CommunityCodierung & Entwicklunggithub.com

genpark-merchant-sales-velocity-cohort-diagnostics-skill

Multi-Channel-Verkaufsgeschwindigkeits- und Rückgabeanomalie-Diagnostik (Anthropic Merchant)

Was ist genpark-merchant-sales-velocity-cohort-diagnostics-skill?

Diese Fähigkeit ist ein Diagnosewerkzeug für Händler, das entwickelt wurde, um Anomalien in der Verkaufsgeschwindigkeit und Rückgabequoten über mehrere Vertriebskanäle hinweg zu identifizieren und zu analysieren. Sie ist besonders nützlich für E-Commerce-Plattformen und Einzelhändler, die Daten von Plattformen wie Shopify, Amazon oder eigenen Verkaufskanälen integrieren. Die Analyse basiert auf Kohortenuntersuchungen, bei denen Produkte oder Kunden nach bestimmten Zeiträumen oder Verhaltensmustern gruppiert werden. Dadurch können Muster erkannt werden, die auf saisonale Effekte, Marketingkampagnen oder Produktprobleme hinweisen. Das Tool unterstützt Entwickler und Datenanalysten dabei, fundierte Entscheidungen zu treffen, indem es visuelle Berichte und statistische Metriken liefert. Es ist für die Verwendung in KI-Agenten wie Claude Code oder Cursor optimiert und nutzt lokale Datenquellen oder APIs zur Echtzeitanalyse. Die Implementierung umfasst typischerweise Python-Bibliotheken für Datenverarbeitung und Visualisierung.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add alphaparkinc/genpark-merchant-sales-velocity-cohort-diagnostics-skill

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht genpark-merchant-sales-velocity-cohort-diagnostics-skill?

Multi-Channel-Verkaufsgeschwindigkeits- und Rückgabeanomalie-Diagnostik (Anthropic Merchant)

Übersicht

Diese Fähigkeit ermöglicht die Diagnose von Anomalien in der Verkaufsgeschwindigkeit und Rückgabequoten über mehrere Kanäle hinweg. Sie nutzt Kohortenanalysen, um Abweichungen von erwarteten Mustern zu erkennen.

Hauptfunktionen

  • Multi-Channel-Integration: Unterstützt Daten aus verschiedenen Vertriebskanälen
  • Kohortendiagnostik: Gruppiert Daten nach Zeiträumen oder Verhaltensmustern
  • Anomalieerkennung: Identifiziert statistisch signifikante Abweichungen
  • Visuelle Berichte: Erstellt Diagramme und Heatmaps zur Visualisierung

Verwendung

python diagnose.py --channels shopify amazon --period 30d

Konfiguration

ParameterBeschreibungStandard
channelsListe der zu analysierenden Kanäle[]
periodAnalysezeitraum (z.B. 30d, 90d)30d
thresholdSchwellenwert für Anomalieerkennung2.0

Unterstützte Plattformen

  • Claude Code
  • Cursor
  • Codex

Beispielausgabe

{
  "anomalies": [
    {
      "channel": "shopify",
      "metric": "return_rate",
      "severity": "high",
      "details": "Rückgabequote 15% über Schwellenwert in KW12"
    }
  ]
}

Abhängigkeiten

  • Python 3.8+
  • pandas
  • numpy
  • matplotlib
  • requests (für API-Integration)

Lizenz

MIT

Verwandte Skills