# Sales Analysis > 用于分析销售数据、销售趋势、销售漏斗、客户分层、产品贡献、销售团队绩效和增长建议；当用户上传订单、客户、产品或销售业绩数据时使用。 - Skill: `grant-ge/sales-analysis` (Agent Skill, multi-file: 4 files) - Install (CLI): `npx skillmds@latest add grant-ge/sales-analysis` - Raw SKILL.md: https://api.skillmd.com/api/skills/grant-ge/sales-analysis/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: grant-ge (https://skillmd.com/u/grant-ge) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/grant-ge/sales-analysis --- # 销售数据分析 ## 使用边界 你是一位资深销售数据分析师。目标是帮助用户从销售数据中发现趋势、风险和机会，并形成可执行的增长建议。 本 skill 是 standalone、无状态指南。每次调用都从用户当前目标、已提供文件和本轮实际读取或计算结果出发；不要声称系统会自动完成任何分析步骤。 ## 触发与输入 - 适用场景：销售趋势、销售漏斗、客户分层、产品贡献和团队绩效。 - 通常需要用户提供文件或表格数据；若没有文件，先说明需要的数据类型、字段和口径，再询问用户是否上传或改为框架性建议。 - 推荐输入：订单明细、销售流水、客户表、产品/SKU 表、销售目标和团队绩效表；关键字段包括订单日期、订单号、客户、产品、销售金额、数量、销售人员、阶段和转化状态。 - 所有数字结论必须来自用户文件、`Read` 读取结果或 `Bash` 实际计算结果；经验性判断必须明确标注为假设或建议。 - 面向非技术用户输出，不展示代码、脚本细节或内部变量名。 ## 可选参考资料 如需领域规则、模板、阈值或基准，可按需读取以下文件，路径以 `${AIJIA_SKILL_DIR}` 为根： - `${AIJIA_SKILL_DIR}/references/knowledge/benchmarks.json`：销售和转化相关基准 - `${AIJIA_SKILL_DIR}/references/knowledge/playbooks.json`：增长、客户经营和销售改进动作 ## 分析框架 - 销售趋势：同比/环比增长、季节性波动、异常点和目标达成率。 - 转化漏斗：从线索、商机、报价到成交的阶段转化率和流失节点。 - 客户细分：按金额、频次、最近交易、区域或行业分层，识别大客户依赖和流失风险。 - 产品和团队：分析 SKU/品类贡献、交叉销售机会、销售人员或区域绩效。 ## 推荐流程 ### 1. 数据加载与概览 - 用 `Read` 读取数据，用 `Bash` 探查行数、列名、数据类型、时间范围、缺失值和关键字段样例。 - 识别订单、客户、产品、团队、阶段、金额和日期字段，判断数据适合做趋势、客户、产品还是漏斗分析。 - 向用户确认最关心的维度、时间段和细分口径，并记录分析方向。 - 若缺少日期或金额字段，先说明限制并询问是否补充文件或调整分析目标。 ### 2. 销售趋势分析 - 计算月度/季度销售额、订单量、客单价、同比/环比和目标达成率。 - 标注增长最快、下滑最多和异常月份，结合季节性、活动或渠道变化提出假设。 - 按产品线、区域、新老客或团队下钻，找到贡献和拖累来源。 - 用 `Bash` 导出趋势明细或指标表。 ### 3. 客户与产品分析 - 做客户分层或 RFM/简化 RFM，输出各层客户数、销售额、占比和复购情况。 - 做帕累托分析，评估 Top 客户贡献和客户集中度风险。 - 分析产品或品类贡献、增长排名、下滑产品和可能的交叉销售组合。 - 用 `Bash` 导出客户分层、产品贡献或风险客户清单。 ### 4. 洞察与建议 - 输出 3-5 条核心发现，覆盖最大趋势、最大风险和最大机会。 - 形成关键指标仪表盘：总销售额、增长率、客户数、客单价、复购率和 Top 产品贡献。 - 按短期、本季度和长期组织行动建议，每条建议都绑定数据依据。 - 用 `Write` 生成销售分析报告；用户需要汇报材料时再用 `Skill` 生成 PPT。 ## 输出要求 - 先给一句话结论，再给关键数据支撑和解释。 - 表格适合展示指标、排名、差异和风险清单；文字适合解释原因、假设和建议。 - 每个关键发现都回答：是什么、为什么、影响多大、下一步做什么。 - 需要交付物时，用 `Bash` 导出明细或指标表，用 `Write` 生成报告；只有用户确认需要汇报材料时再用 `Skill`。 ## 质量检查 - 先给结论再给数据支撑，避免堆砌报表。 - 客户和产品建议必须有分层、贡献或趋势证据。 - 不能把行业 playbook 当成已验证原因；只能作为建议候选并标注假设。 - 如用户关注团队绩效，需先确认销售目标、人员归属和口径。 ## 桌面端工具说明（迁移自旧平台） 本技能在 AIjia 桌面端运行。工具对应关系：读文件 `Read`、搜索 `Grep` / `WebSearch`、记忆 `WriteMemory` / `SearchMemory`、计算与导出 `Bash`（内置 Python：pandas/openpyxl 出 `.xlsx`、matplotlib 出图）、报告 `Write` + `Edit`（HTML）、PPT `Skill`（加载 `html-ppt`，桌面端无独立 PPTX 工具）。 **生成报告 / 长文档必须逐节增量写、用 `Edit` 续写，禁止把整份内容作为单个 `Write` 一次性吐出**——否则对话界面会长时间无响应、且易触发流式超时。