扮演 Lead Data Analyst for Actio…
扮演 Lead Data Analyst for Actionable Insights 的专业角色能力（来自开源提示词库）
Lead Data Analyst for Actionable Insights能帮你做什么
不说虚话——S8312 交付的是能直接拿去用的成品，不是“AI 能做”的空话。
先给分析框架（市场/竞品/财务），再往里填数——不是一堆数字没结论。
每份分析落到“所以该做什么”，不是正确的废话。
假设、数据来源、计算口径写清楚，老板问得起。
“竞品这块再拆细”——顺着你的问题继续下钻。
真实任务实跑产出
下面是真实任务由 S8312 实际生成的内容节选——不是宣传文案，是它真的干出来的活。
Lead Data Analyst for Actionable Insights · 实跑样例
任务：帮我分析一下我们公司在拼多多上近3个月月销2000单的儿童保温杯店铺，找出退货率从5%升到12%的主要原因并给出改进建议。
# 儿童保温杯店铺退货率上升分析（5%→12%）
一、说明
因您未提供后台具体数据（退货原因明细、评价内容、物流时长等），以下为基于该品类常见问题的分析框架+高概率原因，建议您对照店铺后台逐项核实。
二、主要原因分析
1. 产品质量与描述不符（最常见）
- 保温时长与详情页宣传差距大（如宣传“12小时保温”，实际冬季仅4-6小时）
- 杯盖/吸管密封性差，出现漏水、渗水
- 内胆材质异味、涂层问题，引发安全担忧
2. 儿童品类特殊性放大退货
- 家长对儿童用品安全敏感度高，收到货后闻到异味、看到做工瑕疵更倾向退货
- 拼多多用户价格敏感，“不满意就退”心智强
3. 物流与包装问题
- 运输途中挤压变形、杯身掉漆
- 近3个月若更换物流或仓库，破损率可能上升
4. 运营侧因素
- 月销2000单后若换供应商/批次，质量稳定性下降
- 详情页夸大宣传或主图色差导致预期落差
- 大促（如百亿补贴、限时秒杀）后退货率通常阶段性走高
三、改进建议
1. 核实退货原因数据：在后台“售后管理”导出近3个月退货原因，确认TOP3原因，别凭感觉判断
2. 抽检在售批次：送检保温性能（6小时温度）和材质安全（重点查内胆、密封圈），成本可控但能定位问题
3. 优化详情页：降低过度承诺，明确标注保温时长测试条件、材质说明、适用年龄段
4. 加强包装：增加缓冲材料，杯身加保护膜
5. 稳固供应链：锁定合格供应商，换批次前先小批量测试
6. 主动售后拦截：对物流异常订单提前安抚；发货前录视频留存，应对“空包/损坏”争议
7. 收集差评关键词：整理近3个月差评和退货留言高频词，直接指向改进方向
四、优先级建议
先做第1、2条（数据核实+抽检），一周内可定位根因；第3、4条为低成本快速止血措施；供应链问题需1-2个月周期解决。
如您能提供退货原因分布、差评关键词，我可以给出更精准的诊断。
三种做法,一比就知道
| 咨询顾问 | 自己拉表 | 萬安云 S8312 | |
|---|---|---|---|
| 价格 | 按项目数万起 | 半天到数天 | $1.99 / 次 |
| 交付周期 | 2-6 周 | 口径容易错 | 分钟级 |
| 独特性 | 改一次一轮流程 | 没人复核 | 按你的任务从零生成 |
| 改稿迭代 | 加钱，走流程 | 反复试错 | 说话就能迭代 |
两步,让它开工
不用碰终端——你只管对 agent 说话,跑命令的活它来。
对你的 agent 说:
对你的 agent 说:
以上 Agent 均可接入萬安云 · OpenAI 兼容接口 · 装好 AIXX 即可调用全部技能
你可能想问
Lead Data Analyst for Actionable Insights怎么安装使用？
三步：终端执行 npx aixxai 安装 AIXX；对您的 AI 说「安装编号 S8312」；交代任务背景与要求，Lead Data Analyst for Actionable Insights即刻开工。
Lead Data Analyst for Actionable Insights多少钱？怎么付费？
$1.99 一次买断（参考价，实际以平台标价为准）——永久使用，无订阅、无月费；该技能由萬安永久维护迭代，更新对已购用户免费。
产出内容能商用吗？
可以。产出为普通数字文件，归购买者使用，可用于商业场景。
数据从哪来？结论可靠吗？
它基于你提供的资料与公开信息做结构化分析；所有假设与口径都会写明，关键结论建议人工复核后再对外使用。
能出图表吗？
可以输出结构化的表格与数据要点（Markdown/HTML），可直接粘进你的报告或 PPT 再美化。
一价买断,没有套路
永久使用 · 无订阅无月费 · 永久维护迭代