这个 Skill 能做什么，适合哪些场景？
Performance Analyzer 用于活动中期或结束后的达人营销复盘。它将核心指标与目标及基准比较，并按平台、创作者和内容进行排名。它还分析互动质量、评论情绪和转化归因，并输出排序后的经验与建议。该技能不负责美元级回报计算，相关工作应交给 roi-calculator。
读取活动名称、日期范围、平台原生分析数据、达人报告或截图、网站与转化数据、销售和优惠码兑换数据，以及可用的目标、基准和创作者历史基线；按步骤评分覆盖面、曝光、互动率、视频观看、点击、优惠码使用、转化和收入；比较平台、创作者、内容格式与主题；分析互动意图、评论情绪和购买信号；按优惠码、UTM、直接或估算方法拆解转化；生成包含评分卡、排名、归因和3至5条学习结论的分析，并将持久事实写入指定记忆位置。
- 营销负责人在达人活动进行到一半时，需要判断哪些平台和创作者值得继续投入。
- 品牌团队结束一场活动后，需要比较多个创作者并找出表现最佳的内容格式。
- 增长团队拥有平台导出数据、GA数据和优惠码兑换数，需要建立转化归因拆解。
- 营销团队希望结合评论情绪和互动意图，判断表面互动是否具有真实质量。
- 负责规划下一轮投放的团队，需要把已验证的创作者、格式和平台表现沉淀为基准。
如何安装这个 Skill？
- 将 GA、销售、评论和截图中的敏感或个人数据脱敏后再提供，并在写入或推广记忆前人工复核。
- 不要把示例中的 ROI、预算迁移或胜者结论当作已验证事实；先确认目标、基准、归因窗口和统计显著性。
- YouTube 连接器需要用户自行提供 YOUTUBE_API_KEY；平台数据和服务可达性、地区限制及数据延迟可能影响结果。
- 注意技能18.0.0与 SECURITY.md 所称当前17.x支持线的不一致。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3 for the optional YouTube connectorYOUTUBE_API_KEY for the optional YouTube connector
可在 Claude Code 中运行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后运行 /plugin install aaron-marketing@aaron。在兼容 Agent Skills 的主机上，可运行 npx skills add aaron-he-zhu/aaron-marketing-skills；仓库也支持直接 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。README提供了单独安装技能的命令格式，但未提供该技能逐平台安装验证的细节。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/influencer/report/performance-analyzer" ~/.claude/skills/
rm -rf "$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？
直接输入 Analyze performance of [campaign name] influencer campaign，或使用 Compare performance of these influencers from [campaign]: @handle1, @handle2, @handle3。准备活动日期、平台分析、达人报告、网站或销售数据，以及目标和基准；缺失数据应向用户询问。YouTube活动可选择使用仓库提供的 python3 "${CLAUDE_PLUGIN_ROOT}/scripts/connectors/youtube.py" videos @creator --limit 20 命令获取视频级指标。
这个 Skill 有哪些优点和局限？
- 覆盖从核心指标评分到平台、创作者、内容、互动质量、情绪和转化归因的完整复盘流程。
- 默认可使用用户粘贴的数据运行，不要求实时集成。
- 明确区分 Measured、User-provided 和 Estimated 数据来源。
- 包含显著性门槛和 Keep-testing 规则，避免在证据不足时直接宣布赢家。
- 输出可供 roi-calculator、report-generator 和 fit-scorer 后续使用的结果。
- 不进行美元级 ROI、成本或回本期计算，需交给 roi-calculator。
- 分析质量取决于用户提供的平台、网站、销售和目标数据的完整性。
- 除可选的 YouTube 连接器外，源材料没有展示具体社交平台的自动数据连接。
- 源材料没有提供该单独技能的独立平台测试结果或完整示例文件。
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 |
|---|---|---|---|---|
| 达人营销效果分析器 本页 | 49 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 红人适配评分器 | 52 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 达人营销 ROI 核算器 | 60 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 目标受众画像 | 53 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 趋势侦察 | 49 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
与 roi-calculator 的边界明确：本技能负责表现评分、排名、归因和学习结论，roi-calculator 负责美元级回报数学。与 report-generator 相比，本技能负责生成分析本身，而 report-generator 用于将分析包装成正式利益相关者报告。
FollowSkills 如何评估这个 Skill？
技能声明 Tier 1、将外部报告和抓取内容作为输入，并将 YouTube 连接器描述为只读；但会读取 GA、销售、评论等可能含敏感数据的信息，且写入并推广记忆事实，没有明确的数据最小化、用户确认、回滚或归因复核要求。因此主要风险可见但授权、隐私处理和恢复边界不完整，扣分。
步骤、输入输出契约、模板和显著性门槛较完整，异常数据原则上会要求用户补充；但静态审阅无法复现关键路径，缺少该技能专属测试和明确的缺失数据、格式错误、归因冲突处理，且“无需实时集成”与可选 YouTube 脚本存在表述张力。因此不超过静态上限10分并扣分。
触发条件、目标用户、输入、输出、非适用范围（不做美元级 ROI）和中文摘要均较明确；但覆盖平台、归因方法和评论情感分析的实际输入边界不够具体，geo-relevance 标为 low，且依赖平台导出或 YouTube API 时的地区可达性未说明。因此场景匹配良好但边界和环境证据不足，扣分。
文档有 frontmatter、版本、Apache-2.0、Quick Start、契约、分步模板、示例、交接和后续技能，结构清晰；但维护责任、变更日志和更新路径未在该技能中明确，仓库 SECURITY.md 的支持版本为17.x而技能为18.0.0，形成治理信号不一致。未验证发布者身份不单独扣分，但治理信息不足导致扣分。
技能覆盖指标、平台、创作者、内容、互动质量、情感、转化归因和学习总结，模板可直接填充，核心任务大体可完成；但示例包含 ROI 和预算迁移建议，可能与“不做 dollar-level return math”的边界混淆，且输出仍依赖用户整理多源数据和人工判断。静态校准下最多7分，因直接可用性和结果正确性未验证而扣分。
提供输入来源标签（Measured/User-provided）、显著性协议、基准引用和结构化模板，具备一定审计线索；但本评估仅读取文件，没有该技能专属 CI、测试覆盖或第三方执行证据，示例数据也不可独立核验。因此仅给有限静态可追溯性分数。
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 →