analytics-skills

Analytics‑skills fornece uma caixa de ferramentas de habilidades de agente de IA que permite que grandes modelos de linguagem interpretem dados de análises web com o rigor de um analista sênior. O pacote vem com um conjunto de habilidades reutilizáveis e mapas de ferramentas específicos por plataforma, permitindo que os agentes diagnostiquem alterações de tráfego, avaliem a qualidade de canais e funis, comparem métricas-chave, criem esquemas de eventos tipados, leiam e interpretem resultados de testes A/B (incluindo análise bayesiana), realizem monitoramento sequencial e apliquem raciocínio causal usando a hierarquia de Pearl e DAGs. Principais habilidades incluem: - **analytics‑profile‑setup**: uma entrevista que captura o contexto de negócio (modelo, objetivo de conversão, faixa de tráfego, ICP, pilha de dados) em um arquivo `analytics-profile.md` utilizado por todas as outras habilidades. - **analytics‑diagnostic‑method**: um framework de hipótese MECE em cinco etapas com apresentação pelo Princípio da Pirâmide. - **traffic‑change‑diagnosis**: identificação de regressões, picos de bots, quedas relacionadas a implantações, decadência de SEO, etc. - **channel‑and‑funnel‑quality**: matriz de volume, engajamento e conversão, detecção de tráfego vaidoso, benchmarks da indústria. - **metric‑context‑and‑benchmarks**: faixas contextuais para bounce, CVR, LTV:CAC e orientação de tamanho de amostra. - **event‑schema‑author**: gera um `event‑schema.yaml` portátil e tipos TypeScript a partir de chamadas de rastreamento existentes. - **experiment‑result‑reader** e **bayesian‑experiment‑reader**: calculam o lift, aplicam disciplina de tamanho de amostra e teste sequencial, retornam veredictos com intervalos de credibilidade. - **sequential‑monitoring**: mSPRT e sequências de confiança para espiar honestamente. - **causal‑query‑classifier**, **causal‑dag‑builder**, **causal‑evidence‑checklist**: classificam, visualizam e validam reivindicações causais. - **anomaly‑detection‑time‑series**: STL, mudança pontual bayesiana, Prophet, SPRT, causalidade de Granger para alterações de tráfego ambíguas. As habilidades são neutras em relação à plataforma; cada provedor de análise suportado possui um mapa de ferramentas em `tool-maps/` (Amplitude, Clamp, GA4, Mixpanel, PostHog). Adicionar um novo provedor requer apenas um novo mapa de ferramentas seguindo o modelo fornecido. A instalação é simples via Claude Code (`/plugin marketplace add clamp-sh/analytics-skills`), via a CLI Skills‑spec (`npx skills add clamp-sh/analytics-skills`), ou clonando o repositório e copiando os arquivos de habilidade para o diretório local apropriado. O uso é orientado por modelo: após executar a entrevista inicial `analytics-profile-setup`, os usuários simplesmente fazem perguntas em linguagem natural como \"O tráfego caiu 30% na terça‑feira. O que aconteceu?\" ou \"Nosso funil de inscrição está quebrado?\" e a habilidade apropriada é invocada automaticamente. O projeto é licenciado sob MIT, aceita contribuições e referencia uma variedade de benchmarks da indústria e métodos estatísticos para garantir análises confiáveis.