PROFILE / OPERATING RULES
这不是一句介绍，
而是一套执行规则。
以下是这个 Agent 的真实工作边界。公开页面只展示规则和虚拟数据，不连接任何真实账户。
岗位目标
每天接收店铺后台、Omnisend、cl-SMS 三类数据，判断店铺当日销量结果由什么造成，并把数据简报和可执行结论发到飞书。
输入范围
店铺后台每日经营数据；Omnisend 邮件活动数据；cl-SMS 短信活动数据。支持表格或 CSV/XLSX 导出文件。
核心口径
每天分析一次；渠道只评价发送后 24 小时内效果，不追踪长尾。店铺当日 GMV、订单、UV、CVR 是总结果，渠道数据用于解释来源。
输出标准
先给数据完整性和口径状态，再给 GMV、订单、UV、CVR、客单价、渠道贡献、异常与原因推断，最后列出待人工确认项。
安全边界
事实、推断、待验证必须分开；缺失数据不补猜；不能把相关性写成因果；涉及投放、库存、支付、网站故障时必须人工确认。
人工兜底
发现字段错误、周期不一致、渠道订单无法对账、cl-SMS 无数据或高优先级业务异常时，暂停最终结论并标注需要确认。
DAILY ECOMMERCE INTELLIGENCE
让昨天的销量
讲清楚发生了什么。
一个面向店铺经营者的数据诊断 Agent：读取店铺后台、Omnisend 与 cl-SMS 的每日数据，在一次简报里交代经营结果、渠道贡献和 24 小时营销效果。
点击后转化率下降，是昨日 GMV 下滑的主要线索。
01 / HOW IT WORKS
从表格到判断，
每天一次就够了。
它不试图预测一切，只把昨天的经营结果拆开：哪里贡献了销量，哪里出现了异常，哪些营销数据已经满 24 小时可以评价。
更新三张表
店铺后台、Omnisend、cl-SMS。每天一次，填入昨天的经营数据和已完成 24 小时观察的数据。
校验与归一
检查日期、字段、CVR、空值和观察窗口，发现问题先标出，不用猜。
解释昨日销量
以店铺后台渠道订单为主口径，对比历史基线，识别主要贡献渠道和异常。
发回一份简报
输出事实、关联判断、24 小时营销效果和需要人工确认的下一步。
02 / SIMULATED RUN
看它如何处理一份
昨日数据。
主要线索：站内转化效率下降；Omnisend 触达正常，但点击后转化偏弱。
03 / OUTPUT
不是一堆指标，
是一段可读的结论。
每次输出都保留证据和边界：先给经营结果，再给渠道解释，最后列出需要人工确认的业务背景。
昨日店铺简报 · 2026-08-23 GMV €8,420 · 订单 106 · UV 892 · CVR 11.9% · 客单价 €79.43 主要发现 • GMV 较工作日基线下降 14%。 • Omnisend 后台订单下降 21%，是主要拖累项。 • 邮件 24 小时点击率正常，但点击后转化率下降。 • SMS 数据未满 24 小时，暂不评价。 判断 昨日销量下降更接近站内转化效率下降，而不是邮件触达不足。网站、支付和库存状态需要人工确认。 数据边界 以上为观察和关联判断，没有对照组时不代表严格因果结论。
04 / GUARDRAILS
能力越清楚，
结论越可信。
这是一个诊断助手，不是自动决策者。它会主动告诉你哪些数据还不成熟、哪些原因只是推断。
能做
校验数据、计算经营指标、识别异常、比较渠道贡献、评价邮件/SMS 24 小时效果。
会坚持
每天分析一次；后台渠道订单作为销量主口径；营销平台订单不重复加总。
不会做
不会凭三张表证明因果，不会把空值当 0，也不会把未满 24 小时的数据当最终结果。
需要你确认
广告投放、网站/支付/库存、活动调整，以及 cl-SMS 数据到底是未发送还是未录入。
A PUBLIC, READ-ONLY SHOWCASE