这个 Skill 能做什么，适合哪些场景？
该技能用于测量或预测达人营销活动的投资回报，并帮助团队论证预算价值。它可基于用户提供的投入、触达、互动、点击、转化和收入数据，计算直接 ROI/ROAS、媒体价值、成本效率、归因收入和 LTV 回报。结果包含方法、公式、比较目标、盈利判断和 1–3 条建议。它还可整理 STAR 框架中的 Return（R）证据，但不会运行评分器或生成综合 SQS。
读取活动投入明细、结果数据，以及可选的客单价、复购率、LTV 和历史绩效输出；计算直接 ROI/ROAS、EMV、CPM、CPR、CPE、CPV、CPC、CPA、CAC、归因模型收入、LTV ROI 和分达人/分层级回报；要求成本效率指标仅与声明且有来源日期的目标比较；标注数据为 Measured、User-provided、Calculated 或 Estimated；输出包含公式、回报方法、比较目标、盈利/持平/亏损判断和建议的总结。经单独授权后，可写入指定 memory 路径。
- 营销负责人拥有达人活动的花费和收入数据，需要判断活动是否盈利。
- 投放团队要比较不同达人或宏观、中腰部、纳米达人层级的投入效率。
- 财务或管理层要求用直接收入、EMV 和 LTV 方法解释活动价值。
- 增长团队需要比较首次触点、末次触点、线性、时间衰减和位置归因结果。
- 付费广告团队需要复用同一套 ROAS、CPA 和回报计算逻辑。
如何安装这个 Skill？
- 所有计算均依赖用户提供数据；缺少经过验证的转化、增量基线、兼容基准或LTV参数时，不应将结果视为因果归因或扩张决策依据。
- 归因模型、EMV和LTV预测属于方法性估计，需核对成本范围、币种、观察窗口、重复购买假设和分母是否有效。
- 本技能会写入 memory 路径，但实际权限、忽略规则、恢复和隐私保护依赖共享运行时；使用前应确认宿主实现这些约束。
- 核心模板主要为英文，中文用户可能需要人工翻译或改写输出。
- 本地文件系统
安装整个仓库：Claude Code 使用 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后运行 /plugin install aaron-marketing@aaron；兼容 Agent Skills 的主机可运行 npx skills add aaron-he-zhu/aaron-marketing-skills；也可以执行 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。源材料未提供该技能单独安装命令的具体示例。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/influencer/report/roi-calculator" ~/.claude/skills/
rm -rf "$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？
将技能放在仓库的 influencer/report/roi-calculator/SKILL.md 路径下，并提交包含活动投入与结果的数据。例如：Calculate ROI for our influencer campaign: $25K spend, $72K revenue, 2.1M reach。也可以请求比较 direct revenue、EMV 和 LTV-based 方法。默认可手工提供数据，无需实时连接器。
这个 Skill 有哪些优点和局限？
- 支持多种回报口径，包括 ROI、ROAS、EMV、归因收入和 LTV ROI。
- 展示输入与公式，并要求声明来源日期和比较目标。
- 可按达人和达人层级拆分回报，并输出管理层可读的总结。
- 无实时集成时也能仅凭手工数据运行。
- 不会生成完整的幻灯片或书面报告；该任务应交给 report-generator。
- 没有来源日期的兼容基准时，只能描述指标，不能判断优于行业目标。
- EMV 被明确视为方向性估算，不是绝对价值。
- 未验证的转化会降低 R1、R2、R5 置信度，不能据此声称可归因回报。
- 写入 memory 和提升到 hot-cache 需要单独授权。
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 ROI 核算器 本页 | 60 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| 社媒度量闭环 | 56 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| 达人营销效果分析器 | 49 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| 社媒常青日历 | 59 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| 目标受众画像 | 53 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
它与 performance-analyzer 的关系是：后者提供结果数据，本技能负责回报计算；report-generator 将这些数字包装成完整报告；budget-optimizer 使用达人和层级 ROI 进行后续预算分配。该技能也是 paid-measurement-loop、attribution-reconciler 和 budget-optimizer 复用的回报计算引擎。
FollowSkills 如何评估这个 Skill？
技能明确要求用户提供数据，默认无实时集成，并将持久化和热缓存提升分开置于授权之后；同时声明归因窗口、来源、不确定性及未验证转化的限制。扣分在于未在本技能内完整说明敏感营销数据处理、回滚机制、写入失败恢复和依赖边界，安全保障主要依赖未随本次目标文件提供的共享协议。
步骤、公式、输入输出契约和异常情形（如缺失转化、缺少基准、未验证结果）较清楚，静态可读性尚可。扣分在于归因模型、LTV预测、跨渠道比较和逐影响者计算缺少可复现算法细节、输入校验及诊断性失败反馈；未执行测试，故不超过静态上限10。
触发条件、输入范围、输出内容和不适用的完整报告场景均有声明；Tier 1 手工输入路径也明确，且无需海外服务即可运行。扣分在于中文支持主要体现在元数据和标题，核心模板与输出仍以英文为主，边界条件和语义误触发规则未充分定义。
具备清晰的快速开始、契约、数据源、编号步骤、模板、示例、参考资料、版本号和 Apache-2.0 许可证。扣分在于本技能未提供自身的变更记录、维护责任人、更新流程、安装故障排查或依赖版本策略；部分关键参考文件仅被链接，未在本次材料中展开。
能够从手工提供的数据生成直接ROI/ROAS、EMV、成本效率、归因、LTV、逐影响者分析和摘要，示例输出可直接阅读。扣分在于多项高级结果需要大量用户数据和判断，归因及LTV结果可能仍需人工复核，且没有文件内的真实执行样例证明完整输出稳定可用；静态评估不超过7。
公式、比较口径、来源日期、归因方法和 Measured/User-provided/Calculated/Estimated 标签要求增强了审计性，仓库还提供通用 CI 测试材料。扣分在于所给 CI 测试并未覆盖该技能的关键计算路径，也没有第三方验证或独立复现实例；静态证据最多支持5。
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 →