# Self Media Content Analytics

> 分析单篇、系列、周度或月度自媒体数据并形成可执行复盘。用于读取平台后台截图、CSV、表格、公开链接或用户提供的数据，计算关注效率和深度互动，比较同平台基线，归因选题、标题、封面、开头、结构、发布时间、标签和行动，并输出加码、改包装、再适配、停止或继续收集样本的决策。

- **Type:** Skill
- **Install:** `agentstack add skill-yanhua1010-self-media-content-workflow-self-media-content-analytics`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [yanhua1010](https://agentstack.voostack.com/s/yanhua1010)
- **Installs:** 0
- **Category:** [Data & Analytics](https://agentstack.voostack.com/c/data-and-analytics)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [yanhua1010](https://github.com/yanhua1010)
- **Source:** https://github.com/yanhua1010/self-media-content-workflow/tree/main/skills/self-media-content-analytics

## Install

```sh
agentstack add skill-yanhua1010-self-media-content-workflow-self-media-content-analytics
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# 内容数据复盘

## 数据来源

优先使用：

1. 用户提供的平台后台截图和导出文件。
2. 已认证连接器或用户自有账号的只读统计接口。
3. 内容任务卡、注册表和历史复盘。
4. 公开内容链接，仅用于公开指标和结构观察。

不要估算平台没有提供的数据。读取自有账号数据不等于授权修改账号或发布内容。

需要持续记录时，从 [metrics-ledger-template.md](assets/metrics-ledger-template.md) 创建原始指标台账。若项目已有数据库、表格或分析系统，继续使用现有系统，不重复建账。

## 分析流程

### 1. 校验数据

检查平台、内容、发布日期、观察窗口、字段定义、缺失值和异常值。区分曝光、阅读或播放、互动、关注、转化和制作成本。

### 2. 给出核心结论

说明表现相对自身基线如何、最值得注意的信号是什么，以及哪些结论不能成立。

### 3. 做归因

按证据强弱检查：

- 选题和目标受众。
- 标题和封面。
- 开头 3 秒或第一屏。
- 结构、证据和信息密度。
- 发布时间、标签、合集和行动。
- 热点、投流、商单和账号体量等外部因素。

相关性不等于因果。没有对照或样本不足时写“待验证”。

### 4. 做同类比较

只比较同平台、同内容类型和相近时间窗口。优先使用中位数、P75、每千浏览新关注、深度互动率和制作时间。跨平台原始播放量不能直接排名。

完整指标定义见 [metrics.md](references/metrics.md)。

### 5. 形成决策和实验

结论归入：加码、改包装、改主页或系列、平台再适配、停止、样本不足。

每次只设计一个主要实验变量，写清假设、改动、成功标准和观察窗口。

## 复盘层级

- 单篇复盘：使用 [content-review-template.md](assets/content-review-template.md)。
- 周复盘：使用 [weekly-review-template.md](assets/weekly-review-template.md)。
- 月复盘：使用 [monthly-review-template.md](assets/monthly-review-template.md)。

## 输出

交付：

1. 核心结论。
2. 数据质量和基线说明。
3. 归因及证据强度。
4. 可复制因素和不可归因因素。
5. 3 到 5 条可执行动作。
6. 待验证假设和唯一实验。

商单与自然内容分开分析。样本不足时不调整长期内容比例。

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [yanhua1010](https://github.com/yanhua1010)
- **Source:** [yanhua1010/self-media-content-workflow](https://github.com/yanhua1010/self-media-content-workflow)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-yanhua1010-self-media-content-workflow-self-media-content-analytics
- Seller: https://agentstack.voostack.com/s/yanhua1010
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.