agentleFS
LittlpinguinLittlpinguin/linkedin-agent-template/skills/bilan-performance/SKILL.md

bilan-performance

Skill2 starsChanged 28 days agoMITView on GitHub

Analyse ce qu'ont donné les posts LinkedIn publiés (impressions, portée, réactions, commentaires, partages, enregistrements) pour ajuster la stratégie de la personne. Compare les résultats à sa recette, classe ce qui a marché par registre, format, accroche, créneau et source de veille, puis propose 3 décisions concrètes pour le mois suivant et, avec son accord, met à jour sa recette, ses créneaux et les axes de sa veille. Données via Zernio (scripts/zernio.py), ou chiffres collés à la main, ou un nouveau relevé Apify. Déclencher quand elle demande "mon bilan", "bilan du mois", "analyse mes posts", "qu'est-ce qui a marché", "mes stats LinkedIn", "comment ajuster ma stratégie", "quels posts ont le mieux marché", ou en exécution planifiée (mode routine).

The file

Files
SKILL.md

bilan-performance : ce que tes posts ont donné, et ce qu'on change

La veille trouve les sujets, my-viral-post écrit, Zernio publie. Ce bilan ferme la boucle : il regarde les vrais résultats et décide de ce qu'on garde, de ce qu'on arrête et de ce qu'on teste. Sans lui, la recette reste figée sur les posts d'avant l'agent.

À lire en premier

  1. profile/recette.md : la recette en vigueur (médiane, registres classés, formats, accroches). C'est la référence à laquelle on compare.
  2. outputs/registry.csv : les posts programmé et publié, leur slug, leur post.md (registre, angle, visuel, source de veille dans l'en-tête), l'id Zernio dans notes.
  3. veille/journal.md : quels angles venaient de la veille.
  4. profile/config.md : Publication, Comptes de publication, Créneaux de publication, Objectifs.
  5. bilans/ : les bilans précédents, pour suivre les décisions déjà prises.

Récupérer les chiffres

Selon Publication dans profile/config.md :

  • zernio : python3 scripts/zernio.py resultats --compte <id> écrit bilans/performances.csv (les posts suivis des 90 derniers jours, avec impressions, portée, réactions, commentaires, partages, enregistrements, envois, taux d'engagement). Sur un profil personnel, seuls les posts publiés via Zernio sont suivis d'office : avant le relevé, importe ceux du registre publiés à la main (python3 scripts/zernio.py importer --compte <id> --url <URL>, chiffres sous 24 h). Ajoute python3 scripts/zernio.py creneaux --compte <id> pour les jours et heures. Si Zernio refuse les statistiques (offre), dis-le et passe à une autre voie.
  • manuelle : demande-lui de coller, pour chaque post du mois, les impressions et les réactions affichées sous le post (LinkedIn les montre à l'auteur). Écris-les dans bilans/performances.csv, mêmes colonnes, cases inconnues vides.
  • Apify, en dépannage : python3 scripts/scrape-linkedin-posts.py --profile <URL> --max 30 donne réactions, commentaires et partages, sans impressions. Payant : annonce le coût et attends son oui.

Garde chaque relevé : copie bilans/performances.csv en bilans/AAAA-MM-JJ-performances.csv. Les chiffres d'un post bougent pendant 1 à 2 semaines : un post de moins de 7 jours se signale comme « trop récent » et ne compte pas dans les conclusions.

Analyser (dans cet ordre)

  1. Relier chaque post à sa fiche : rapproche chaque ligne du relevé d'un slug du registre (URL ou URN dans notes, sinon date et début du texte). Un post publié hors agent reste dans l'analyse, marqué « hors agent ». Pour un post importé (origine = hors Zernio), Zernio indique souvent un format « text » et un texte vide : prends le format et l'accroche dans le registre ou dans le relevé Apify (outputs/onboarding/posts.csv).
  2. La mesure : par défaut, le taux d'engagement et les impressions. Si l'objectif est leads, regarde d'abord les commentaires et les envois ; si autorité, les enregistrements et partages ; si reach, les impressions et la portée.
  3. Contre la recette : médiane du mois contre la médiane de profile/recette.md, et chaque post en multiple de la médiane du mois.
  4. Ce qui a marché, par dimension : registre, format (texte, image, carrousel, vidéo, lien), famille d'accroche, jour et heure, sujet venu de la veille ou de sa matière à elle, longueur. Donne toujours le nombre de posts derrière chaque conclusion : sous 3 posts, c'est une piste, pas une règle.
  5. Le post le plus vu contre le plus engageant : ils diffèrent souvent ; dis ce que chacun apprend.
  6. Les décisions précédentes : si le bilan d'avant demandait un test, dis s'il a marché.

Rien d'inventé : chaque affirmation renvoie à des posts précis du relevé. Si moins de 4 posts ont plus de 7 jours, dis que le bilan est prématuré, montre les chiffres bruts sans conclure, et propose de le refaire dans deux semaines.

Livrer

bilans/AAAA-MM-bilan.md, court :

# Bilan de [mois] ([N] posts, du [JJ] au [JJ])

## En une phrase
[Ce qui a le mieux marché ce mois-ci, chiffre à l'appui.]

## Les chiffres
[Médiane du mois contre médiane de la recette. Le top 3 et le flop 3, avec leur multiple de la médiane et l'URL.]

## Ce qui marche, ce qui ne marche pas
[Par dimension, avec le nombre de posts derrière chaque ligne.]

## 3 décisions pour le mois prochain
1. Garder : …
2. Arrêter ou réduire : …
3. Tester : … (un seul test à la fois, mesurable au prochain bilan)

## Ajustements proposés
- Recette (`profile/recette.md`) : …
- Créneaux (`profile/config.md`) : …
- Veille (`profile/veille.md`) : axes à renforcer ou à écarter …

Montre-lui « En une phrase » et les 3 décisions. Avec son accord seulement, applique les ajustements : ajoute à profile/recette.md une section datée « Recalibrage du AAAA-MM-JJ » (sans effacer l'historique), mets à jour Créneaux de publication, et ajuste les axes de profile/veille.md. Respecte voice/anti-ai-writing-style.md dans tout ce qui est écrit.

Mode routine (exécution planifiée)

Le 1er lundi du mois, sans la personne : relevé, analyse, rapport bilans/AAAA-MM-bilan.md marqué « Bilan automatique » en tête. N'applique aucun ajustement : ils attendent son accord à la session suivante. En routine cloud, commite et pousse bilans/ sur main après un git pull, comme la veille.

Règles

  • Les chiffres viennent du relevé, datés. Pas de moyenne sur 2 posts présentée comme une règle.
  • Un seul test à la fois : sinon on ne sait pas ce qui a joué.
  • Aucune dépense sans accord (relevé Apify, offre Zernio au-delà du gratuit).
  • Pas de jugement sur la personne : on parle des posts, du format, du créneau.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.