Communitygithub.com

ComeOnOliver/skillshub

將原始行銷活動數據轉化為歸因模型,並產出決策導向的敘事報告,專為需要向高層說明管道業績的需求生成負責人設計。

skillshub 是什麼?

這項技能旨在幫助行銷團隊將原始行銷活動數據轉化為可操作的歸因模型與決策敘事。它解決了「數據與敘事之間的鴻溝」——大多數團隊能拉取數據,但無法回答領導層真正提出的問題,例如「為什麼本月管道業績下降 18%?」或「是否該增加 ABM 預算?」。 技能提供完整的歸因模型選擇框架,從首次接觸到完整路徑模型,並附有決策樹引導您根據成熟度與目標選擇正確模型。其核心指標架構分為三個層級:決策指標(如 CAC 回收期、管道支出比)、診斷指標(如每 SQO 成本、轉換率)、與營運指標(如 CPC、CTR),並強調僅在連結至高層級洞察時才向領導層呈報。 此外,技能包含完整的敘事產生範本,涵蓋每月管道報告、管道缺口診斷、預算重新分配情境分析及季度董事會報告。範本遵循五問題框架:是否達成目標?驅動因素為何?較前期有何變化?應採取什麼行動?未來展望如何? 此技能適用於多地區與多區隔報告,提供四條規則確保跨地區與跨區隔的一致性比較。它支援所有主流平台(Claude Code、Cursor、Codex),特別為需求生成負責人打造。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ComeOnOliver/skillshub/tree/HEAD/skills/Stallin-Sanamandra/b2b-saas-marketing-skills/pipeline-attribution-narrator

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

Pipeline Attribution Narrator

將原始行銷活動數據轉化為歸因模型,並產出決策導向的敘事報告。 專為需要向高層說明管道業績的需求生成負責人設計,解釋哪些有效、哪些無效,以及應在哪裡重新分配資源。

為什麼需要這項技能

大多數行銷團隊能拉取行銷活動數據,但很少有人能回答領導層實際提出的問題:

  • "為什麼本月管道業績下降 18%?"
  • "該增加 ABM 預算,還是加倍投入付費搜尋?"
  • "各區隔的 CAC 回收期是多少?"
  • "如果我們砍掉頻道 X,下一季的管道會發生什麼變化?"

差距不在於數據存取,而在於原始數字與決策之間的轉譯層。歸因模型產出表格,但領導層需要敘事。這項技能兩者兼顧。

何時使用這項技能

  • 建立或選擇管道歸因模型
  • 準備每月管道報告給 CEO/VP/董事會
  • 診斷為什麼管道的某個時期未達標
  • 模擬預算重新分配情境(從頻道 A 轉移 $X 到頻道 B)
  • 跨地區或區隔比較頻道效率
  • 將歸因數據轉化為利害關係人可理解的敘事
  • 評估目前的歸因方法是否需要改變
  • 準備季度業務檢討

何時不應使用這項技能

  • 潛在客戶評分或 MQL 定義(不同問題,不同技能)
  • 行銷活動創意優化(請使用 CRO 或廣告創意技能)
  • 即時競價或媒體購買決策(對這項技能來說過於營運導向)
  • 歸因平台設定/配置(這是策略層面,非技術層面)
  • 單一頻道績效分析(這項技能本質上是跨頻道的)

歸因模型選擇

模型介紹

沒有「正確」的模型,每個模型回答不同的問題。根據你需要做出的決策來選擇,而不是根據哪個感覺最高級。

模型運作方式最適合最不適合
首次接觸100% 功勞歸於首次互動回答「什麼填滿了漏斗頂端?」了解什麼促成成交
最後接觸100% 功勞歸於轉換前的最後一次互動回答「什麼觸發了轉換?」了解什麼建立認知
線性每個接觸點獲得相同功勞在沒有假設時取得平衡的視角做出重新分配決策(一切看起來都一樣)
時間衰減越接近轉換的接觸點功勞越大了解加速和後期影響評估品牌和認知投資
W 型首次接觸 40%,中間接觸 20%,機會創造接觸 40%具有明確 MQL 到 SQL 交接的 B2B SaaS短銷售週期或單一接觸轉換
完整路徑首次接觸 22.5%,潛在客戶創造 22.5%,機會創造 22.5%,成交 22.5%,中間 10%具有長週期多觸點的企業 B2BCRM 中沒有乾淨階段數據的公司
自訂/加權根據你的數據為每個階段定義權重有足夠數據驗證權重的成熟團隊剛開始歸因的團隊(過度設計)

決策框架:使用哪個模型

開始
    │
    ├─ "我們目前沒有歸因模型"
    │     → 從最後接觸開始。它不準確但有用。
    │       你會看到什麼促成成交。運行 60 天,然後並排加入首次接觸。
    │       首次接觸與最後接觸的差異告訴你漏斗的盲點在哪裡。
    │
    ├─ "我們需要向領導層證明預算的合理性"
    │     → 使用 W 型或完整路徑。
    │       這些模型顯示行銷在整個旅程中的影響力。
    │       同時呈現最後接觸的視圖,讓領導層看到保守與完整影響的兩種畫面。
    │
    ├─ "我們需要在頻道之間重新分配預算"
    │     → 並排運行首次接觸 + 最後接觸 + 時間衰減。
    │       如果一個頻道在首次接觸得分高但在最後接觸得分低,
    │       它就是認知頻道。不要因為它不促成成交就砍掉它。
    │       如果一個頻道在最後接觸得分高但在首次接觸得分低,
    │       它就是轉換頻道。不要期望透過擴大它來獲得更多漏斗頂端。
    │
    ├─ "我們需要比較跨地區的績效"
    │     → 對兩個地區使用相同的模型。在跨區隔比較時,
    │       模型一致性比模型複雜度更重要。
    │
    └─ "領導層想要每個頻道的單一數字"
          → 給他們最後接觸並附上註腳。然後在附錄中顯示多接觸視圖。
            隨著時間推移,訓練他們提出更好的問題。

歸因模型成熟度等級

如果沒有支援的數據基礎架構,不要貿然使用進階模型。

等級你擁有的建議模型下一步
1. 初階UTM 追蹤、基本 CRM 數據、無多觸點可見度最後接觸導入首次接觸擷取。確保 UTM 一致。
2. 基礎首次接觸 + 最後接觸數據、定義的漏斗階段首次 + 最後接觸比較加入中間觸點追蹤。明確定義 MQL/SQL/SQO 條件。
3. 營運完整觸點數據、乾淨的階段轉換、2+ 季數據W 型或時間衰減建立頻道級 CAC 計算。開始建模情境。
4. 進階頻道數據統計顯著性、定義的回收期、同組群追蹤完整路徑或自訂加權進行增量性測試。建立預算分配的預測模型。

核心指標架構

重要的指標

這些是領導層關心的指標,按策略重要性排序。其他都是支援性輸入。

第一層:決策指標(這些驅動預算和策略對話)

指標定義為什麼重要
CAC 回收期客戶的毛利償還其獲取成本所需的月數評估行銷效率的最佳單一指標。將 CAC、ACV 和利潤率結合為一個數字。
管道支出比產生的總管道 / 總行銷支出快速健康檢查。B2B SaaS 基準:取決於 ACV 在 5:1 到 10:1 之間。
混合 CAC總銷售 + 行銷成本 / 新增客戶數你的財務長關心的數字。必須包含銷售成本,不僅是行銷。
行銷來源管道 %行銷來源機會的管道 / 總管道顯示行銷對收入的貢獻。大多數 B2B SaaS 目標:40-60%。
頻道 CAC頻道支出 / 通過該頻道獲取的客戶數實現重新分配。跨頻道比較以找出效率差距。

第二層:診斷指標(這些解釋為什麼第一層指標變動)

指標定義何時使用
每 SQO 成本頻道支出 / 產生的銷售合格機會數管道數量沒問題但 CAC 很高時(交易品質問題)
階段轉換率MQL→SQL, SQL→SQO, SQO→成交管道產生沒問題但收入很低時(漏斗漏洞)
管道速度(# 機會 × 勝率 × 平均交易規模) / 銷售週期長度需要單一前瞻性管道健康指標時
管道產生時間從首次行銷接觸到 SQO 建立的天數評估一個頻道是快速還是緩慢建立管道時
影響 vs. 來源行銷接觸過交易 (影響) vs. 行銷創造了交易 (來源)證明行銷預算合理性時。總是兩者都呈現,但來源更難反駁。

第三層:營運指標(用於日常優化,非領導層報告)

指標範例
頻道層級CPC, CPM, CTR, 曝光比重, 品質分數
內容層級頁面瀏覽數, 停留時間, 內容輔助轉換
Email 層級開啟率, 點擊率, 取消訂閱率
表單層級提交率, 放棄率, 欄位層級流失

規則:永遠不要向領導層呈現第三層指標,除非它們與第一層或第二層洞察相關聯。「CTR 增加 15%」是雜訊。「CTR 增加帶來了 12 個額外 SQO,每個 SQO 成本為 $2,400」才是訊號。


敘事產生

管道敘事的結構

每個管道敘事應按順序回答五個問題:

  1. 我們達標了嗎?(與目標比較,與前期比較)
  2. 是什麼驅動了這個結果?(前 2-3 個貢獻者或拖累者)
  3. 與前期相比有什麼變化?(增量分析,不僅是目前快照)
  4. 我們應該怎麼做?(具體的重新分配或優化建議)
  5. 未來展望如何?(基於當前軌跡的下一期預測)

敘事範本

每月管道報告(給 CEO/VP)

管道摘要:[月] [年]

目標:[X] SQO / $[Y] 管道
實際:[X] SQO / $[Y] 管道
結果:[達標/未達標 X% 或 X SQO]

[一句話總結整體結果。先說重點,不要鋪陳。]

驅動結果的因素

[頻道 1] 貢獻了 [X] SQO,每 SQO 成本 $[Y],[增加/減少 Z%] 較上月。
[一句話說明變化的原因。]

[頻道 2] 貢獻了 [X] SQO,每 SQO 成本 $[Y],[增加/減少 Z%] 較上月。
[一句話說明變化的原因。]

[如適用] [區隔/地區] 因 [具體原因] 績效低於目標 [X SQO]。

發生的變化

[與前期相比最重要的一個轉變。不是列出所有變化的項目。
一句話說明變化,一句話說明為什麼重要。]

建議

[具體行動。不是「持續監控」或「進一步優化」。一個具體的重新分配、預算調整或實驗,並說明預期影響。]

未來展望

基於當前軌跡,[下個月] 預計達到 [X] SQO。
[一句話說明此預測的主要風險或上漲空間。]

管道未達標診斷

管道未達標:[月] [年]

缺口:低於目標 [X] SQO([Y]% 短缺)

主要原因

[單一最大驅動因素。具體說明哪個頻道、區隔或動能績效不佳。
不是「多種因素共同造成」。選擇解釋最多變異的一個。]

促成因素

[1-2 個次要因素,每個一句話。]

根本原因分析

[這是結構性的(錯誤的頻道組合)、週期性的(季節性模式)、營運性的(某個環節出錯)還是外部的(市場變化)?明確指出。]

恢復計劃

[哪些具體行動將縮小差距。時間表、預期 SQO 影響、負責人。]

這對我們的模型有何改變

[這次未達標是否改變了預測中的任何假設?如果是,重新說明更新的假設及其對季度數字的影響。]

預算重新分配情境

情境:[將 $X 從頻道 A 轉移到頻道 B]

目前狀態
- 頻道 A:$[支出] → [X] SQO → $[Y] 每 SQO 成本 → $[Z] 管道
- 頻道 B:$[支出] → [X] SQO → $[Y] 每 SQO 成本 → $[Z] 管道

提議的變更
- 頻道 A:減少 $[X](從 $[目前] 到 $[新])
- 頻道 B:增加 $[X](從 $[目前] 到 $[新])

預期影響
- 頻道 A:預計損失 [X] SQO(假設線性擴展,如果支出超過報酬遞減點,可能高估影響)
- 頻道 B:預計增加 [X] SQO(假設當前效率在更高支出下維持,但超過 $[門檻] 後可能不成立)
- 管道淨影響:[+/- X SQO],[+/- $Y 管道]

假設與風險
- [列出此情境依賴的 2-3 個假設]
- [指出最大風險:例如,「頻道 B 可能在 $X 支出時達到飽和」]
- [時間延遲:「頻道 B 的管道影響需要 [X] 週才會顯現」]

建議
[執行 / 不執行 / 以 30 天測試進行,附帶決策標準]

季度董事會報告敘事

行銷管道貢獻:Q[X] [年]

重點
[一句話。範例:「行銷在 $X,XXX 混合 CAC 下產生 $X.XM 管道,其中中階市場 ABM 成為最高效率動能。」]

數據摘要
- 總管道產生:$[X]
- 行銷來源:總管道的 [X]%
- 混合 CAC:$[X]([增加/減少 X%] 較上季)
- CAC 回收期:[X] 個月([如相關,附帶區隔細項])
- 管道支出比:[X]:1

有效的方法
[前 1-2 個產生不成比例結果的動能。每個量化說明。]

無效的方法
[誠實以對。指出績效不佳的動能以及你正在採取的措施。
董事會更尊重對未達標的透明度,而不是對達標的修飾。]

下一季計劃
[下一季的 1-2 個策略性押注。不是列出行銷正在做的所有事情。
是那些能推動數字的押注。]

請求
[如果你需要預算、人力或高層支持,明確提出並說明預期 ROI。
範例:「$110K ABM 投資預期產生 30 個額外 SQO,ACV 為 $20K,管道將在 Q+1 顯現。」]

地區與區隔拆分

跨多個地區的報告

當需求生成跨越多個地理區域時,歸因會變得複雜。以下規則有所幫助。

規則 1:每個地區使用相同的模型和相同的定義。 如果 NAEU 使用 W 型歸因而 APAC 使用最後接觸,你就無法比較它們。首先標準化模型,即使某個地區的數字暫時看起來較差。

規則 2:按每 SQO 成本標準化,而不是按 SQO 數量。 不同地區有不同的市場規模。比較原始 SQO 數量會造成誤導。每 SQO 成本能顯示相對效率。

規則 3:報告以貨幣調整後的數字。 如果你以多種貨幣管理預算,選擇一種報告貨幣並應用一致的匯率。註明所使用的匯率。

規則 4:區分成熟與新興動能。 一個地區成熟的舊式需求引擎不應該與另一個地區新的 ABM 試點進行一比一比較。在不同的區塊中報告,並使用不同的基準。

跨區隔的報告

規則 1:按區隔獨立追蹤管道和 CAC。 如果 SaaS 和企業的 CAC 回收期差異很大(例如 SaaS 6 個月 vs. 企業 18 個月),混合 CAC 是無意義的。始終按區隔細分。

規則 2:區隔需同時滿足「足夠大」和「有差異」兩個條件。 一個應該有自己報告線的區隔,其管道至少應佔總管道的 10%,並且其行為應與其他區隔有統計上的顯著差異。如果不滿足任一條件,將其合併到「其他」區隔。

規則 3:不要讓區隔數量大於預算線數量。 如果你的行銷預算有 5 條線(付費搜尋、ABM、活動、內容、合作夥伴),不要創建 15 個區隔。你只能按你能花費的方式重新分配。


常見情境對照表

你正在嘗試做的事情使用哪個部分需要什麼數據界定的輸出
選擇歸因模型模型選擇 → 決策框架CRM 中的階段數據推薦模型 + 理由
診斷管道未達標管道未達標診斷範本頻道績效,前期比較根本原因 + 恢復計劃
證明行銷預算合理性混合 CAC + 行銷來源 %完整銷售+行銷成本混合 CAC 和貢獻 %
重新分配頻道預算預算重新分配情境範本頻道級 CAC 和 SQO情境模型 + 風險
準備董事會報告季度董事會報告敘事範本所有第一層指標,前期比較完整的董事會敘事
比較地區績效地區與區隔拆分 → 規則所有地區的相同歸因可比較的跨地區報告
說服 CFO 行銷有效CAC 回收期 + 管道速度ACV、利潤率、完整管道歷史回收期和健康指標

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ComeOnOliver/skillshub

Create stunning, animation-rich HTML presentations from scratch or by converting PowerPoint files. Use when the user wants to build a presentation, convert a PPT/PPTX to web, or create slides for a talk/pitch. Helps non-designers discover their aesthetic through visual exploration rather than abstract choices.

ComeOnOliver/skillshub

Next.js 16+ 和 Turbopack — 增量打包、文件系统缓存、开发速度,以及何时使用 Turbopack 与 webpack。

ComeOnOliver/skillshub

SwiftUI architecture patterns, state management with @Observable, view composition, navigation, performance optimization, and modern iOS/macOS UI best practices.

ComeOnOliver/skillshub

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio, video), and create real time alerts for events from live streams or desktop capture.

ComeOnOliver/skillshub

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

ComeOnOliver/skillshub

Next.js 15 애플리케이션을 위한 프론트엔드 개발 가이드라인. React 19, TypeScript, Shadcn/ui, Tailwind CSS를 사용한 모던 패턴. Server Components, Client Components, App Router, 파일 구조, Shadcn/ui 컴포넌트, 성능 최적화, TypeScript 모범 사례 포함. 컴포넌트, 페이지, 기능 생성, 데이터 페칭, 스타일링, 라우팅, 프론트엔드 코드 작업 시 사용.

ComeOnOliver/skillshub

Provides Tamagui patterns for config v4, compiler optimization, styled context, and cross-platform styling. Must use when working with Tamagui projects (tamagui.config.ts, @tamagui imports).

ComeOnOliver/skillshub

Create distinctive, production-grade frontend interfaces with high design quality. Use this skill when the user asks to build web components, pages, or applications. Generates creative, polished code that avoids generic AI aesthetics.

ComeOnOliver/skillshub

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

ComeOnOliver/skillshub

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

ComeOnOliver/skillshub

Next.js development tooling via MCP. Inspect routes, components, build info, and debug Next.js apps. Use when working on Next.js applications, debugging routing, or inspecting app structure. NOT for general React or non-Next.js projects.

ComeOnOliver/skillshub

Implement UI using Shadcn MCP (atoms/theme) and 21st.dev MCP (complex sections). Use when adding buttons, layouts, or generating landing pages.

ComeOnOliver/skillshub

A conceptual skill for building an API client in Next.js that handles JWT tokens

ComeOnOliver/skillshub

Best practices and patterns for Next.js App Router, Server Actions, and Routing in this project.

ComeOnOliver/skillshub

The Design System, Theme, and UX rules for the Physical AI Hub.

ComeOnOliver/skillshub

Comprehensive frontend development skill for building modern, performant web applications using ReactJS, NextJS, TypeScript, Tailwind CSS. Includes component scaffolding, performance optimization, bundle analysis, and UI best practices. Use when developing frontend features, optimizing performance, implementing UI/UX designs, managing state, or reviewing frontend code.

ComeOnOliver/skillshub

This document captures learnings from fixing keyboard navigation issues when floating components (Select, DropdownMenu, Popover) have CSS open/close animations.

ComeOnOliver/skillshub

Build Next.js 16 applications with correct patterns and distinctive design. Use when creating pages, layouts, dynamic routes, upgrading from Next.js 15, or implementing proxy.ts. Covers breaking changes (async params/searchParams, Turbopack, cacheComponents) and frontend aesthetics. NOT when building non-React or backend-only applications.

ComeOnOliver/skillshub

Comprehensive Framer Motion animation library for React. Covers motion components, variants, gestures, page transitions, and scroll animations. Use when adding animations to React/Next.js applications.

ComeOnOliver/skillshub

Build interfaces that resonate, not just render. This skill enforces bold, intentional

相關技能