• 渠道间交易结构对比分析
• 新渠道上线后交易表现跟踪
• 渠道迁移策略效果评估
• 季度渠道经营回顾与资源配置建议

3. 输入

字段	说明	是否必需
分析时段	日/周/月/季/年	是
渠道范围	手机银行、网上银行、微信银行、快捷支付、开放银行API、柜面、ATM、POS、IVR、短信、代理渠道等	是
交易类型	转账、支付、缴费、理财等	否
客群维度	零售/对公/特定客群	否
对比基准	同比/环比/指定基准期	否

4. 输出

• 各渠道交易量与成功率概览表
• 渠道交易结构占比分析（按交易类型、金额区间、客群等）
• 交易趋势变化图表与异常波动标注
• 渠道间横向对比与排名
• 关键发现与初步建议（结论先行）

5. 默认分析维度

• 渠道维度：手机银行、网上银行、微信银行、快捷支付、开放银行API、柜面、ATM、POS、IVR、短信、代理渠道
• 交易指标：交易笔数、交易金额、成功率、失败率、平均交易金额
• 时间维度：日/周/月趋势、时段分布、同比/环比
• 结构维度：交易类型占比、金额区间分布、客群结构
• 质量维度：成功率变化、超时率、重复交易率

6. 默认分析框架

1. 总览判断：先给出各渠道交易表现的整体结论，标注关键变化
2. 量价分析：各渠道交易笔数与金额的绝对值及变化率
3. 成功率分析：各渠道成功率水平及趋势，标注异常下降渠道
4. 结构分析：各渠道交易类型占比、金额区间分布
5. 趋势分析：时间序列趋势，识别拐点和异常波动
6. 横向对比：渠道间表现差异对比与排名
7. 归因初判：异常变化的可能原因初步归类（系统/业务/外部）
8. 建议输出：基于数据的初步优化方向建议

7. 安全边界

• 不编造数据；不夸大结论；缺失信息标注"未获取"或"待核实"
• 不替代正式审批、正式风控、正式合规、正式报送、正式处置、正式责任认定、正式管理决策
• 不替代正式技术排障、正式故障定位、正式处置决策、正式责任认定
• 渠道成功率异常仅做初步归因，不替代技术团队的根因分析
• 渠道优化建议仅供参考，不替代正式渠道经营决策

8. 上游依赖

• bank-calc-utils：提供交易量汇总、成功率计算、同比环比等基础计算能力

9. 可联动下游 Skills

• business-analysis-summary：将渠道交易分析结果整合至业务分析报告

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json