원클릭으로
lark-fashion-cockpit-private-domain
私域 + 服务体验 — 客户分层、私域来源、今日运营动作、客服体验。当用户说「看客户」「VIP 客户」「私域增长」「客服满意度」「今日运营动作」时使用。属于 lark-fashion-cockpit 销售增长板块。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
메뉴
私域 + 服务体验 — 客户分层、私域来源、今日运营动作、客服体验。当用户说「看客户」「VIP 客户」「私域增长」「客服满意度」「今日运营动作」时使用。属于 lark-fashion-cockpit 销售增长板块。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
女装电商运营驾驶舱 — 给电商品牌主的飞书 CLI 数字化方案。包含 38 大能力(经营/商品/销售/供应链/管理 5 大板块)+ 飞书 CLI 12 个深度集成 + 14 个独家创新(自演进/精准传达/评论迭代/经验沉淀/双级审批/智能反哺/客观贡献度/妙记自动剪辑/货盘梳理/直播话术分析/虚拟试穿/直播日报/库存 GMV 智能匹配/浏览器自动抓数据)。覆盖经营全流程+组织学习闭环+文档协作闭环+多模态视频/试穿+直播自动化抓数据。当用户提到女装/电商运营/搭配推荐/新品下单/任务追踪/手机指挥/AI 自演进/上传下达/根据评论改文档/经验沉淀/员工贡献度/剪个高光视频/会议金句剪辑/货盘梳理/直播话术分析/虚拟试穿/产品上身/今日直播总结/库存 GMV/浏览器自动抓数据/抖音视频号小红书自动化/初始化系统等场景时使用。
用户画像数据库 — 多平台账号 ID 自动去重 + 聚水潭 ERP 拉历史订单 → 推测尺码/身高/体重/腰围/胸围/风格/购买频次 → 消费者画像。是整个 cockpit 的决策底座,所有上新/营销/选品决策都参考这个画像库。当用户说「客户画像」「用户数据库」「身材分布」「尺码占比」「客户来源」时使用。
"新品下单/翻单智能判断 — 给新款一句"该下多少件",AI 综合 4 维信号给建议:历史爆款元素相似度 + 滞销避雷 + 退货风险 + 人为操作历史教训。当用户说「这款下多少件」「下单建议」「翻单几件」「该不该备料」「新品备货量」「DRS-XXXX 该下多少」「新品备货决策」时使用。属于 lark-fashion-cockpit 商品中心板块(第 21 个能力)。"
对标博主每日监控 + 视频脚本一键拆解 — 监控竞品博主(抖音/快手/视频号)最新视频,AI 评分爆款指数;选中爆款一键拆脚本(yt-dlp + faster-whisper + DOUBAO 多模态 5 维度:镜头/台词/视觉/声音/节奏)。当用户说「监控博主」「看竞品博主」「同行发了啥」「拆这条视频」「二创脚本」时使用。
飞书 IM 套娃路由 — 老板手机飞书消息触发 agent 自动跑 skill。借鉴 4/1 直播来新璐分享的 Larkchannel 思路,做女装垂直行业的事件驱动版本。当用户说「在飞书里直接指挥」「手机上派活」「不打开电脑也能跑」时使用。属于 lark-fashion-cockpit 公司经营板块(第 23 个能力,杀手锏 1 的实现)。
跨平台消息发送 — 飞书一句话指令 → AI 理解 → 同时调用飞书 / 企业微信 / 个人微信 API → 多平台分发消息。一处发消息,不再切 3 个工具复制粘贴。当用户说「通知 ZC 工厂」「群发面料商」「发企微给客户」「跨平台广播」时使用。
| name | lark-fashion-cockpit-private-domain |
| version | 1.0.0 |
| description | 私域 + 服务体验 — 客户分层、私域来源、今日运营动作、客服体验。当用户说「看客户」「VIP 客户」「私域增长」「客服满意度」「今日运营动作」时使用。属于 lark-fashion-cockpit 销售增长板块。 |
| metadata | {"requires":{"bins":["lark-cli"]}} |
板块: 🅲 销售增长
调用:base+im+task
多维表依赖:10_客户分层(核心)/11_退货反馈
lark-cli auth login --scope "base:record:read im:message:write task:task:write"
触发语: "看客户" / "客户分层" / "VIP 客户"
lark-cli base +data-query \
--base-token <APP> --table-id tblMTkWGlIlnTcMA \
--json '{
"table_name":"10_客户分层",
"count_all":true,
"group_by":[{"field_name":"层级","mode":"integrated"}]
}'
# 总贡献 GMV
lark-cli base +data-query \
--base-token <APP> --table-id tblMTkWGlIlnTcMA \
--json '{
"table_name":"10_客户分层",
"series":[{"field_name":"总贡献","rollup":"SUM"}],
"group_by":[{"field_name":"层级","mode":"integrated"}]
}'
触发语: "今日运营做什么" / "私域运营动作"
Step 1: AI 基于客户分层 + 销售数据 + 上新波段,推荐今日动作
Step 2: 输出动作列表(每条含:客群/动作/预期效果)
Step 3: 建任务给运营 / 客服
示例输出:
触发语: "客服满意度" / "服务体验"
# 读 11_退货反馈 算退货率 + 主因
lark-cli base +data-query \
--base-token <APP> --table-id tblCwJGr0HTMFtXD \
--json '{
"table_name":"11_退货反馈",
"count_all":true,
"group_by":[{"field_name":"退货原因","mode":"integrated","sort":{"type":"value","order":"desc"}}]
}'
AI 整理 + 给商品/运营/客服提改进建议。
| 表 | 操作 |
|---|---|
10_客户分层 | 读 / 写 |
11_退货反馈 | 读 |
用户:今日运营做什么
agent:
✓ 客户分层扫描完成:钻石 12 / 黄金 89 / 白银 234 / 普通 1450
✓ AI 推荐 3 个动作:
1. [钻石客户 12 人] 早春第一波上新预告 + 早鸟券
预期:复购率 +20%
建议执行:@运营 王五
2. [30 天未复购的黄金客户 18 人] 召回礼券(满 200 减 50)
预期:回流 5-7 单
建议执行:@客服 李四
3. [新粉丝群 30 人] 福利专场直播预告
预期:拉新转化 +15%
建议执行:@主播 张三
是否要批量建任务?(Y/N)
task-collaboration:建运营任务morning-report:晨报展示客户层级数live-streaming:召回客户专场直播