performance-analytics

Performance Analytics for Sales Bots 是一项用于构建自动化销售分析系统的技能。其目标是帮助设计能够追踪转化率、识别流失点并揭示响应模式的系统，以持续改进机器人表现。

用途

该技能面向希望构建或改进销售机器人分析能力的用户，用于追踪转化率、流失点和响应模式。

初始评估

在提供指导前，需要先了解以下信息：

上下文：机器人做什么（资格筛选、预约、销售）？对话量有多大？目前有哪些分析？
当前状态：正在追踪哪些指标？数据流向哪里？缺少哪些洞察？
目标：分析将支持哪些决策？成功是什么样子？

核心原则

衡量关键指标：并非所有可衡量的事物都重要，聚焦可行动指标，并与业务成果挂钩。
上下文是关键：原始数字会误导，需分群和对比，理解原因。
面向行动构建：驱动决策的仪表盘、异常告警、清晰的改进路径。
迭代与学习：分析应不断演进，新问题需要新指标，持续改进。

关键指标框架

体量指标：对话总数、按渠道/时间段/入站出站划分的对话数；每条对话消息数、机器人消息与人工消息、响应率。
转化指标：漏斗阶段（响应率、参与率、资格率、预约率、转化率）；按结果（合格线索、预约会议、成交、归因收入）。
质量指标：对话质量（情绪轨迹、客户满意度、人工接管率、解决率）；机器人表现（理解准确率、响应适当性、回退率、错误率）。
效率指标：速度（响应时间、资格筛选时间、预约时间、对话时长）；自动化（完全自动化对话占比、人工干预率、每次转化触点数）。

漏斗分析

漏斗构建：对话开始 → 收到首次响应 → 合格（满足标准）→ 预约会议 → 参加会议 → 创建商机 → 成交。提供 calculateFunnelMetrics 函数示例，计算各阶段转化率（响应率、资格率、预约率、出席率、转化率）。提供 findDropOffPoints 函数示例，识别流失点并按流失率降序排序。

对话分析

消息级追踪：时间戳、发送者（机器人或人工）、内容、检测到的意图、情绪分数、置信度、响应时间。
对话级聚合：ConversationMetrics 结构包含 id、渠道、开始/结束时间、时长、消息数、机器人/人工消息数、情绪起止与趋势、检测意图、提出的异议、资格分数、结果、是否升级、升级原因、回退次数。
模式检测：findConversationPatterns 函数分析成功与失败对话，提取常见模式、常见异议、常见流失点，并找出分歧点。

分群分析

分群维度：按渠道（短信/邮件/聊天、入站/出站、付费/自然）、按潜在客户（行业、公司规模、角色/资历、地域）、按时间（星期几、一天中的时间、周环比、月环比）、按内容（首条消息变体、资格路径、遇到的异议）。提供 compareSegments 函数示例，进行统计对比，找出最佳表现和显著差异。

实时监控

关键告警：体量告警（对话量下降、响应率下降、异常峰值）、质量告警（情绪下降、回退率上升、错误率上升）、表现告警（转化率下降、预约率下降、升级率激增）。提供 alerts 配置示例，包含指标、条件、阈值、窗口、严重程度。

仪表盘设计

高管仪表盘：回答机器人产生多少线索、转化率、表现趋势；指标包括对话数、合格线索、预约会议、转化率、归因收入。
运营仪表盘：回答对话在哪里流失、升级原因、需要修复什么；指标包括带流失率的漏斗、升级率及原因、回退率及触发因素、错误率及类型、响应时间分布。
优化仪表盘：回答什么最有效、应该测试什么、可以改进什么；指标包括 A/B 测试结果、最佳/最差表现消息、分群表现对比、模式分析。

数据基础设施

事件追踪：提供 trackEvent 示例，追踪 conversation_started、message_received、meeting_booked 等事件。
数据管道：事件 → 队列 → 处理 → 存储，并分支到聚合 → 仪表盘 → 告警。
存储模式：conversations、messages、events、metrics_daily、metrics_hourly 表结构。

改进循环

每周回顾流程：审查仪表盘（关键指标与目标、周环比趋势、异常与问题）；分析流失（在哪里流失、为什么流失、可以测试什么）；审查对话（抽样失败与成功对话、识别模式）；规划改进（优先机会、设计测试、实施变更）。
每月深度分析：队列分析、分群表现审查、A/B 测试组合审查、路线图优先级排序。

常见错误

虚荣指标：追踪不重要的事物；修复：将每个指标与业务成果关联。
无分群：只看平均值；修复：始终分群以发现洞察。
无上下文：数字没有意义；修复：与基准、趋势、分群对比。
分析瘫痪：数据太多，没有行动；修复：聚焦可行动洞察。
过时仪表盘：构建一次，从不更新；修复：定期审查和迭代。

实施清单

阶段 1 基础：所有交互的事件追踪、基本漏斗指标、转化追踪、简单仪表盘。
阶段 2 分析：分群能力、模式检测、流失分析、A/B 测试追踪。
阶段 3 优化：实时监控、自动告警、预测性洞察、持续改进循环。

需要询问的问题

如果需要更多上下文：目前有哪些分析？分析将支持哪些决策？处理多少对话量？使用什么工具/基础设施？谁将使用这些分析？

技能介绍

用途