AB return-rate-reducer
Снижение уровня возвратов в электронной коммерции посредством анализа первопричин на основе данных, исправления страниц продуктов и оптимизации политики. Используйте этот навык всякий раз, когда пользователь упоминает процент возвратов, процент возвратов средств, высокие возвраты, причины возвратов, возвраты по размеру, несоответствие ожиданиям, точность описания продукта, политику возврата, злоупотребление возвратами, стоимость обратной логистики, снижение возвратов, предотвращение возвратов или хочет проанализировать, почему клиенты возвращают товары. Также активируйте, когда пользователь делится данными о возвратах, отзывами, упоминающими разочарование или "не соответствует описанию", или спрашивает, как улучшить страницы продуктов для предотвращения возвратов — даже если они явно не говорят "процент возвратов". Охватывает любую категорию электронной коммерции (мода, электроника, косметика, дом, животные, еда и т. д.).
машинный переводПоказать оригиналСкрыть оригинал«Reduce e-commerce return rates through data-driven root-cause analysis…»
Reduce e-commerce return rates through data-driven root-cause analysis, product-page fixes, and policy optimization. Use this skill whenever the user mentions return rate, refund rate, high returns, return reasons, size-related returns, expectation mismatch, product-description accuracy, return policy, return abuse, reverse logistics cost, reducing returns, return prevention, or wants to analyze why customers return products. Also trigger when the user shares return data, reviews mentioning disappointment or "not as described," or asks how to improve product pages to prevent returns — even if they don't explicitly say "return rate." Covers any e-commerce category (fashion, electronics, beauty, home, pet, food, etc.).
Снижение уровня возвратов в электронной коммерции посредством анализа первопричин на основе данных, исправления страниц продуктов и оптимизации политики.
Как процесс B 71/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу
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: 10. 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 71/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 60Ошибки и развилки. Развилок: 2
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 41
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2176 токенов
- medium Тестов 3, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»
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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- -31 из 3 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 2 примера фраз-триггеров в кавычках
- +3Длина description 726 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 41 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.