用途：该技能用于把程序化广告数据与零售、库存系统数据合并，计算跨渠道的广告支出回报率（ROAS），帮助营销人员评估各渠道与活动的真实效果。
主要能力：提供广告连接器（Google Ads、Facebook Ads、DV360）、零售连接器（Shopify、Square）、库存连接器（仓库 API）；支持数据合并与多种归因模型，包括 Last Click、First Click、Linear、Time Decay、Position Based，并可设置归因窗口（如 7、14、30 天）；ROASCalculator 可计算总体 ROAS、按渠道、按广告系列、按商品的 ROAS，并支持纳入退货、COGS、运费等成本维度。还提供报告生成、批量处理、连接测试与数据匹配诊断等工具。
使用方式：先克隆仓库 https://github.com/alphaparkinc/genpark-cross-channel-marketing-data-joiner-skill.git 并进入目录，运行 pip install -r requirements.txt 安装依赖，也可用 pip install git+https://github.com/alphaparkinc/genpark-cross-channel-marketing-data-joiner-skill.git 安装为包。随后可通过 config.yaml 配置数据源、归因与输出选项，用环境变量提供各平台凭证，再通过 CrossChannelJoiner 调用 join_and_calculate 进行合并与 ROAS 计算。
适用场景：跨渠道 ROAS 分析、周度 ROAS 报告、多归因模型对比、实时 ROAS 监控、结合库存水平与利润的广告活动优化建议。
限制：需要自行准备并配置各广告、零售与库存平台的 API 凭证；数据匹配、归因窗口与大数量级数据可能需调优；具体可用平台、字段与输出格式以仓库及配置为准。价格、收费、效果承诺等资料暂未提供。