SKILLEMALL.ai
GitHub ↗ EN Войти

AC Map Customer Micromoments Across Web Analytics & CRM Platforms

Анализ точек взаимодействия в пути клиента для выявления микромоментов, связанных с намерением, фрустрацией и готовностью к покупке. Используйте, когда пользователю нужны карты поведения аудитории, извлечение эмоциональных триггеров или оптимальные окна для вмешательства в целевые последовательности поддержки.

машинный переводПоказать оригиналСкрыть оригинал«Analyze customer journey touchpoints to identify micro-moments of inte…»

Analyze customer journey touchpoints to identify micro-moments of intent, frustration, and buying readiness. Use when the user needs audience behavior maps, emotional trigger extraction, or optimal intervention windows for targeted nurture sequences.

ClawHub Agent Skills автор: ncreighton v1.0.0 MIT-0 2 файла тело ≈ 3 678 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Анализ точек взаимодействия в пути клиента для выявления микромоментов, связанных с намерением, фрустрацией и готовностью к покупке.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИнфраструктураМаркетингПродажи и CRMтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Утечка данных exfil-webhook-url SKILL.md:150
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
      export SLACK_WEBHOOK_URL="https://hooks.slack.com/..."
      заглушка

    Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 52/100

    • 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: 4, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (Map Customer Micromoments Across Web Analytics & CRM Platforms) не совпадает с папкой (audience-micromoment-mapper)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 49
    • 100Стоимость исполнения. Тело инструкции 3678 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 250 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 30 заголовков
    • +3Пошаговые инструкции: 49 пунктов
    • +4Есть примеры (12 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

    Внешние проверки

    ClawHub: suspicious
    This skill is not malicious, but it handles sensitive customer profiling data and can push segments or workflow actions into external systems with weak privacy and approval scoping.
    LLM: suspicious (high) · VirusTotal: · 20 авг. 2026 г.