前言¶
做 GEO（Generative Engine Optimization）时，常见矛盾是：内容、投放、技术改动都在推进，但复盘时很难说明「哪笔钱带来了多少可观测变化」，更谈不上和财务对齐 ROI，或在 RaaS（Result as a Service）合同里按指标结算。手工拉表容易口径不一，汇报材料也难复现。
下面介绍 SkillHub 上的社区 Skill GEO效果归因师（坐标 @user_a020b36c/geo-effect-attribution-specialist）。它把优化前后的指标、投入拆分、ROI 估算和 RaaS 计费规则收进一套可复用的工作流说明与脚本，方便在 Cursor 等 Agent 环境里直接调用，而不必每次从零写归因逻辑。
这是什么¶
GEO效果归因师 的定位是：量化 GEO 优化效果、计算投资回报率（ROI），并支持 RaaS 按效果付费场景下的费用核算。
- 分发与维护：社区来源（
community），发布者user_a020b36c；SkillHub 页面标注作者为程丹。当前版本 1.0.0，分类为 data-analysis。 - 商店信息（以 SkillHub 抓取为准）：评分 100000，下载 1030 次；标签
requires_api_key=false，安装本 Skill 不要求配置 API Key。 - 包内形态：标准
SKILL.md指令 +scripts/attributor.py核心逻辑 +references/roi_models.json、references/examples.json等参考数据。元数据里曾标注面向 Coze 平台的工作流设计，通过 SkillHub 安装后，主要由 Agent 按SKILL.md引导完成归因与报告生成。
核心功能¶
以下能力均来自已安装的 v1.0.0 技能包，可与本地文件对照。
-
效果归因（
GEOEffectAttributor.attribute_effects）
输入优化前/后的指标（如geo_health_score、mention_rate、first_recommend_rate、ai_traffic）以及投入明细investment_breakdown（每项含type与amount）。默认按投入金额占比把总提升分配到各投入类型；规则说明见references/roi_models.json中的attribution_rules（如 A001 按投入比例、A002 按平台权重）。 -
ROI 计算（
calculate_roi）
根据总投入、估算月收入estimated_revenue与周期月数time_period_months，计算总产出、净利润与 ROI 比率。references/roi_models.json提供基础模型 R001（流量 × 转化率 × 客单价）与含品牌价值的 R002 公式说明。 -
RaaS 计费（
calculate_raas_fee）
在基础费之上，当实际指标metric_actual不低于目标metric_target时，按reward_rules（如reward_per_unit、max_reward）计算奖励并汇总应付总额。 -
报告输出（
generate_report）
将归因、ROI 及可选的 RaaS 明细拼成 Markdown 报告；scripts/attributor.py的main()还会把结构化 JSON 打印到 stdout，并写入attribution_report.md（需在技能目录下执行，以便加载references/）。
SKILL.md 中还描述了 Coze 工作流节点（参数校验 → 归因 → ROI → RaaS → 报告）及 Coze 技能商店的分档定价；在 SkillHub 侧以社区 Skill 形式分发，与 Coze 商店计费无直接绑定，使用时以你当前 Agent 环境为准。
安装与启用¶
安装前确认本机已有 SkillHub CLI（参见 SkillHub 安装说明）：
command -v skillhub && skillhub --version
未安装时可执行官方推荐的一键安装（完整包含 CLI 与默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
重要：skillhub install 必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/，Agent 可能无法加载。
在 Cursor 中，技能目录一般为 ~/.cursor/skills/：
skillhub install geo-effect-attribution-specialist \
--namespace user_a020b36c \
--dir ~/.cursor/skills/
在 Claude Code 中，常用目录为 ~/.claude/skills/；Codex 常用 ~/.codex/skills/ 或项目下的 .agents/skills/。将上述 --dir 换成对应路径即可，安装坐标不变。
也可按 SkillHub 页面提示，让 Agent 阅读 https://skillhub.cn/install/skillhub.md 并安装 @user_a020b36c/geo-effect-attribution-specialist。
安装完成后重启或刷新 Agent，使新 Skill 被索引。
典型用法¶
在对话中按结构化指标提问¶
SKILL.md 给出的典型输入包含品牌、投入拆分、优化周期、优化前后 GEO 健康分与 AI 流量等。你可以用自然语言列出同类字段，由 Agent 按技能说明调用归因与 ROI 逻辑，输出归因表与结论段落。references/examples.json 中 AC001 记录了与文档一致的示例字段（如投入 50000、健康分 65→82、ROI 百分比等），便于对照格式而非当作真实客户数据。
在技能目录运行演示脚本¶
若需本地验证算法输出，进入安装后的技能目录（路径因 --dir 而异，形如 .../geo-effect-attribution-specialist 或 ...@user_a020b36c/geo-effect-attribution-specialist），确保 references/roi_models.json 相对路径正确，然后执行：
cd ~/.cursor/skills/@user_a020b36c/geo-effect-attribution-specialist
python3 scripts/attributor.py
脚本会使用 main() 中的演示数据：三项投入（内容优化、技术SEO、内容投放）、ROI 周期 3 个月、RaaS 目标提及率 0.85 与实际 0.88 等，并在当前目录生成 attribution_report.md。
自定义分析时，可参照 attributor.py 中 before_metrics / after_metrics / investment_breakdown 的字典结构，在自有脚本或 Agent 生成的代码里调用 GEOEffectAttributor 的同名方法。
适用场景与注意¶
适合谁
- 市场部或增长团队：需要把 GEO 项目复盘成「指标变化 + 投入归因 + ROI 区间」。
- 代理或服务方：向客户说明交付价值，或在 RaaS 合同下按超额指标计费。
- 在 Agent 内做数据分析类 Skill 的开发者：需要可读的 ROI 模型与报告模板起点。
限制与注意
- 归因默认是按投入比例分配的简化模型，不能替代因果实验或平台侧原始日志；若业务要求严格因果，应外接 A/B 或平台 API，再让本 Skill 做汇总呈现。
- ROI 依赖你提供的转化率、客单价、收入估算等假设；
references/roi_models.json只定义公式与示例，不会自动拉取真实交易数据。 SKILL.md提到的scripts/roi_calculator.py、references/raas_templates.json在 v1.0.0 包内未随附，实际以attributor.py与现有references/文件为准。- 运行
attributor.py时工作目录需包含references/，否则加载 JSON 会失败。
结尾¶
GEO效果归因师 把 GEO 复盘里重复的「前后指标对比、投入拆分、ROI 与 RaaS 算账」固化成 Skill 指令与 Python 实现，适合在 SkillHub + Cursor 等环境里快速拉起一套可复现的归因报告。需要查看详情或安装时，可打开官方页面：
- SkillHub：https://www.skillhub.cn/skills/user_a020b36c/geo-effect-attribution-specialist
- API 入口：https://api.skillhub.cn/user_a020b36c/geo-effect-attribution-specialist
