skill-publish-analytics · 发布数据归因
发布数据归因 skill：读取发布日志（publish-log.json），从四个维度归因内容表现——最佳发布时间（星期 × 时段热力图）、标签效果（排名 + 共现矩阵）、内容类型对比（图文/视频/直播/文章）、增长归因（发布事件与 24h/48h/7d 粉丝变化）。
四种模式全部计算由脚本确定性完成（时段分桶、标签聚合、样本量警告、覆盖率），LLM 只做解读。硬规则：不捏造数据、每个桶标注条目数、样本不足警告、"关联性不等于因果性"必须写进报告局限性。
调用示例：在聊天框中说"分析一下这个月什么时间发布效果最好"。
产品详解
定位
skill-publish-analytics 是归因链的消费层：只读发布日志与粉丝快照底座，不新建存储、不回写。它做四维归因，不做跨平台月度组合复盘（那是 skill-social-performance-review）。
核心能力
- 模式 A 最佳发布时间：发布时段与互动数据的关系，输出星期 × 时段热力图与 Top 3 推荐时段（互动综合分 = 阅读×0.1 + 点赞×1.0 + 评论×2.0 + 转发×3.0）。
- 模式 B 标签效果分析：标签使用频次、平均表现、高效/低效标签识别、标签共现矩阵。
- 模式 C 内容类型对比：图文/视频/直播/文章的各项指标对比，平台 × 类型交叉表。
- 模式 D 增长归因：发布事件与发布后 24h/48h/7d 粉丝增量的关联，按粉丝影响力排名。
- 脚本确定性计算：四种模式的全部计算（时段分桶、标签聚合、样本量警告、覆盖率）由
scripts/analyze.py完成，LLM 只解读。 - 数据质量硬规则：不捏造数据；每个分析桶标注条目数；单桶 <5 条标注样本不足；全量 <10 条头部加粗警告；null 指标排除出均值并报告覆盖率。
工作流程
- 检查 Profile 上下文（按 profile 过滤数据、使用其时区）
- 调用
scripts/analyze.py（默认 A+B+C；D 先导出粉丝日志） - 把脚本输出的 JSON 转成 Markdown 表格
- 关键发现（3 条）→ 方法论 → 局限性（必须含"关联性不等于因果性"）
- 输出结构化归因报告
输入与输出
| 输入 | 说明 |
|---|---|
| 分析模式 | A/B/C/D，可组合；未指定默认 A+B+C |
| publish-log.json | 数据底座，由 skill-publish-log 维护 |
| follower-log.json | 模式 D 需要，由 skill-data-tracker 快照底座导出 |
输出：结构化归因报告（数据摘要、分析表格、关键发现、方法论、局限性）。
与相邻 skill 的区别
| skill | 分工 |
|---|---|
| skill-publish-analytics（本） | 从发布日志做时间/标签/类型/增长四维归因 |
| skill-social-performance-review | 跨平台组合级月度复盘（含下月建议） |
| skill-content-postmortem | 单条内容成败复盘 / 爆款公式提炼 |
适用场景
- 找出账号的最佳发布时间
- 评估哪些标签真正带来效果
- 内容类型（图文 vs 视频）的数据对比决策
- 判断哪些发布真正带来粉丝增长
使用前准备
- 需要 publish-log.json 有足够条目；全量 <10 条时报告会警告统计意义有限。
- 模式 D 需要粉丝快照底座数据。
skill-publish-analytics 隶属于 Aiglade Skill 库。在 Aiglade 聊天框中用自然语言描述需求即可调用。