agentleFS
wangge-aiwangge-ai/wangge-skills/skills/ecom-market-insight-table/SKILL.md

ecom-market-insight-table

Skill4 starsChanged 39 days agoMITView on GitHub

Use when 用户提供电商商品列表 Excel、CSV 或表格导出,需要判断市场进入机会、类目结构、价格带、标题词根、店铺集中度、卖点同质化和第一步测试动作;公开分享版只分析已提供的表格,不自行抓取平台。

The file

Files
SKILL.md

电商市场洞察表

核心原则

把用户提供的商品列表转成运营可执行的市场判断。先确认字段、样本范围和缺失情况,再谈价格带、竞争密度和机会;不能把一份有限样本写成全市场结论。

能做什么

  • 清洗 Excel、CSV 或结构化表格中的商品、价格、销量、店铺、标题、卖点和排名字段。
  • 统计价格带结构、店铺或品牌集中度、标题词根、卖点饱和度和异常值。
  • 判断拥挤区域、可验证的细分机会、风险和首轮测试动作。
  • 生成结构化 Markdown 数据画像,并可渲染为 HTML 洞察报告。

输入要求

优先提供商品链接、标题、价格、销量或评价量、店铺、平台、采集时间和排序规则。字段不足时,先按 references/input-and-evidence.md 标记“可分析、有限分析、无法分析”,不要补造缺失数据。

准备或脱敏输入表时读取 references/data-preparation.md;根据现有字段选择安全报告深度时读取 references/report-router.md。

确定性工具

先运行 10 秒事实层脚本:

python scripts/profile_market_table.py --input "<商品表.xlsx或csv>" --out-dir "<输出目录>" --category "<品类>" --source-note "<平台、采集时间、关键词和排序口径>"

任务资料中已经给出品类、平台、采集时间、关键词或排序口径时,必须传入 --category 和 --source-note;不要让报告在已有上下文时仍显示“未填写”。

脚本固定生成:

  • market_table_profile.json:兼容的基础统计画像。
  • market_table_profile.md:便于人工检查的统计摘要。
  • market_facts.json:事实层正式契约,包含字段覆盖率、广告和重复项、标题短语、代表样本及稳定的 FACT_* 证据编号。

事实层完成后即可先渲染可核对页面:

python scripts/render_market_html_report.py --profile "<market_table_profile.json>" --facts "<market_facts.json>" --out "<market-facts.html>"

运营决策层必须严格符合 references/market-decision.schema.json,输出为 market_decision.json。每个结论、机会、定位、实验动作、风险和限制都必须引用事实层已经存在的证据编号;不得引用不存在的证据,不得补造表外行业数据。决策生成阶段不得调用工具、文件、命令或浏览器。

完整报告仍由同一个官方渲染器生成:

python scripts/render_market_html_report.py --profile "<market_table_profile.json>" --facts "<market_facts.json>" --decision "<market_decision.json>" --out "<market-insight-report.html>"

当 analysis-report-orchestrator 已完成任务卡、资料审计、模型选择和正式正文时,仍使用同一官方渲染器,并额外传入结构化编排报告:

python scripts/render_market_html_report.py `
  --profile "<market_table_profile.json>" `
  --facts "<market_facts.json>" `
  --decision "<market_decision.json>" `
  --analysis-report "<analysis-report.json>" `
  --markdown-out "<analysis-report.md>" `
  --out "<market-insight-report.html>"

--analysis-report 模式将第一阶段四个固定章节、第二阶段正式报告和既有确定性证据附录合并进同一 HTML;--markdown-out 生成供编排器结构校验的 Markdown。不要把 Markdown 或 HTML 作为第二套手工事实源。

HTML 由确定性脚本完整生成。不要手工修改生成后的 HTML;需要调整内容时先修正画像输入或参数,再重新渲染,避免重复 patch 产生不一致和额外耗时。

最终 HTML 必须由 scripts/render_market_html_report.py 生成。不得新建替代渲染脚本,也不得用 Python、JavaScript 或其他方式重新实现另一套 HTML。常规报告交付不创建浏览器用户数据目录;如确需截图,完成前必须清理临时目录,成品目录只保留截图,不得残留浏览器用户配置。

本地表格洞察任务只读取用户给定文件,不启动浏览器,也不创建、导入或选择浏览器配置。

本 Skill 不自带 Kimi WebBridge,也不负责登录平台采集。输入表可以来自平台导出、合规插件、内部数据或人工整理,但报告必须写明来源、采集时间和样本量。

工作台统一事实与报告

从工作台分析本地 CSV、JSON 或表格时:

  • 不得由模型手工计算汇总数字;样本数、广告/自然/未知分母、价格带和价格统计只从确定性事实文件读取。
  • 工作台确定性质量门负责检查必填字段、重复样本、无效价格和证据引用,并生成统一 Markdown/HTML;脚本或模型正文中的旧统计不得覆盖。
  • 模型只补充绑定现有证据编号的定性判断,不在备注中写平台总数、中位价或价格带。
  • 公开报告不得出现内部工具名称、调试过程或模型思索过程。

本地表格不要求实时采集的 collection_evidence_manifest.json 或登录预检;只有实时平台采集任务才使用原始页面证据合同。

分析流程

  1. 检查编码、表头、重复行、空值、货币单位、销量口径和时间范围。
  2. 生成字段覆盖率和样本画像,区分展示价、活动价、SKU 价和到手价。
  3. 按 references/analysis-playbook.md 分析价格、店铺、词根和卖点结构。
  4. 将结论分为“表内事实、基于样本的推断、仍需验证”。
  5. 按 references/output-contract.md 输出机会、风险、证据和下一步测试。

只有需要把结果公开成文章、README 或分享包时,才读取 references/share-guidance.md。

不能做什么

  • 不从表格之外推断实时全网销量、市场份额、搜索量或转化率。
  • 不把排序位置直接等同于官方榜单排名。
  • 不混淆标价、券后价、SKU 价和结算价。
  • 样本量或字段不足时,不给出确定性的入场承诺。

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.