SKILLEMALL.ai
GitHub ↗ EN Войти

AD channel-economics

Используйте при обзоре или ребалансировке экономики прямых и партнерских каналов — расчет полной стоимости обслуживания для каждого канала, рентабельность инвестиций в канал с учетом денежных средств / LTV / предельных показателей, а также оптимальное сочетание каналов с учетом ограничений. Для руководителя отдела коммерции, RevOps и вице-президента по продажам, проводящих ежеквартальный обзор каналов, когда конвейер смешанный (например, 60% прямых + 40% партнерских), и никто точно не знает, какой канал приносит деньги после учета CAC, нагрузки поддержки, партнерской скидки, разницы в скорости сделок, разницы в удержании и распределения накладных расходов. Результаты: стоимость обслуживания, вердикты по рентабельности инвестиций в канал (УДВОИТЬ УСИЛИЯ / ПОДДЕРЖИВАТЬ / ПЕРЕСТАТЬ ФИНАНСИРОВАТЬ / ВЫЙТИ), рекомендация по оптимальному сочетанию каналов с учетом анализа чувствительности и точка убывающей отдачи (например, «какой канал на самом деле приносит деньги — прямой или партнерский?»).

машинный переводПоказать оригиналСкрыть оригинал«Use when reviewing or rebalancing direct vs. partner-led channel econo…»

Use when reviewing or rebalancing direct vs. partner-led channel economics — computing fully-loaded cost-to-serve per channel, channel ROI with cash / LTV / marginal lenses, and optimal channel mix subject to constraints. For Head of Commercial, RevOps, and VP Sales doing quarterly channel review when pipeline is mixed (e.g., 60% direct + 40% partner-led) and nobody actually knows which channel makes money after CAC, support load, partner discount, deal-velocity differences, retention differential, and overhead allocation are all loaded in. Outputs cost to serve, channel ROI verdicts (DOUBLE-DOWN / MAINTAIN / DEFUND / EXIT), a sensitivity-tested channel-mix recommendation, and the diminishing-returns inflection (e.g., 'which channel actually makes money — direct or partner?').

alirezarezvani/claude-skills Agent Skills автор: alirezarezvani MIT 8 файлов тело ≈ 3 055 токенов Открыть источникgithub.com↗ проанализирован 27 ч назад

Используйте при обзоре или ребалансировке экономики прямых и партнерских каналов — расчет полной стоимости обслуживания для каждого канала, рентабельность…

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИнфраструктураДанные и аналитикаФинансытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
D
47/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "compatible_tools"

    Процессный рейтинг: все десять параметров 47/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 48
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3055 токенов
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 787 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 48 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 3 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.