Communitygithub.com

邮件营销技能/saka-cursor

衡量邮件营销活动结果,并设计包含明确分组、分母、归因限制、样本量约束和决策规则的有效测试。适用于营销活动报告、A/B 测试、留存组、ROI 问题或宣称“打开即成功”的论据。

saka-cursor 是什么?

该技能聚焦于邮件营销活动的严谨结果评估与实验设计,强调可重复、可审计的量化方法。它要求用户将营销目标、注册规则、观察窗口和聚合结果纳入分析,并始终区分唯一联系人计数与消息计数,拒绝使用虚构基准。技能详细说明了数据对账步骤:定义已注册、符合条件、已尝试发送、已接受发送、已送达、退信、投诉、退订、激活、合格回复及付费转化等指标,并严格处理缺失值(缺失不等于零,分母为零等于“不可用”而非 0%)。在实验设计方面,技能要求事先写下假设、随机化单元、单一变更、主要指标、基线证据、最小有意义效应、样本量方法、观察窗口和停止规则,若样本量不足则标记为探索性;同时区分归因转化与增量转化,推荐使用留存组估算提升,而不仅仅是“前后对比”。最后,技能要求输出一份包含数据质量、事实、不确定性、读者反馈、下一个实验和决策规则的结构化 review.md,并强调在授权范围内进行本地修改,不得事先激活营销活动或联系收件人。该技能适用于 Claude Code、Cursor 等 AI Agent 平台,帮助开发者或营销分析师设计可信的邮件实验并避免常见的统计谬误。

兼容平台~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/email-marketing-skills/saka-cursor/tree/HEAD/skills/email-experiments

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

衡量客户结果

阅读营销活动目标、注册规则、观察窗口和聚合结果。将收件人标识符排除在已提交的报告之外。如果数据缺失,生成一个填空模板并要求提供计数;不要使用虚构的基准替代。

对账数据

定义唯一的已注册且符合条件的联系人、尝试发送数、已接受发送数、已送达联系人、退信数、投诉数、退订数、激活数、合格回复数和相关付费转化数。不要将消息计数与联系人计数混用。解释排除项和去重逻辑。缺失不等于零。分母为零意味着不可用,而不是 0%。

注册活动可以使用在定义窗口内符合条件的已激活用户除以符合条件的已注册用户。外发活动可以使用唯一的合格积极回复数除以唯一的已送达联系人数。在查看结果之前定义“合格”。在百分比旁边报告计数。打开率最多是一个诊断指标,不能可靠地证明人类的注意力。

选择学习方法

对于小规模受众,使用回复主题和观察到的产品摩擦。对于受控测试,在启动前指定假设、随机化单元、资格条件、单一变更、主要指标、基线证据、最小有意义效应、样本量方法、观察窗口和停止规则。如果假设或样本量不足,则将测试标记为探索性。不要仅从两个百分比推断显著性。

区分归因转化与增量转化。留存组有助于估算提升(当分配、样本和溢出得到妥善处理时);仅凭“前后对比”无法隔离邮件的影响。阅读 工作分析。

交付并迭代

保存 marketing/review.md:数据质量、事实、不确定性、读者反馈、下一个实验和决策规则。如果存在投递或抑制失败,在增加量之前先调查原因。在本地准备草稿变更;未经现有范围授权,不得激活营销活动或联系收件人。

报告证据支持的内容以及无法确定的内容。避免做出普遍性能承诺、统计上无根据的“胜者”以及忽略退款、归因或成本的收入声明。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相关技能