analytics-skills

Analytics‑skills fournit une boîte à outils de compétences pour agents IA qui permettent aux grands modèles de langage d'interpréter les données d'analyse web avec la rigueur d'un analyste senior. Le package est livré avec un ensemble de compétences réutilisables et des tool‑maps spécifiques aux plateformes, permettant aux agents de diagnostiquer les changements de trafic, d'évaluer la qualité des canaux et des entonnoirs, de comparer les indicateurs clés, de rédiger des schémas d'événements typés, de lire et d'interpréter les résultats de tests A/B (y compris l'analyse bayésienne), d'effectuer une surveillance séquentielle et d'appliquer un raisonnement causal en utilisant la hiérarchie de Pearl et les DAG. Les compétences clés incluent : - **analytics‑profile‑setup** : un entretien qui capture le contexte commercial (modèle, objectif de conversion, plage de trafic, ICP, pile de données) dans un fichier `analytics-profile.md` utilisé par toutes les autres compétences. - **analytics‑diagnostic‑method** : un cadre d'hypothèses MECE en cinq étapes avec une présentation selon le principe de la pyramide. - **traffic‑change‑diagnosis** : identification des régressions, des pics de bots, des chutes liées aux déploiements, du déclin SEO, etc. - **channel‑and‑funnel‑quality** : matrice du volume, de l'engagement et de la conversion, détection du trafic futile, benchmarks sectoriels. - **metric‑context‑and‑benchmarks** : plages contextuelles pour le taux de rebond, CVR, LTV:CAC et conseils sur la taille de l'échantillon. - **event‑schema‑author** : génère un fichier `event‑schema.yaml` portable et des types TypeScript à partir des appels de suivi existants. - **experiment‑result‑reader** et **bayesian‑experiment‑reader** : calculent le lift, appliquent la discipline de taille d'échantillon et de tests séquentiels, et retournent des verdicts avec des intervalles de crédibilité. - **sequential‑monitoring** : mSPRT et séquences de confiance pour un examen honnête des données. - **causal‑query‑classifier**, **causal‑dag‑builder**, **causal‑evidence‑checklist** : classent, visualisent et valident les affirmations causales. - **anomaly‑detection‑time‑series** : STL, point de changement bayésien, Prophet, SPRT, causalité de Granger pour les changements de trafic ambigus. Les compétences sont neutres vis-à-vis de la plateforme ; chaque fournisseur d'analyse supporté possède une tool‑map sous `tool-maps/` (Amplitude, Clamp, GA4, Mixpanel, PostHog). L'ajout d'un nouveau fournisseur nécessite seulement une nouvelle tool‑map suivant le modèle fourni. L'installation est simple via Claude Code (`/plugin marketplace add clamp-sh/analytics-skills`), via le CLI Skills‑spec (`npx skills add clamp-sh/analytics-skills`), ou en clonant le dépôt et en copiant les fichiers de compétences dans le répertoire local approprié. L'utilisation est pilotée par le modèle : après avoir effectué l'entretien initial `analytics-profile-setup`, les utilisateurs posent simplement des questions en langage naturel telles que « Le trafic a chuté de 30 % mardi. Que s'est-il passé ? » ou « Notre entonnoir d'inscription est-il cassé ? » et la compétence appropriée est invoquée automatiquement. Le projet est sous licence MIT, accueille les contributions et s'appuie sur une gamme de benchmarks sectoriels et de méthodes statistiques pour garantir une analyse fiable.