Community研究與資料分析github.com

spiralcrew-ou/profilespider-agent-skills

24 個免費的 SKILL.md 技能,適用於 Claude Code 及相容 AI 代理:用於篩選潛在客戶、研究公司、清理名單。

profilespider-agent-skills 是什麼?

這個技能集提供了 24 個專為 Claude Code 及相容 AI 代理設計的免費 SKILL.md 技能,涵蓋市場研究、線索評分與名單清理等核心業務流程。每個技能都明確定義了使用時機、必要輸入與輸出格式,並遵循嚴格的驗證規則,確保分析結果可靠且可重複。技能支援 CSV、JSON 等多種常用資料格式,並能與開發工具鏈無縫整合。使用者可以透過明確的觸發條件呼叫特定技能,例如「市場研究」用於分析資料集中的市場區隔,「潛在客戶名單分析」則針對每筆記錄執行個別動作,從而大幅提升工作效率與資料驅動決策的品質。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add spiralcrew-ou/profilespider-agent-skills

Installed? Explore more 研究與資料分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

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

市場研究

目的

分析公司或個人資料的資料集,以識別市場區隔與模式。

何時使用此技能

  • 理解已爬取的市場資料集
  • 在大量清單中找出自然區隔
  • 辨識主導與未被充分服務的類別
  • 評估機會集中的領域

何時不應使用此技能

  • 資料集太小而無法顯示模式
  • 需要嚴格統計上的市場規模評估
  • 希望對每筆記錄執行個別動作(請改用「潛在客戶名單分析」)

必要的輸入

  • 公司或個人資料的資料集

可選的輸入

  • 感興趣的維度(產業、規模、地理位置)
  • 欲測試的假設

規則

  1. 分析整個資料集,而非方便的樣本子集。
  2. 在可能的情況下報告計數與比例。
  3. 不要過度推論超出資料支持的範圍。
  4. 說明資料來源的偏差與限制。
  5. 區分觀察到的模式與推測。

流程

  1. 描述資料集的結構與欄位。
  2. 識別重複出現的特徵與類別。
  3. 推導出自然區隔。
  4. 識別缺口與新興模式。
  5. 說明限制。

輸出格式

回傳包含以下欄位的市場分析報告:

  • market_segments
  • recurring_characteristics
  • dominant_categories
  • gaps
  • emerging_patterns
  • research_limitations

驗證

  • 確認區隔的主張反映資料分佈。
  • 確認限制中有註明任何抽樣偏差。
  • 確認沒有捏造的統計數據。

限制

  • 發現結果僅描述所提供的資料集,而非整個市場。
  • 收集時的來源偏差會延續至分析結果中。

相關技能