SKILLEMALL.ai
GitHub ↗ EN Войти

AB user-segmentation

Сегментирует пользователей на основе данных обратной связи по поведению, JTBD (Jobs To Be Done) и потребностям. Определяет как минимум 3 различных сегмента пользователей. Используйте при сегментации базы пользователей, анализе разнообразной обратной связи от пользователей или построении модели сегментации.

машинный переводПоказать оригиналСкрыть оригинал«Segment users from feedback data based on behavior, JTBD, and needs. I…»

Segment users from feedback data based on behavior, JTBD, and needs. Identifies at least 3 distinct user segments. Use when segmenting a user base, analyzing diverse user feedback, or building a segmentation model.

skytiger6724/qwen-skills Agent Skills автор: skytiger6724 1 файл тело ≈ 960 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Сегментирует пользователей на основе данных обратной связи по поведению, JTBD (Jobs To Be Done) и потребностям.

Как процесс B 75/100 · Почти готов — слабые места: когда включается, отчётность по ходу

АнализаторМаркетингПоддержка клиентовМедиа и видеотип и темы размечены автоматически по тексту скилла
Запускается в: Qwen Code Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
B
75/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Ошибки и развилки вес 10
55
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: RA-Skills

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: 1. 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 75/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 41
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 960 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 214 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 41 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.