AC abandoned-checkout-monitor
Мониторинг воронки от корзины до оформления заказа, обнаружение аномальных проблем и плейбуки для восстановления с использованием нескольких касаний в электронной коммерции. Используйте этот навык, когда пользователь упоминает брошенные корзины, отток при оформлении заказа, низкую конверсию оформления заказа (ниже ~2%), почему нет заказов, нет продаж, корзина не конвертируется, клиенты уходят на этапе оплаты, шок от стоимости доставки, высокая стоимость доставки по регионам, ошибка оплаты, ошибки шлюза, товары с высокой средней стоимостью заказа (AOV), застрявшие в корзине без покупки, или когда нужны письма для восстановления / кампании по возвращению ушедших клиентов. Также активируйте при отслеживании поведения корзины в реальном времени, утечек в воронке или низкой конверсии оформления заказа — даже если продавец задает вопросы в общем виде («почему нет заказов», «никто не покупает»). НЕ используйте для простого поиска наличия товара, просмотра статуса или деталей заказа, или чисто инвентарных вопросов без контекста оформления заказа.
машинный переводПоказать оригиналСкрыть оригинал«Deep cart-to-checkout funnel monitoring, abnormal friction detection,…»
Deep cart-to-checkout funnel monitoring, abnormal friction detection, and multi-touch recovery playbooks for e-commerce. Use this skill whenever the user mentions abandoned carts, checkout drop-off, low checkout conversion (under ~2%), why no orders, no sales, cart not converting, customers leaving at payment, shipping shock, high shipping cost by region, payment failed, gateway errors, high-AOV items stuck in cart without purchase, or wants recovery emails / win-back sequences for checkout leavers. Also trigger on real-time cart behavior, funnel leaks, or low checkout conversion — even if the merchant only asks vaguely ("why no orders," "nobody's buying"). Do NOT use for simple stock lookups, basic order status or detail-only views, or pure inventory questions without checkout context.
Мониторинг воронки от корзины до оформления заказа, обнаружение аномальных проблем и плейбуки для восстановления с использованием нескольких касаний в…
Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 59/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 60Ошибки и развилки. Развилок: 2
- 100Шаги. Шагов: 23
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1025 токенов
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
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 2 примера фраз-триггеров в кавычках
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 797 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 23 пунктов
- +4Справочные файлы упоминаются в инструкциях (1 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.