导购结构分析

该 Skill 通过 analyze 函数接收门店ID与日期区间，对导购人效分布、业绩集中度、TOP/腰部/尾部结构做分析，并计算各导购对门店业绩变化的贡献度，区分增长型与下滑型导购，按累计贡献度、固定数量或损失阈值生成下钻目标与诊断结论，返回结构化 JSON 结果。

gwyang7

热度 33.17

最近更新 2026-05-11 17:36:54

分类：数据依赖：代码执行应用场景：市场分析 / 报告撰写 / 数据处理

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add retail-clerk-structure-analysis

Metadata

name: retail-clerk-structure-analysis
description: 导购结构分析工具。分析门店导购的表现结构，识别导购波动对门店业绩波动的贡献度。核心能力： 1. 导购表现结构分析（人效分布、帕累托分析） 2. TOP/腰部/尾部导购识别 3. 业绩集中度评估 4. 导购波动归因（各导购对门店业绩变化的贡献度） 5. 增长型vs下滑型导购分类 6. 基于累计贡献度的关键人识别触发条件： - 用户分析导购结构（如"导购团队结构如何"） - 用户需要波动归因（如"业绩下滑是谁导致的"） - 用户识别关键人（如"哪些导购对业绩影响最大"）

导购结构分析 Skill

技能名称

clerk-structure-analysis

功能描述

分析门店导购的表现结构，识别导购波动对门店业绩波动的贡献度，输出下钻分析目标列表。

核心能力

1. 导购表现结构分析

人效分布与帕累托分析
TOP/腰部/尾部导购识别
业绩集中度评估

2. 导购波动归因

各导购对门店业绩变化的贡献度计算
增长型 vs 下滑型导购分类
基于累计贡献度的关键人识别

3. 下钻目标生成

自动识别需要深度分析的导购
支持多种选择标准（累计贡献度/固定数量/损失阈值）
输出完整的导购指标用于下钻

使用方法

import sys
sys.path.insert(0, '~/.openclaw/skills/clerk-structure-analysis')
from analyze import analyze

# 基础用法（默认累计贡献度80%）
result = analyze(
    store_id="416759_1714379448487",
    from_date="2026-03-01",
    to_date="2026-03-25",
    store_name="正义路60号店"
)

# 自定义选择标准
result = analyze(
    store_id="416759_1714379448487",
    from_date="2026-03-01",
    to_date="2026-03-25",
    store_name="正义路60号店",
    selection_mode="cumulative",      # 累计贡献度模式
    cumulative_threshold=0.7          # 阈值70%
)

输入参数

参数	类型	必填	默认值	说明
`store_id`	str	是	-	门店ID
`from_date`	str	是	-	分析开始日期 (YYYY-MM-DD)
`to_date`	str	是	-	分析结束日期 (YYYY-MM-DD)
`store_name`	str	否	""	门店名称（用于输出）
`selection_mode`	str	否	"cumulative"	选择模式: cumulative/top_n/threshold
`cumulative_threshold`	float	否	0.8	累计贡献度阈值 (0-1)
`top_n`	int	否	3	固定取前N名
`min_loss_threshold`	float	否	None	最小损失阈值（元）

选择模式说明

模式	标准	适用场景
`cumulative`	累计贡献度达到阈值	找"关键少数"，帕累托法则
`top_n`	固定取前N名	明确要分析几名导购
`threshold`	超过最小损失阈值	过滤掉小额波动

输出结构

{
  "status": "ok",
  "store_id": "...",
  "store_name": "...",
  "analysis_period": {"from": "...", "to": "..."},
  "structure": {
    "clerk_count": 7,
    "total_sales": 313226,
    "top3_share": 0.609,
    "bottom3_share": 0.252,
    "pareto_ratio": 0.216,
    "efficiency_cv": 0.43,
    "mean_sales": 44747
  },
  "contributions": [...],
  "key_persons": {
    "selection_criteria": {...},
    "total_decline": -253022,
    "total_growth": 45678,
    "growth_clerks": [...],
    "decline_clerks": [...],
    "key_contributors": [...],
    "key_drags": [...],
    "drill_down_targets": [
      {
        "rank": 1,
        "name": "陈二妹",
        "sales_change": -83464,
        "change_pct": -72.3,
        "cumulative_share": 33.0,
        "current_sales": 31922,
        "prev_sales": 115386,
        "current_orders": 50,
        "prev_orders": 146,
        "atv": 638,
        "attach": 1.4
      }
    ]
  },
  "findings": [...],
  "total_change": -207344
}

核心指标解释

结构指标

指标	说明	健康范围
`top3_share`	TOP3导购业绩占比	< 70%
`efficiency_cv`	人效变异系数	< 0.5
`pareto_ratio`	20%导购贡献的业绩占比	-

下钻目标指标

指标	说明
`rank`	下滑排名
`sales_change`	销售额变化（元）
`change_pct`	变化率（%）
`cumulative_share`	累计贡献度（%）
`current_sales`	本期销售额
`prev_sales`	上期销售额
`current_orders`	本期订单数
`prev_orders`	上期订单数
`atv`	客单价
`attach`	连带率

诊断规则

问题	判断条件	严重程度
导购大面积下滑	下滑导购占比 > 50%	🔴 高
头部集中度过高	TOP3占比 > 70%	🟡 中
人效差异过大	变异系数 > 0.5	🟡 中
关键拖累者	累计贡献度前80%的下滑导购	🔴 高

版本

v1.0.0 - 导购表现结构与波动归因分析