简介与核心理念
analytics-tracking 技能将 AI 变成了一位资深的数据分析实施顾问。它直接切中了许多团队面临的“数据泛滥但缺乏洞察（虚荣指标）”的痛点，通过强制在实施任何代码前先建立一套以决策为导向、高度结构化的数据追踪计划，确保收集到的每一条数据都有其实际业务价值。
核心理念
为决策而追踪，而非盲目囤积数据。通过从业务问题倒推数据需求，并强制执行严格的命名规范，确保每一个被追踪的事件都能直接提供可落地的业务洞察。
安装与调用指南
https://github.com/coreyhaines31/marketingskills
工作流程解析 (SOP)
- 初始上下文评估：AI 会首先检查现有的营销上下文文档以避免提出多余问题，然后评估当前的业务背景（需要哪些数据来支撑决策）、当前的追踪现状以及技术/隐私合规要求。
- 决策驱动的追踪规划：强制贯彻“从问题出发”的原则。AI 会从用户希望根据数据采取什么行动进行倒推，过滤掉所有无用的指标。
- 生成结构化追踪计划：在编写任何实施代码前，AI 必须先输出一个标准化的追踪计划表格（包含事件名称、类别、属性、触发条件和备注）。
- 严格执行命名规范：强制要求使用
Object-Action（对象-动作）的格式（例如：用signup_completed而非Clicked Sign Up），并全部使用小写和下划线，从而保证底层数据库的极度整洁。
技能设计评价
- 人类经验 SOP 化的亮点：强调以决策为导向，从业务问题倒推数据需求。强制执行严格的事件命名规范（对象-动作格式），以保持数据的一致性。
- 潜在的局限性：严格遵守对象-动作命名格式可能会与部分组织现有的数据模式（如名词-动词或驼峰命名法）产生冲突。
- 优质技能的评判标准：明确指示将上下文信息放入事件属性中，而不是创建过于具体的事件名称，体现了对数据质量和结构合理性的重视。