shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsAPI key required

oneone-直播选品复盘

私域直播选品复盘全流程：整合商家订单数据、直播间运营数据（订阅/观看/商品点击/用户画像）、 产品表、市场调研报告，交叉分析后生成结构化 HTML 复盘报告。支持全品类商家，品类关键词、 价格带、归因维度均自适应数据分布或可通过参数指定。覆盖销售表现、流量表现、 产品结构、内容效率、用户画像、利润效率、竞品对标、问题与优化八大维度。 触发词：直播复盘、选品复盘、私域直播数据分析、直播报告、直播间复盘。

personAuthor: user_48324e52hubcommunity
downloadDownload package

目的

对一场私域直播进行全维度选品复盘分析，将商家订单、直播间运营数据、产品计划和市场调研四类数据交叉对比，生成一份结构化的 HTML 复盘报告，支撑下一场选品决策。

触发条件

当用户请求以下内容时使用此技能：

  • 做一场直播的选品复盘报告
  • 对某场直播进行数据分析
  • 生成直播复盘 HTML
  • 分析选品效果并给出优化建议
  • 对比直播间数据与订单数据

核心分析框架

报告围绕八个维度展开，具体说明见 references/analysis_dimensions.md：

  1. 销售表现 - GMV、销量、客单价、转化率、退款率
  2. 流量表现 - 观看人数、停留时长、来源分布
  3. 产品结构 - 爆款/滞销排行、品牌对比、价格带、品类占比
  4. 内容效率 - 商品点击 vs 成交转化、讲解效率
  5. 用户画像 - 性别/年龄/地域分布，与选品匹配度
  6. 利润效率 - 毛利率、利润贡献排行、库存消化率
  7. 竞品对标 - 行业趋势对比、缺失品类识别
  8. 问题与优化 - 选品失误归因、下期增减建议

工作流程

第一步：收集用户输入

确认以下信息（缺失项向用户提问）：

  • 直播时间范围 — 用于拉取商家订单数据（格式：yyyy-MM-dd HH:mm:ss）
  • 订单数据来源 — 用户提供以下之一：
    • 订单系统 API 地址及密钥（URL + appSecret），用于直接拉取
    • 已导出的订单文件路径（JSON/CSV/Excel），跳过 API 调用
  • 直播间数据文件路径 — 通常需要以下四类数据文件（文件名可能因直播平台而异，按内容识别）：
    • 订阅相关数据（订阅/取消订阅人数）
    • 观看相关数据（观看人数/次数、人均停留时长、访问来源分布）
    • 商品相关数据（商品点击人数/次数排行）
    • 画像相关数据（性别/年龄/地域分布）
  • 产品表 — 以下来源之一（可选，包含产品清单、成本、定价、品牌、商品类型等）：
    • 飞书/语雀等知识库 wiki 页面 URL
    • 腾讯文档链接
    • 本地文件路径（CSV/Excel/Markdown）
  • 市场调研报告 — 本地 HTML 文件路径（可选，行业趋势和选品对标信息）

第二步：并行拉取所有数据

同时启动四个数据获取任务：

A. 商家订单数据

根据用户提供的数据来源获取订单：

  • 方式一：API 拉取 — 使用用户提供的订单 API URL 和密钥：

    • Method: POST, Content-Type: application/x-www-form-urlencoded
    • Body: startDate=yyyy-MM-dd HH:mm:ss&endDate=yyyy-MM-dd HH:mm:ss
    • API 直接返回 JSON 数组，需包装为 {resultCode, resultMsg, resultContent}

  • 方式二：本地文件 — 直接读取用户提供的订单文件

运行预处理脚本获取订单摘要和按商品/状态聚合：

python3 scripts/preprocess_orders.py --mode summary --limit 0 --input /tmp/orders.json
python3 scripts/preprocess_orders.py --mode aggregate --group-by productName --input /tmp/orders.json
python3 scripts/preprocess_orders.py --mode aggregate --group-by orderStatus --input /tmp/orders.json

关键提取指标：总订单数、总GMV、实付金额、退款金额及单数、每款SKU的销量和实收。

B. 直播间运营数据

使用 openpyxl 读取用户提供的直播间数据文件（xlsx/csv），按内容识别四类数据：

  1. 订阅数据 → 订阅/取消订阅人数
  2. 观看数据 → 观看人数/次数、人均停留时长、访问来源分布
  3. 商品数据 → 商品点击人数/次数排行
  4. 画像数据 → 性别/年龄/地域分布

💡 如文件名不明确，请告知各文件对应哪类数据，agent 将按内容识别。

C. 产品表

如果用户提供知识库 wiki URL（飞书/语雀等），使用对应平台的读取工具获取完整产品表内容。如用户提供腾讯文档链接、本地文件（CSV/Excel/Markdown），直接读取。产品表通常包含：商品名称、品牌/供应商、成本、售价、利润率、商品类型（引流款/福利款/主推款/关联款/形象款）、上架平台等。

D. 市场调研报告

如果用户提供市场调研 HTML 文件，读取其中的行业趋势、热销品类排行、面料趋势、价格带建议等信息作为竞品对标基线。

第三步：交叉分析

将四类数据按以下逻辑交叉对比，核心交叉关系：

| 数据源 A | 数据源 B | 分析目标 | |----------|----------|----------| | 商品点击 Top5 | 订单成交数据 | 点击→成交转化漏斗，识别"高点击低转化"品 | | 产品表成本/利润率 | 订单销量 | 利润贡献排行，识别"高销量低利润"品 | | 用户画像（年龄/性别） | 产品表品类结构 | 选品与人群匹配度，识别品类缺口 | | 市场调研热销品类 | 产品表品类覆盖 | 行业趋势对齐度，识别缺失品类 | | 订单退款数据 | 产品表信息 | 退款归因（品控/尺码/描述/价格） | | 观看停留时长 | 成交时段分布 | 内容效率评估 |

第四步：生成 HTML 报告

将分析结果写入一份完整的 HTML 报告，使用 assets/report_template.html 作为样式基础。

报告结构（9 个板块）：

  1. 整体概览卡片 — 核心 KPI：GMV、实付、订单数、退款率、观看人数、停留时长
  2. 销售表现 · 单品排行 — 销量 TOP5 + 利润贡献 TOP5 表格
  3. 点击→成交转化漏斗 — 点击 TOP5 vs 成交对比，高流量低转化警示
  4. 用户画像 × 选品匹配度 — 年龄层 x 品类需求矩阵
  5. 品牌与品类结构 — 各品牌/品类成交表现，零成交品牌标红
  6. 利润效率分析 — 毛利率排行、退款损失、ROI 估算
  7. 市场对标 — 行业热销品类覆盖度、缺失品类清单
  8. 核心问题诊断 — 按问题类型归因（品类错配/价格断层/品牌分散/高退款/流量结构/主题缺失）
  9. 下期优化方案 — 品类增减建议表 + 话术优化 + 排品节奏建议

第五步：呈现报告

生成完成后使用 present_files 呈现 HTML 报告，并给出 3-5 条最关键发现的文字摘要。

注意事项

  1. 订单日期格式必须为 yyyy-MM-dd HH:mm:ss，不接受其他格式
  2. 订单超过 100 条时，优先使用聚合模式避免超载
  3. 当产品表数据（成本/利润率）缺失时，仅标注已知道信息，不编造
  4. 报告以"可执行建议"为最终导向，不做无效修饰
  5. Excel 文件可能包含多个 sheet，注意遍历所有 sheet
  6. 如果产品表包含多个 sheet（如"非标表头"和"标品表头"），以实际产品数据所在的 sheet 为准
  7. 安全提醒：如果用户在对话中明文发送了 API 密钥（appSecret），必须提醒用户注意密钥安全