🦀 ClawHub
淘宝投放数据分析
by @18262202398-star
基于淘宝直播、超级直播和财务数据，实现自动识别、编码处理、关键指标计算及跨报表多维投放数据分析与优化建议生成。
TERMINAL
clawhub install jiangfeng📖 About This Skill
投放数据分析技能
技能概述
基于《数据分析基础概念和逻辑v3.md》文档开发的标准化投放数据分析技能，用于处理超级直播、淘宝直播和财务报表数据。适用场景
ClawHub使用
通过环境变量配置：# 设置环境变量
TOUFANG_DATE_RANGE="2026-01-01:2026-01-31"运行技能
python3 clawhub_main.py或者一次性设置
TOUFANG_DATE_RANGE="2026-01-01:2026-01-31" python3 clawhub_main.py
输入要求
输出内容
1. HTML汇总报表（桌面保存） 2. 数据质量检查报告 3. 关键指标计算 4. 优化建议核心功能
1. 数据自动识别
# 自动识别数据文件
def auto_detect_files(data_dir):
"""自动识别三类数据文件"""
super_files = find_files(data_dir, "超级直播")
taobao_files = find_files(data_dir, "淘宝直播")
financial_files = find_files(data_dir, "财务")
return super_files, taobao_files, financial_files
2. 编码自动处理
# 自动检测和处理编码
def auto_detect_encoding(file_path):
"""自动检测文件编码格式"""
# 支持GBK、UTF-8等常见编码
# 自动转换和统一处理
3. 字段映射计算
基于文档中的字段定义和计算公式：超级直播关键计算：
淘宝直播关键计算：
财务报表关键计算：
4. 跨报表关联分析
# 跨报表数据关联
def cross_report_analysis(super_df, taobao_df, financial_df):
"""基于文档的跨报表关联分析"""
# 超级直播去退ROI参考值
roi_adjusted = (super_df['总成交金额'] * (1 - taobao_df['退货率'])) / super_df['花费']
# 推广投入回报率
promotion_roi = (financial_df[['保量佣金','预估结算线下佣金','预估结算机构佣金']].sum() *
(super_df['总成交笔数'] / taobao_df['成交笔数'])) / super_df['花费']
return roi_adjusted, promotion_roi
使用示例
基本使用
# 调用投放数据分析技能
投放数据分析 --date-range "2026-01-01:2026-01-31" --data-dir "/Users/zhouhao/Documents/投放数据"
高级使用
# 包含特定指标计算
投放数据分析 --date-range "2026-01-01:2026-01-31" \
--metrics "ROI,观看成本,订单成本" \
--output-format "html,csv"
文件结构
投放数据分析技能/
├── SKILL.md # 技能说明文档
├── requirements.txt # Python依赖
├── main.py # 主程序
├── data_processor.py # 数据处理模块
├── calculator.py # 指标计算模块
├── reporter.py # 报表生成模块
└── config.py # 配置文件
依赖要求
输出示例
技能执行后会生成： 1.YYYY-MM-DD_投放数据分析报告.html - 完整HTML报表
2. YYYY-MM-DD_数据质量检查.csv - 数据质量报告
3. YYYY-MM-DD_关键指标汇总.csv - 指标计算结果