Token导航 LogoToken导航

Agent Skill · 研究检索

retail-clerk-structure-analysis(零售店员结构分析)

retail-clerk-structure-analysis 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

retail-clerk-structure-analysis 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为权限未标注;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 31,416。

总安装 2,712周安装 113GitHub Stars 公开资料未说明下载 904核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:retail-clerk-structure-analysis(零售店员结构分析)
来源仓库:https://github.com/gwyang7/retail-clerk-structure-analysis
安装命令:
openclaw skills install retail-clerk-structure-analysis
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install retail-clerk-structure-analysis

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

门店导购结构归因分析工具,量化每位导购对业绩波动的贡献度。用于识别关键人物、评估团队健康度与制定人员调配策略。提供帕累托分析、增长型/下滑型分类与累计贡献度排序。需输入完整导购名单与对应周期销售数据方可启动分析流程。注意:新入职导购早期数据不足可能影响模型准确性,建议延长观察期。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install retail-clerk-structure-analysis;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

retail-clerk-structure-analysis 怎么安装?

在终端执行 openclaw skills install retail-clerk-structure-analysis。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

retail-clerk-structure-analysis 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

retail-clerk-structure-analysis 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

retail-clerk-structure-analysis 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

retail-clerk-structure-analysis 用的人多吗?

公开数据是累计安装 2,712 次,近一周安装 113 次,下载 904 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

retail-clerk-structure-analysis 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
retail-clerk-structure-analysis

零售店员结构分析 · 本页

2,712—权限未标注MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
retail-clerk-structure-analysis
description
|

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_idstr是-门店ID
from_datestr是-分析开始日期 (YYYY-MM-DD)
to_datestr是-分析结束日期 (YYYY-MM-DD)
store_namestr否""门店名称(用于输出)
selection_modestr否"cumulative"选择模式: cumulative/top_n/threshold
cumulative_thresholdfloat否0.8累计贡献度阈值 (0-1)
top_nint否3固定取前N名
min_loss_thresholdfloat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_shareTOP3导购业绩占比< 70%
efficiency_cv人效变异系数< 0.5
pareto_ratio20%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

平台分布

OpenClaw

76.71%
按下载量换算693

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills