这个 Skill 能做什么，适合哪些场景？
这是一个面向有机社交媒体的周度测量技能，负责统一指标口径、复盘内容表现并把学习结果写回下一周期。它锁定每个互动率的分母，按中位数汇总单帖表现，并区分自然流量与付费放大。技能也支持在自有社区中读取社区健康指标，并可按需提供标注为估算值的EMV高管翻译。它不负责美元ROI、暗社交归因、声量份额或ECHO质量门禁判定。
读取各平台用户导出的原生分析数据、GA4/GSC导出、公开无密钥连接器数据、活动频道状态和历史读报；建立或加载按频道锁定的指标字典，明确ERR、ERI和按粉丝计算的互动率分母；以中位数汇总每帖表现并拆分自然与付费放大内容；比较期间变化和基线，列出各频道最佳/最差内容及带有“估算”标签的假设；按需计算仅供高管沟通的EMV；在自有社区模式下输出排除员工后的Orbit式分布、首次响应时间和版主单点风险；生成keep/stop/try回写清单和交接摘要，并将读报写入指定记忆路径。
- 社媒负责人需要复盘一周Instagram、小红书或其他频道表现，并明确下一周期保留、停止和尝试什么。
- 分析团队发现不同频道的互动率分母不一致，需要建立并锁定可跨期比较的指标字典。
- 品牌同时拥有自然内容和付费放大内容，需要避免放大数据污染自然社媒趋势线。
- 社区运营者希望用Discourse数据查看成员分布、首次响应时间和版主冗余度，同时排除员工互动。
- 管理层要求把社媒表现翻译为EMV，但团队需要明确该数值只作估算型沟通，不进入评分或决策趋势。
如何安装这个 Skill？
- 使用前确认各平台导出字段、时间口径和分母锁定记录确实可获得；否则结果应保持NEEDS_INPUT，不要用记忆或仪表板概览补值。
- 社区健康、EMV和代理数据的外部方法来源在本技能中未给出可核验引文，需人工复核并保持Estimated或proxy标签。
- 写入memory的结果缺少本技能内明确的回滚/清理流程，保存前应确认数据中不含不必要的个人或敏感信息。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python standard library
安装整个仓库可使用Claude Code命令：/plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后执行/plugin install aaron-marketing@aaron；其他兼容Agent Skills的主机可运行：npx skills add aaron-he-zhu/aaron-marketing-skills；也可直接执行git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。源材料未单独说明该技能在各主机中的独立安装目录。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/social/observe/social-measurement-loop" ~/.claude/skills/
rm -rf "$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？
安装后，把下面任意一句发给 Agent 即可触发：
- Run the weekly social readout for the week of 2026-06-29 — here are the Instagram and 小红书 analytics exports plus GA4.
- Build our metric dictionary: which denominator does each engagement rate use per channel, and lock it for future periods.
向兼容主机提供周期、频道和导出数据，例如：“Run the weekly social readout for the week of 2026-06-29 — here are the Instagram and 小红书 analytics exports plus GA4.” 也可以请求：“Build our metric dictionary: which denominator does each engagement rate use per channel, and lock it for future periods.” 若没有所需导出，技能应报告NEEDS_INPUT并指出具体需要补充的导出。
这个 Skill 有哪些优点和局限？
- 明确锁定互动率分母，避免跨期静默更换口径。
- 使用每帖中位数汇总，并始终分离自然与付费放大表现。
- 明确区分Measured、User-provided、Estimated和proxy数据标签。
- 支持把最佳/最差内容学习结果写回下一社媒周期。
- 可在自有社区模式下排除员工互动，读取社区健康指标。
- 依赖用户导出的封闭平台数据；技能不提供这些平台的无密钥自动读取。
- EMV仅是标注为Estimated的高管翻译，不能进入任何评分、趋势或决策。
- 不计算美元ROI，不负责暗社交归因、声量份额或ECHO门禁 verdict。
- 源材料未提供该单项技能的独立测试套件或平台覆盖验证。
- 保存结果需要用户确认，且部分记忆提升操作需先征得同意。
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 |
|---|---|---|---|---|
| 社媒度量闭环 本页 | 56 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 平台规范档案 | 60 · 推荐 | ★ 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 |
| 渠道组合规划器 | 57 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 社区参与预热计划 | 57 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
与paid-measurement-loop相比，本技能面向无偿社交频道，重点是自然/付费放大拆分、分母锁定和社媒写回；与social-quality-auditor相比，本技能提供测量读报但不计算ECHO结果或执行门禁判定。
FollowSkills 如何评估这个 Skill？
技能明确限制为用户导出的分析数据和公开无密钥来源，将导入内容视为不可信数据，禁止抓取封闭平台，并要求保存、记忆提升和注册表提案经过确认或授权；但未在本技能内完整说明敏感数据最小化、回滚和存储清理方案，因此扣7分。
指令、范围边界、NEEDS_INPUT条件、来源标签和异常输入处理较一致；但连接器可用性、关键路径复现和针对本技能的测试证据不足，静态审查不支持超过10分，因此扣12分。
触发条件、Quick Start、输入输出、非适用范围和中英文/中文平台示例较清楚；但不同主流平台导出格式、缺失数据边界及中国大陆网络可达性没有充分说明，且部分核心连接器依赖环境，扣5分。
具备结构化frontmatter、版本、Apache-2.0许可证、共享契约、引用材料、保存模板指引和后续技能；但维护责任、变更日志、安装后的依赖排查和本技能示例输出不够明确，扣5分。
预期产物具体，包括指标字典、中位数汇总、最佳/最差表现、社区健康读out和keep/stop/try回写，且边界清晰；但没有本技能实际产出样例或执行验证，直接可用性仍需人工整理，静态上限为7分，扣1分。
技能要求标注Measured/User-provided/Estimated/Calculated并提及CHAOSS、Orbit和公式来源，具备一定追溯性；但未提供本技能专属的第三方证据、可复现实例或覆盖关键路径的测试，静态上限为5分，扣1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 →