这个 Skill 能做什么，适合哪些场景？
该技能用于产品发布后的 D1、W1 或 M1 结构化复盘。它以 UTM 归因的自有分析数据作为实际数据的真值列，将平台自报数据单独作为参考，并标注每个数字的来源类型。技能会针对最大差距执行一次 5-Whys，为每个渠道提出保留、停止或调整决策，并整理 3–5 条下一次发布的行动学习。完成后可通过授权的提案请求提交发布结果快照，但不会直接写入发布注册表记录。
读取预先声明的 KPI 目标、发布上下文、T-0 至 T+30 跟踪数据、自有 UTM 归因分析和单独标注的平台仪表盘数据；建立逐渠道实际值与目标值对照表，标注 Measured、User-provided 或 Estimated；选择最大未达标项执行一条最多五层的 5-Whys 链；为每个渠道生成 keep/kill/change 决策及理由；起草 3–5 条下一次发布的可执行学习；在授权后向 registry-events.py 提交 launches.ndjson 结果快照提案，并提供标准交接摘要。
- 产品发布完成后，增长负责人需要在 W1 对各渠道实际表现与预设 KPI 进行核对。
- 团队发现某个渠道或 KPI 未达标，需要找出一个可改变的主要原因，而不是为每一行数据分别做深度分析。
- 发布复盘会议前，需要根据自有 GA4 或同类 UTM 导出整理渠道保留、停止或调整建议。
- 发布结束后，需要起草下一次发布的 3–5 条可检查学习，并提交结果快照供发布注册表归档。
如何安装这个 Skill？
- 未执行技能；不要将静态文档视为已验证的归因、5-Whys或注册表提交结果。
- 使用前应确认GA4/UTM导出可用、目标确已预注册，并审查所有提议写入的事件内容。
- 注意技能版本18.0.0与安全政策支持版本17.x之间的治理不一致；核实维护和修复覆盖范围。
- 连接器虽声明为可选，但应单独核查产品条款、数据出境和中国大陆网络可达性。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python standard-library connector scripts
该技能随仓库安装。兼容主机可运行：npx skills add aaron-he-zhu/aaron-marketing-skills；也可直接 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。技能文件位于 launch/prove/launch-retro-analyzer/SKILL.md。仓库也提供 Claude Code 插件安装方式：/plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后 /plugin install aaron-marketing@aaron。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/launch/prove/launch-retro-analyzer" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
提供发布产品、复盘窗口、预注册目标和分析导出，例如：Run a W1 retro on our [product] launch. Targets: [D0/W1 KPIs]. Here is the GA4 UTM export and the platform dashboards. 也可以请求：Close out the [product] launch: build the actual-vs-target table, log the learnings, and submit the outcome snapshot to the launch registry。若缺少目标，复盘应标记为 NEEDS_INPUT；保存结果前必须先询问是否写入记忆。
这个 Skill 有哪些优点和局限？
- 明确区分 UTM 归因自有数据与平台自报数据，避免把参考数字当成真值。
- 输出结构固定，包含渠道对照表、单条 5-Whys、逐渠道决策和下一次发布学习。
- 默认 Tier 1，可使用用户粘贴或导出的数据，不要求付费工具或 MCP。
- 对 CSV、报告和评论线程执行不可信输入处理，并限制注册表写入路径。
- 必须有预注册目标或明确标注的重建目标；缺少目标时无法完成完整复盘。
- 技能本身不计算 CPA、ROI 或回本期，不撰写利益相关者报告，也不做指标深挖或实时监测。
- 平台机制解释只能作为带来源的 Estimated 假设，不能直接确认为根因。
- 源材料未提供该单项技能的独立测试结果或具体平台兼容性验证。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 发布复盘分析器 本页 | 59 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| RAMP 发布就绪审计员 | 61 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| 发布定价与套餐规划器 | 61 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| 社区发布执行器 | 56 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| 发布分级规划器 | 63 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
与 launch-monitor 的关系是上游监测与下游复盘：launch-monitor 负责 T-0 至 T+30 跟踪，本技能负责 D1/W1/M1 复盘。ROI、CPA 和回本期应使用 roi-calculator；利益相关者报告应使用 report-generator；指标深挖和异常分析应使用 performance-analyzer。
FollowSkills 如何评估这个 Skill？
技能明确将导出数据视为不可信输入，要求用户确认后持久化，并限制注册表写入为授权 operation: propose；数据流、写入边界、密钥避免存储和外部副作用均有说明。扣分在于仍涉及事件提交和本地记忆写入，技能自身未给出完整回滚方案、权限配置或敏感数据最小化处理细则。
步骤、输入输出和范围边界基本一致，并规定缺少目标时标记 NEEDS_INPUT、异常内容不得作为指令。扣分在于静态材料未复现该技能关键路径，外部引用运行时可用性和失败反馈细节不足；按静态校准不超过10分。
触发条件、D1/W1/M1窗口、输入、输出、排除范围和后续技能均较清楚，中文描述也有覆盖；核心流程可使用用户粘贴数据，未完全依赖海外服务。扣分在于对目标数据格式、无UTM或多渠道冲突等非适用边界说明有限，中文用户环境适配证据不足。
前言、Quick Start、Skill Contract、Data Sources、Instructions、Save Results和Next Best Skill形成较好的分层文档；Apache-2.0、版本号和维护相关安全政策存在。扣分在于该技能的维护责任人、变更记录和更新路径不够明确，且安全政策显示支持17.x而技能版本为18.0.0，存在治理版本不一致。
预期产物具体且直接可用，包括逐渠道实际/目标表、单一5-Whys、keep/kill/change决策、学习项和结果快照。扣分在于文件没有代表性输出或第三方执行证据，实际归因质量、注册表提交成功与否及相对手工流程的收益无法静态验证；按校准不超过7分。
技能引用共享协议、安全政策和连接器说明，仓库还提供架构、审计验证器测试和CI材料，具备一定可审计性。扣分在于这些测试并未覆盖本技能关键路径，没有独立复现结果或多来源执行证据；按静态校准不超过5分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →