Que fait analyze-sales-case-journey ?
Compétence Codex qui reconstitue la chaîne de décision continue à partir des communications brutes d'un client unique et génère des cas de vente vérifiables.
Compétence Codex qui reconstitue la chaîne de décision continue à partir des communications brutes d'un client unique et génère des cas de vente vérifiables.
Cette compétence Codex, nommée xiaosi-1/analyze-sales-case-journey, est conçue pour les développeurs et utilisateurs d'agents IA travaillant avec des données de vente. Elle analyse les communications brutes d'un seul client (comme des transcripts de chat ou des e-mails) afin de reconstituer la chaîne de décision continue qui a mené à l'achat ou à la non-conversion. En extrayant les étapes clés, les objections, les points de friction et les moments décisifs, elle génère un cas de vente structuré et vérifiable, utile pour l'analyse post-vente, la formation des équipes ou l'optimisation des processus. La compétence s'exécute sur la plateforme Codex (tel que Codex CLI) et exploite les capacités de traitement du langage naturel de grands modèles de langage. Le workflow typique implique la fourniture d'un fichier de communication brute, l'analyse par la compétence, et la sortie d'un cas de vente formel avec des citations justificatives, rendant le processus transparent et reproductible. Elle est particulièrement utile pour les équipes de vente, les analystes de données et les responsables commerciaux qui cherchent à comprendre en profondeur le parcours client et à améliorer leurs stratégies.
npx skills add xiaosi-1/analyze-sales-case-journeyInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Compétence Codex qui reconstitue la chaîne de décision continue à partir des communications brutes d'un client unique et génère des cas de vente vérifiables.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.