前言¶

运营复盘里常见两种失效方式：一是凭直觉点名「转化率掉了」，却说不清漏斗哪一环、相对哪条基线、统计上是否站得住；二是结论一出就铺一堆动作，没有可证伪假设，也没有单变量复测和停止线，下一轮周报仍无法判断动作是否有效。

下面介绍 SkillHub 社区 Skill「运营数据诊断｜简诗 AI」。它把诊断拆成「核对口径与证据 → 构建问题树与瓶颈排序 → 交付补证与复测计划」，在数据不足或口径冲突时明确禁止直接断言根因，只输出可证伪假设与补证任务。标签 requires_api_key=false，不依赖额外 API Key。

这是什么¶

一句话定位：面向业务漏斗与历史运营数据的诊断型 Agent Skill，用于定位当前最严重的运营瓶颈，并安排可验证的复测。

坐标与版本：@user_fccf428b/operations-data-diagnostician，当前版本 v1.0.3。

来源与分类：SkillHub 社区（community）发布，分类为 data-analysis，发布者为 user_fccf428b。页面展示评分 100000，下载 2406 次（统计以 SkillHub 页面为准）。

官方入口：

• API 页：https://api.skillhub.cn/user_fccf428b/operations-data-diagnostician
• SkillHub 页：https://www.skillhub.cn/skills/user_fccf428b/operations-data-diagnostician

核心功能¶

官方简介与页面说明一致，能力可归纳为以下阶段（均须基于你提供的业务与数据上下文执行，而非凭空编造指标）。

1. 对齐目标、漏斗与时间窗口¶

先核对业务目标、漏斗各环节定义、分析所用时间窗口，避免「同名指标、不同口径」导致误判。

2. 核对数据、渠道、基线与异常¶

对照各环节数据、渠道表现、历史基线，并纳入异常事件、历史动作与数据口径说明，形成可引用的事实基础。

3. 结构化交付物¶

在证据充分的前提下，Skill 会组织并输出（具体形态由对话与 SKILL.md 指引决定，以下为官方列举的交付类型）：

• 事实、假设、缺口与数据质量清单
• 漏斗问题树、异常定位与瓶颈排序
• 补证任务
• 单变量复测方案、指标字典
• 可观察指标与停止线

4. 证据不足时的边界¶

当没有数据、口径冲突或样本不足时，Skill 说明中明确要求：不能直接断言根因，只能输出补证计划与可证伪假设。这一点与「先下结论再找数据」的复盘习惯形成对照，适合需要审计痕迹的团队。

安装与启用¶

SkillHub 提供两种常见方式：让 Agent 按安装文档拉取，或用 CLI 安装到当前客户端的 skills 目录。

方式一：提示词安装（官方页面推荐）¶

将下面意图发给已支持 SkillHub 安装流程的 AI（具体步骤见 SkillHub 安装文档）：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_fccf428b/operations-data-diagnostician`。

方式二：skillhub CLI¶

若本机已有 skillhub，安装时必须用 --dir 指向当前 Agent 识别的 skills 目录，否则默认落在 ./skills/ 可能不会被加载。

检查 CLI：

command -v skillhub && skillhub --version

未安装时可按 SkillHub 文档执行官方安装脚本（需联网）。安装技能示例（Cursor 用户将目录换为 ~/.cursor/skills/；Claude Code 为 ~/.claude/skills/；Codex 为 ~/.codex/skills/ 或项目下 .agents/skills/，以你当前环境为准）：

skillhub install @user_fccf428b/operations-data-diagnostician --dir ~/.cursor/skills/

安装后按你所用客户端要求刷新或重启 Agent，使 SKILL.md 生效。本 Skill 不需要配置 API Key（requires_api_key=false）。

典型用法¶

官方未提供固定「一键脚本」示例，触发条件写在 Skill 说明里：当用户需要根据业务漏斗和历史数据定位当前最严重的运营瓶颈并安排复测时使用。下面是一段可复现的对话起点（需替换为你真实的业务名、漏斗与数据说明）：

请使用运营数据诊断 Skill，帮我做一次漏斗诊断。

业务目标：[填写，如提升付费转化率]
漏斗定义：[曝光 → 点击 → 注册 → 首单，各环节口径说明]
时间窗口：[如近 14 天 vs 前 14 天]
已有数据：[粘贴或描述各环节数值、分渠道表、已知异常事件]
历史动作：[近 30 天做过的运营/产品改动]
数据口径疑问：[若有指标定义不一致，写明冲突点]

请按 Skill 要求输出：数据质量清单、问题树、瓶颈排序、补证任务、单变量复测与指标字典（含可观察指标与停止线）。若样本不足或口径冲突，只给可证伪假设与补证计划，不要断言根因。

经过上面的步骤，你应得到可交给数据同学补数、或交给运营做 A/B 复测的结构化清单，而不是单句「优化落地页」类结论。

适用场景与注意¶

适合谁

• 增长、运营、产品负责人：需要在周报或专项复盘里排序瓶颈，而不是罗列现象。
• 需要与数据、工程对齐口径与证据链的团队。
• 希望把「下一步」写成单变量复测 + 停止线、便于下一轮对照验证的场景。

限制与注意

• 诊断质量取决于你提供的漏斗定义、时间窗、分渠道数据与异常说明；Skill 不会在无数据时编造根因。
• 页面统计的「安装 0」仅表示 SkillHub 侧计数方式，不影响通过 CLI 或提示词安装到本地 skills 目录。
• 版本以 SkillHub 为准（当前 1.0.3）；升级可用 skillhub 对应更新命令，并继续指定正确的 --dir。

结尾¶

「运营数据诊断｜简诗 AI」把运营数据分析收敛为：先对齐口径与证据，再排序瓶颈，最后用可证伪的复测计划闭合 loop。若你正卡在漏斗某环、又缺一套可执行的补证与复测框架，可从官方页安装 @user_fccf428b/operations-data-diagnostician：

https://www.skillhub.cn/skills/user_fccf428b/operations-data-diagnostician