前言¶

公众号运营复盘常见一种情况：手上只有几张后台截图，或几篇爆款文章的阅读量，就据此推断标题、选题、发布时间的影响。这类判断最大的问题是样本太小、变量混在一起，结论无法复核，也很难复制。

公众号运营分析（@user_d3228c23/qianjin-wechat-analyzer）针对的就是这个痛点。它要求先接入公众号后台真实数据，再做全量语料的量化分析，最后输出每条建议都标注证据等级与样本量的运营方案。下面介绍这个 Skill 的定位、能力和用法。

这是什么¶

公众号运营分析 是一个面向公众号运营场景的 Skill，由 user_d3228c23 发布，版本 2.1.0，来源为 community，在 SkillHub 上归类于 data-analysis。

它的定位是「深度公众号运营诊断系统」：不做基于少量截图的臆测式分析，而是把诊断建立在真实数据与全量语料之上。同类工具如果只做文本总结，容易给出没有依据的「建议」；这个 Skill 把证据等级和样本量作为输出的一部分，让结论可追溯。

按官方标签，它不需要 API Key（requires_api_key=false）。

核心功能¶

依据官方简介，这个 Skill 的能力可以拆成三块：

1、接入公众号后台真实数据，覆盖阅读、在看、收藏、完读率、用户画像。
2、对全量文章语料做量化分析与爆款差分，区分正常表现与高表现样本之间的差异。
3、提供分层对标账号对比，并输出运营方案，方案中的每条建议都绑定证据等级与样本量。

三者的关系是：真实数据解决「输入是否可信」，全量语料与差分解决「结论是否来自足够样本」，分层对标解决「建议是否有参照」。官方把这条链路概括为「拒绝基于少量截图的臆测式分析」。

安装与启用¶

这个 Skill 基于通用 SKILL.md 格式，官方资料未给出统一的安装命令，也没有区分 Cursor、Codex CLI、Claude Code 的安装步骤，因此这里不提供未经核实的命令。

启用方式依赖各 Agent 的 SKILL.md 加载机制：把 Skill 放入 Agent 可识别的 skills 目录后，通过触发词唤起。官方给出的触发词包括：

公众号分析、公众号运营、公众号诊断、账号分析、公众号选题、公众号复盘、公众号数据、文章分析、公众号运营建议、对标账号、竞品对比

需要说明的是，官方标签标注 requires_api_key=false，但公众号后台数据本身仍需通过公众号后台权限获取，具体授权方式以你实际使用的 Agent 与公众号后台为准。

典型用法¶

官方简介描述的用法是「输入后台数据 → 输出诊断方案」，可复现的调用方式是使用上述触发词发起请求，例如让 Agent 做公众号复盘、文章分析或对标账号对比。

实际操作分三步：

1、准备好公众号后台的真实数据（阅读、在看、收藏、完读率、用户画像）。
2、用触发词发起分析，例如「公众号运营诊断」或「文章分析」。
3、拿到输出后，逐条核对建议对应的证据等级与样本量，判断结论是否成立。

适用场景与注意¶

适合的场景：公众号日常复盘、选题方向判断、文章表现归因、对标账号分层对比。在这些场景里，你愿意提供完整后台数据，而不是零散截图。

需要注意的限制：

1、数据质量决定结论质量。后台数据缺失或样本量过小，差分结果可能不显著，Skill 会给出证据等级，但不会凭空补数据。
2、不适用于无法获取后台数据的账号，例如仅能拿到公开文章链接的竞品账号。
3、官方资料未提供安装命令和各 Agent 的具体配置字段，落地前需要先确认所用 Agent 对 SKILL.md 的加载方式。

结尾¶

公众号运营分析 的价值在于把运营判断从「截图推断」拉回到「数据加证据」。如果你需要的是基于真实后台数据、结论可追溯的公众号诊断，可以从它的触发词开始试。

官方地址：https://api.skillhub.cn/user_d3228c23/qianjin-wechat-analyzer