菜单
Mira tus métricas y te dice las tres cosas que han cambiado, con una hipótesis de causa y qué comprobar para cada una. Informe repetible cada lunes, sin montar ningún dashboard.
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/iamasters-academy/marketing-agentico --skill analista-lunes命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
Ataca tu propuesta de valor antes que el mercado: por qué no te creen, con qué te comparan, qué les frena y la pregunta incómoda. Cada objeción con veredicto: verdad o comunicación.
Construye un cliente con el que puedes hablar, hecho de reseñas y conversaciones reales, y detecta cuándo esa persona sintética te está diciendo lo que quieres oír.
Monta el circuito de captación entero —landing, formulario, hoja de destino y email de bienvenida— con herramientas gratuitas, sin programar ni terminal. Para captación y conversión de leads.
| name | analista-lunes |
| description | Mira tus métricas y te dice las tres cosas que han cambiado, con una hipótesis de causa y qué comprobar para cada una. Informe repetible cada lunes, sin montar ningún dashboard. |
Un dashboard te enseña cuarenta métricas a la vez y te deja a ti el trabajo de ver qué se ha movido. Es bonito el primer día, y a los tres meses no lo abre nadie.
Esto hace otra cosa. Mira los mismos datos y te devuelve tres cambios reales, cada uno con una hipótesis de por qué ha pasado y qué comprobar mañana para saber si esa hipótesis se sostiene. No dibuja gráficos: hace de analista.
Y como tarda lo mismo cada semana, se puede repetir cada lunes. Ahí está el truco: a partir del segundo lunes, el informe empieza revisando si las hipótesis del lunes anterior se cumplieron. Eso es lo que separa un analista de un generador de informes.
Disparadores: "/analista-lunes", "analiza mis métricas", "qué ha cambiado esta semana", "revisa mis datos", "informe semanal de analítica", "por qué han bajado las ventas/visitas", "mira mi Google Analytics", "tengo un CSV de métricas", "análisis de embudo", "mi informe del lunes".
Busca el perfil de marca. En Claude Code, el fichero perfil-marca.md. En Claude.ai,
las instrucciones del proyecto. Sirve para saber qué es una conversión en este negocio y
qué canales le importan. Si no hay perfil, se puede trabajar igual: pregunta esas dos
cosas a mano y sigue.
Pregunta de dónde salen los datos antes de nada. Tres opciones, y todas valen:
"¿Trabajamos con la cuenta demo de Google Analytics —una tienda real de Google, con los datos ofuscados por ellos, pública y gratis—, con tu propio Analytics, o con un CSV (un archivo de tabla, tipo hoja de cálculo) que ya tengas de Meta Ads, Shopify o tu CRM?"
El detalle de cada vía está más abajo, en De dónde salen los datos de verdad.
Nunca pidas contraseñas, claves de API ni accesos. No hacen falta para nada de esto. Si el usuario te los ofrece, recházalos y explícalo.
Comprueba que los periodos son comparables antes de analizar nada. Este paso se salta mucho y se carga el informe entero: ver la tabla del paso 1 del método.
Quién hace el trabajo: el análisis lo haces tú. Al usuario solo le pides los datos, y se los pides una vez, diciéndole exactamente qué necesitas.
Un cambio solo existe contra algo. Antes de mirar ninguna cifra, deja escrito qué comparas con qué, y enséñaselo al usuario.
| Regla | Por qué |
|---|---|
| Semanas completas contra semanas completas (lunes a domingo) | "Últimos 7 días" arrastra el día de hoy a medias y hunde la última cifra sin que haya pasado nada |
| Mismo número de fines de semana y de laborables | Un festivo entre semana puede alterar mucho la comparación, sobre todo en B2B. Cuantifícalo con el histórico de ese negocio antes de buscar otra explicación |
| Si el negocio es estacional, añade el mismo periodo del año pasado | Una tienda en enero contra diciembre siempre cae. Eso no es una anomalía: es enero |
| Deja el periodo escrito en el informe, con fechas | Para que dentro de un mes se sepa qué se comparó |
No mires cincuenta métricas: mira cuatro capas, en este orden, y en cada una el desglose que tengas disponible (canal, campaña, página, dispositivo, país).
El orden importa: si la caída está en la capa 1, no pierdas tiempo buscando explicaciones en la 3. Y al revés — si llega la misma cantidad de gente y convierte menos, el campo se estrecha, pero el dato todavía no señala una causa: puede ser la mezcla de canales, la calidad del tráfico, el dispositivo, la medición, la página, la oferta o el proceso de compra. Reduce el terreno, no cierres el caso.
Las definiciones de cada métrica y los nombres que usa Google Analytics están en
references/senal-o-ruido.md. No inventes métricas que no estén en los datos que te han
dado: si no hay ingresos en la tabla, no hables de ingresos.
Y define en una frase cualquier término técnico la primera vez que lo uses —referral, atribución, umbrales de datos, muestreo, sesión con interacción—. Quien lee esto puede ser alguien de marketing que no ha abierto Analytics en su vida, y un informe que hay que ir traduciendo no se lee.
La mayoría de lo que se mueve no significa nada. Antes de llamar a algo "cambio", pásalo por
estos cuatro filtros. El desarrollo completo, con la aritmética, está en
references/senal-o-ruido.md.
Ordena por lo que mueve el negocio, no por el porcentaje más gordo. Un -40 % en un canal que trae 12 visitas importa menos que un -6 % en el que trae 8.000. Traduce siempre a unidades: sesiones, leads, pedidos, euros.
Tres es una decisión de diseño, no una ley: es el número que mantiene el informe accionable en una semana normal. Si hay más, van en una lista aparte, sin desarrollar.
Cada cambio sale con una causa probable. Pero primero descarta las explicaciones aburridas, porque son las más frecuentes y las menos emocionantes:
Las pistas para distinguir cada una están en references/senal-o-ruido.md. Solo cuando esas
cinco no explican el cambio pasas a la hipótesis interesante: la creatividad, el precio, la
competencia, el producto.
Toda hipótesis lleva dos campos obligatorios:
Una hipótesis sin esos dos campos no es una hipótesis: es una historia bien contada.
Y al escribir "Ya he descartado", separa las dos cosas: lo que has mirado y no explica el cambio (descartado) y lo que no has podido mirar porque no están los datos (no comprobado). Nunca las mezcles.
Al final del informe, guarda las hipótesis en una lista con fecha. El lunes siguiente, empieza por ahí: ¿se confirmó, se descartó, o sigue abierta?
Es la parte que más valor da y la primera que todo el mundo se salta. Un informe suelto es
una foto; la serie de informes es lo que te enseña cómo se comporta tu negocio de verdad. La
plantilla de ese registro está en references/plantilla-informe.md.
Esto no es automático, y hay que decírselo al usuario con todas las letras: no recuerdas conversaciones anteriores. Si el lunes que viene abre un chat nuevo, empiezas de cero. Así que al terminar el informe, dilo:
"Guarda este registro de hipótesis. En Claude.ai, lo más cómodo es tener un Proyecto para esto y dejarlo en sus archivos; si no, guárdalo tú y pégalo al principio del chat el lunes que viene. En Claude Code queda en
analista-lunes-registro.mdy lo leo yo solo. Si no vuelve a llegarme, el lunes que viene no podré cerrar ninguna hipótesis."
Sigue la plantilla completa de references/plantilla-informe.md. En resumen:
# El analista de los lunes · {{negocio}}
_{{periodo}} vs. {{periodo de comparación}} · fuente: {{de dónde salen los datos}} · {{fecha}}_
## Lo que pasó con las hipótesis del lunes pasado
{{solo a partir del segundo informe: confirmada / descartada / sigue abierta}}
## Las tres cosas que han cambiado
### 1. {{titular de una línea, con el número dentro}}
- **El cambio:** de {{X}} a {{Y}} ({{±Z %}}) · {{métrica}} · {{segmento}} · {{periodo}}
- **Cuánto pesa:** {{en pedidos, leads o euros}}
- **Hipótesis:** {{por qué creo que ha pasado}}
- **Qué la tumbaría:** {{qué tendría que ver para descartarla}}
- **Ya he descartado:** {{medición rota / festivo / un solo día / bots / cambio de la herramienta}}
- **No he podido comprobar:** {{lo que no se ha mirado porque no están los datos}}
- **Qué mirar mañana:** {{comprobación concreta y acotada}}
- **Confianza:** alta / media / baja — {{por qué}}
### 2. … ### 3. …
## Lo que se ha movido y NO es noticia
{{cambios descartados y el filtro que no pasaron}}
## Lo que estos datos no pueden decirme
{{qué no está medido, qué falta, qué no se puede saber desde aquí}}
1. Nunca un porcentaje solo. Siempre "de 412 a 383 sesiones (-7 %)", nunca "-7 %". El porcentaje sin el número absoluto es la forma más rápida de que alguien tome una decisión de mil euros por culpa de cuatro clics de diferencia.
2. Entrega los cambios que los datos sostengan, hasta tres. Si la semana ha sido plana, dilo. Con estas palabras:
"Esta semana no ha cambiado nada que merezca tu atención. Lo que más se ha movido es {{X}}, y no pasa el filtro porque {{motivo}}. Te veo el lunes que viene."
Un analista que algunas semanas no tiene nada que contarte te está ahorrando el lunes. Rellenar el cupo con tres cambios inventados es exactamente lo que este método existe para evitar.
Tres comprobaciones, delante del usuario:
(valor nuevo − valor anterior) ÷ valor anterior × 100— para comprobar que además está bien calculado. Si algo no cuadra, para:
un número mal leído contamina todas las hipótesis que cuelgan de él.Lo que este test NO comprueba —dilo, porque es la parte importante—:
Si solo hay tiempo para una, que sea la primera.
Esta skill no trae un dataset inventado, y es a propósito: existe una cuenta pública con datos de un negocio que existe, así que no hace falta fabricar nada. Tres vías, en este orden.
Google mantiene una cuenta de demostración pública y gratuita alimentada por la Google Merchandise Store, su tienda de merchandising (shop.merch.google). Entras con cualquier cuenta de Google, sin pedir permiso a nadie y sin tocar tus propios datos.
Con una precisión que hay que hacer siempre: Google dice literalmente que "los datos de la cuenta de demostración están ofuscados, pero siguen siendo datos típicos de Analytics". Vienen de una tienda real y de su tráfico real, y Google los altera antes de enseñarlos. Sirven para aprender el método a la perfección; no son una ventana a las ventas reales de Google. Di las dos mitades: ni "son inventados" ni "son las cifras reales de Google".
Los pasos exactos, los informes que conviene abrir y cómo sacar los datos de ahí están en
references/cuenta-demo-ga4.md. Léelo antes de guiar al usuario: la cuenta demo tiene dos
límites duros que hay que decirle de entrada — no deja exportar informes y no se puede
conectar por API (una API es la conexión automática entre dos herramientas; sin ella, los
datos se sacan a mano).
Cualquier tabla sirve: una exportación de Google Analytics, de Meta Ads, de Shopify, de Search Console o de su CRM. Se pega en el chat o se sube el fichero.
Pide el material una sola vez y con precisión, así:
"Necesito hasta tres cosas, y con la primera ya empezamos:
- Obligatoria — una tabla con una fila por canal (o campaña, o página), los dos periodos que vamos a comparar y, para cada uno, los números absolutos: sesiones, conversiones e ingresos si los hay. Con 10-20 filas me sobra.
- Si puedes — la misma métrica principal semana a semana en las últimas 6-8 semanas. Es lo que me deja saber si este cambio es grande o es lo de todas las semanas.
- Si puedes — el desglose día a día de las dos semanas comparadas. Es lo que me deja distinguir «ha bajado la semana» de «pasó algo un jueves».
Si tu herramienta deja exportar a CSV, súbelo tal cual; si no, una captura de la tabla también me vale. Con solo la primera trabajo igual, pero los filtros 2 y 3 los marcaré como no comprobados en vez de fingir que los he descartado."
Esta vía es la más fiable de las tres, y conviene decirlo sin complejos: a cambio de exportar o capturar una tabla, los datos son suyos y actuales.
Antes de pegar nada, un aviso que sí importa: que no haya datos personales en la tabla. Nombres, emails o teléfonos de clientes no pintan nada en un análisis de métricas. Si el CSV de su CRM los trae, que borre esas columnas antes.
Google publica un servidor MCP oficial para Analytics —MCP es el estándar que permite a
Claude conectarse a herramientas de fuera— en github.com/googleanalytics/google-analytics-mcp.
Es de solo lectura y deja pedir informes directamente, sin copiar y pegar.
Lo que hay que decir antes de que alguien se meta en el jardín:
gcloud, un proyecto de Google Cloud y activar dos APIs.| Síntoma | Qué hacer |
|---|---|
| La tabla que te pegan no trae números absolutos, solo porcentajes | Párate y pídelos. Con porcentajes solos no se puede aplicar el filtro de volumen, que es medio método |
| Los dos periodos no son comparables (uno tiene 6 días, o incluye hoy) | Dilo, y pide de nuevo el mismo rango. No lo "ajustes" por tu cuenta: eso inventa datos |
| Todo ha caído a la vez y de golpe, el mismo día | Sospecha de la medición antes que del negocio. Míralo día a día y busca el día exacto del corte |
| El usuario solo tiene datos de una semana | No hay comparación posible. Dilo claro y ofrece describir la foto actual, avisando de que eso no es un análisis de cambios |
| La cuenta demo no carga o pide permisos | Es de Google y a veces tarda. Recarga; si sigue, salta a la vía 2 con cualquier CSV del usuario |
| El usuario pide "un dashboard bonito" | Esta skill no lo hace, y díselo en una línea: el panel enseña datos, esto dice qué ha cambiado |
| Solo llega la tabla de dos periodos, sin histórico ni desglose diario | Trabaja igual, pero escribe "no comprobado" en los filtros de variación normal y de un solo día. NO escribas "descartado" |
El usuario escribe /analista-lunes y no pasa nada | En Claude.ai no hay comandos con barra (en Claude Code y Cowork sí). Que lo pida en lenguaje normal: "usa la skill analista-lunes con esta captura". Y que compruebe en Personalizar → Skills que está subida y activada |