analytics-skills

Analytics‑skills proporciona un conjunto de habilidades de agentes de IA que habilitan a los grandes modelos de lenguaje para interpretar datos de analítica web con el rigor de un analista senior. El paquete incluye un conjunto de habilidades reutilizables y mapas de herramientas específicos por plataforma, permitiendo a los agentes diagnosticar cambios de tráfico, evaluar la calidad de canales y funnels, comparar métricas clave, crear esquemas de eventos tipados, leer e interpretar resultados de pruebas A/B (incluyendo análisis bayesiano), realizar monitoreo secuencial y aplicar razonamiento causal usando la jerarquía y los DAGs de Pearl. Habilidades clave: - **analytics‑profile‑setup**: una entrevista que captura el contexto de negocio (modelo, objetivo de conversión, rango de tráfico, ICP, pila de datos) en un archivo `analytics-profile.md` utilizado por todas las demás habilidades. - **analytics‑diagnostic‑method**: un marco de hipótesis MECE de cinco pasos con presentación basada en el Principio de la Pirámide. - **traffic‑change‑diagnosis**: identificación de regresiones, picos de bots, caídas relacionadas con despliegues, decadencia SEO, etc. - **channel‑and‑funnel‑quality**: matriz de volumen, engagement y conversión, detección de tráfico vanidoso, referencia a benchmarks de la industria. - **metric‑context‑and‑benchmarks**: rangos contextuales para rebote, CVR, LTV:CAC y orientación sobre tamaño de muestra. - **event‑schema‑author**: genera un `event‑schema.yaml` portátil y tipos TypeScript a partir de llamadas de seguimiento existentes. - **experiment‑result‑reader** y **bayesian‑experiment‑reader**: calculan el levantamiento, aplican disciplina de tamaño de muestra y pruebas secuenciales, devuelven veredictos con intervalos creíbles. - **sequential‑monitoring**: mSPRT y secuencias de confianza para un "peeking" honesto. - **causal‑query‑classifier**, **causal‑dag‑builder**, **causal‑evidence‑checklist**: clasifican, visualizan y validan reclamaciones causales. - **anomaly‑detection‑time‑series**: STL, cambio de punto bayesiano, Prophet, SPRT, causalidad de Granger para cambios de tráfico ambiguos. Las habilidades son neutrales respecto a la plataforma; cada proveedor de analítica soportado tiene un mapa de herramientas bajo `tool-maps/` (Amplitude, Clamp, GA4, Mixpanel, PostHog). Añadir un nuevo proveedor solo requiere crear un nuevo mapa de herramientas siguiendo la plantilla proporcionada. La instalación es sencilla mediante Claude Code (`/plugin marketplace add clamp-sh/analytics-skills`), mediante la CLI de Skills‑spec (`npx skills add clamp-sh/analytics-skills`), o clonando el repositorio y copiando los archivos de habilidad al directorio local apropiado. El uso está impulsado por el modelo: después de ejecutar la entrevista inicial `analytics-profile-setup`, los usuarios simplemente hacen preguntas en lenguaje natural como "El tráfico cayó un 30% el martes. ¿Qué pasó?" o "¿Nuestro funnel de registro está roto?" y la habilidad adecuada se invoca automáticamente. El proyecto está licenciado bajo MIT, acepta contribuciones y referencia una variedad de benchmarks de la industria y métodos estadísticos para garantizar un análisis fiable.