/ 目錄 / 演練場 / claude-ecom
● 社群 takechanman1228 ⚡ 即開即用

claude-ecom

作者 takechanman1228 · takechanman1228/claude-ecom

放入銷售 CSV,即可獲得 KPI 分解、排序後的發現與具體後續行動——由 Python 分析後端驅動。

專為電商營運者設計的 Claude Code 技能。輸入訂單或銷售 CSV,產出結構化的業務回顧報告:營收分解、轉換率與 AOV 趨勢、客戶群組訊號,以及優先排序的行動清單。使用 Python 後端執行計算,確保數字正確,而非 LLM 猜測的結果。

為什麼要用

核心特性

即時演示

實際使用效果

claude-ecom-skill.replay ▶ 就緒
0/0

安裝

作者儲存庫 · Claude Skills 官方文件

使用場景

實戰用法: claude-ecom

10 分鐘完成每週銷售回顧,而非耗費 2 小時

👤 DTC 品牌創辦人、電商經理 ⏱ ~15 min beginner

何時使用: 週一早上回顧上週數字。

步驟
  1. 提交 CSV 檔案
    Use claude-ecom. Here's last week's orders.csv — do a KPI decomposition and tell me what moved.✓ 已複製
    → 營收、轉換率、客單價數字及週比較差異
  2. 請求發現摘要
    Rank the top 3 findings by impact. Be specific — named SKUs, traffic sources, time windows.✓ 已複製
    → 附有數據支撐的發現,而非「營收上升」這類空話
  3. 提取行動項目
    For each finding, propose one concrete action I can take this week.✓ 已複製
    → 可直接貼入週一站會的行動清單

結果: 一份我真的會閱讀的每週回顧報告。

注意事項
  • CSV 資料品質差,分析結果就會很差 — 先清理匯出資料——合併退款、排除測試訂單
搭配使用: filesystem

找出特定 SKU 表現不佳的原因

👤 產品經理、商品規劃人員 ⏱ ~20 min intermediate

何時使用: 主力 SKU 突然降速,需要釐清是流量、轉換率還是定價問題。

步驟
  1. 篩選至特定 SKU
    Use claude-ecom. Focus on SKU SHIRT-BLK-M for the last 60 days. Decompose revenue into traffic × CVR × AOV and compare to the prior 60.✓ 已複製
    → 各因子明確差異的分解結果
  2. 檢查渠道分布
    Is the drop concentrated in one channel or across all?✓ 已複製
    → 附集中度分析的渠道細分

結果: 一份明確的診斷,而非模糊感覺。

從訂單資料產出客戶群組留存報告

👤 關注 LTV 的成長團隊 ⏱ ~30 min intermediate

何時使用: 季度回顧群組回購率時。

步驟
  1. 對資料進行群組分析
    Use claude-ecom. Build a monthly acquisition-cohort retention table — orders/customer by month since first order.✓ 已複製
    → 三角形留存率表格
  2. 比較各群組
    Which cohort is best? Worst? What's different about them?✓ 已複製
    → 以資料為基礎的假設推論

結果: 一份可向投資人展示的留存視圖。

注意事項
  • 資料時間窗口過短會使近期群組數據失真 — 將歷史不足 3 個月的群組標記為暫定數據

組合

與其他 MCP 搭配,撬動十倍槓桿

claude-ecom-skill + filesystem

指向一個存放每週 CSV 的資料夾,進行自動化趨勢分析

Run the weekly review for each CSV in data/weekly/ and build a running dashboard.✓ 已複製
claude-ecom-skill + bigquery-server

改從資料倉儲提取資料,而非使用 CSV

Query BigQuery for last week's orders and feed into claude-ecom for the review.✓ 已複製

工具

此 MCP 暴露的能力

工具輸入參數何時呼叫成本
load_csv path, column mapping 開始任何分析時 local
kpi_decompose date range 每週/每月回顧時 local Python
rank_findings analysis output 分解完成後 0
cohort_table cohort granularity 留存分析時 local

成本與限制

運行它的成本

API 配額
None
每次呼叫 Token 數
中等——僅傳送摘要表格,不含原始資料列
費用
免費(需要本機 Python)
提示
在 Python 端完成聚合;切勿將原始訂單資料列貼入提示詞中。

安全

權限、密鑰、影響範圍

憑證儲存: None
資料出站: 訂單摘要與分析發現會傳送至 Claude API;若在伺服器端完成聚合,原始資料列可留在本機

故障排查

常見錯誤與修復

Column mapping fails

標準 Shopify/WooCommerce 匯出格式可直接使用。若為自訂匯出格式,請在提示詞中提供欄位對應設定。

Wild numbers in the output

請檢查是否有重複的訂單資料列,或營收欄位中包含非貨幣數值

替代方案

claude-ecom 對比其他方案

替代方案何時用它替代權衡
Looker Studio / Metabase dashboards需要持續性儀表板,而非一次性回顧報告建置成本較高;無 LLM 生成的敘述分析
Shopify's own reports需要快速的內建檢視功能分析較淺;不支援跨店面或群組分析

更多

資源

📖 閱讀 GitHub 上的官方 README

🐙 查看未解決的 issue

🔍 瀏覽全部 400+ MCP 伺服器和 Skills