back
loading skill details...
用 ideamake-cli 拉取营销云数据，端到端生成案场月度到访客户全量分析 HTML+PDF 报告。 触发："用 ideamake-cli 生成月度报告"、"/mc-monthly-visitor-report"、"分析某项目X月到访"。 适用：新房案场月度汇报、营销总决策、团队复盘。
---
name: mc-monthly-visitor-report
description: |
用 ideamake-cli 拉取营销云数据，端到端生成案场月度到访客户全量分析 HTML+PDF 报告。
触发："用 ideamake-cli 生成月度报告"、"/mc-monthly-visitor-report"、"分析某项目X月到访"。
适用：新房案场月度汇报、营销总决策、团队复盘。
allowed-tools: Read Write Edit Bash Glob Grep Agent WebFetch
metadata:
author: internal
version: "1.0.0"
domain: real-estate-analytics
requires:
- ideamake-cli (营销云数据开放 CLI)
- onepage-pdf skill (HTML→PDF 转换)
related:
- visit-customer-analysis
- consultant-asr-analysis
- monthly-visitor-conversion-analysis
- onepage-pdf
intent: >-
以房地产营销总视角，端到端完成"数据获取→全量分析→报告生成"的完整闭环。
从 ideamake-cli 自动拉取项目信息、月度成交数据、工牌录音文本，对全量录音进行文本挖掘、
成交客户价值感知提取、竞品分析、顾问绩效诊断，生成符合管理层审阅标准的 HTML 报告
并转换为单页 PDF。整个过程无需用户手动准备任何数据文件。
type: workflow
---
# ideamake-cli 月度到访客户全量分析报告生成器
端到端自动化工作流：从 ideamake-cli 营销云拉取数据 → 全量录音分析 → HTML 报告 → PDF 输出。
用户只需指定项目和时间范围，无需手动准备任何数据文件。
## 用法
```
/mc-monthly-visitor-report <项目名称或编码> [--month <YYYY-MM>] [--out <输出目录>]
```
**示例：**
```
/mc-monthly-visitor-report 泰山书院 --month 2026-07
/mc-monthly-visitor-report xjkymfdckfyxzrgs14817 --month 2026-08 --out ./8月报告/
```
## 参数
| 参数 | 说明 | 默认值 |
|------|------|--------|
| `<项目名称或编码>` | ideamake-cli 中注册的项目名称（模糊匹配）或 projectCode（精确匹配） | 必填 |
| `--month <YYYY-MM>` | 分析周期月份 | 上个月 |
| `--out <输出目录>` | 报告输出目录 | 当前工作目录 |
---
## 执行流程（五阶段）
### 阶段一：数据获取（ideamake-cli）
**目标：** 从营销云拉取所有需要的基础数据。
```
1. ideamake-cli whoami → 验证认证状态
2. ideamake-cli project +search --keyword <名称> → 获取 projectCode
3. ideamake-cli project get --projectCode <code> → 获取项目详细信息
4. ideamake-cli customer list → 获取成交客户列表
--projectCode <code>
--viewId <默认视图ID，先用 customer views 获取>
--customerStatus "3,4,5" → 认筹+认购+签约
--limit 50
5. ideamake-cli badge list → 获取工牌项目 teamCode
6. ideamake-cli badge receptions → 获取月度到访接待列表
--teamCode <code>
--startTime "<YYYY>-<MM>-01"
--endTime "<YYYY>-<MM>-31"
--recordStatus 2 → 已录音
--recordType 1 → 有效录音
--limit 50
（需分页获取全部数据）
7. ideamake-cli badge download --type text → 逐条下载录音转写文本
--selfRecordId <id>
--output <路径>
```
**输出物：**
- `{项目名}—基本信息.md` — 项目基础信息文档
- `02.项目{月}份成交客户.md` — 成交客户明细表
- `03.{月}月到访接待录音文本/` — 录音文本目录（每个 .txt 为一个接待）
**录音文件命名格式：**
```
{到访类型}_{顾问名}_{客户名}_{客户手机尾号}_{接待日期}_{接待时间}.txt
```
其中 `到访类型` = `首访` 或 `复访`。
### 阶段二：数据预处理与文本挖掘
**目标：** 对所有录音文本进行结构化分析，提取关键统计维度。
**2.1 构建录音索引**
- 解析所有录音文件名，提取：到访类型、顾问姓名、客户标识、手机尾号、接待日期时间
- 统计首访/复访分布、顾问接待量分布
**2.2 全量关键词扫描**
对所有 305 条录音进行关键词计数，覆盖维度：
| 维度 | 关键词示例 |
|------|-----------|
| 竞品 | 云翠、保利堂悦、新世雅筑、绿城、万科、秦基、五月花园 |
| 预算 | 价格、总价、首付、贷款、月供、公积金、商贷、预算 |
| 关注点 | 学区、学校、教育、孩子、地铁、交通、商业、医院 |
| 抗性 | 贵、便宜、优惠、折扣、太高、不值、不考虑、降价 |
| 产品 | 户型、面积、花园、阳台、采光、楼层、洋房、四代宅、露台 |
| 区域 | 经开区、天山区、新市区、沙区、高铁、铁路局 |
**2.3 客户画像提取**
从 badge receptions 的 AI 摘要（`summaryCommunication` 字段）批量提取：
- 意向等级（A/B/C/D/E）
- 购房目的（改善自住/婚房/学区/投资/养老）
- 预算范围
- 职业类型
- 家庭结构
**2.4 成交客户交叉匹配**
- 用成交客户手机尾号匹配录音文件
- 对匹配到的成交客户录音进行深层分析
- 提取客户发言中的价值感知维度（学区/价格/花园/产品/区域/得房率）
- 统计顾问价值传递关键词频次
### 阶段三：深度分析
**目标：** 基于数据挖掘结果，进行多维度分析。
**3.1 成交客户决策路径还原**
- 成交客户录音中客户发言维度分类：学区(174条)、价格(201条)、空中花园(76条)、产品(72条)、区域(56条)、得房率(50条)
- 对比顾问价值传递频次：会所(118次)、规划(94次)、首付(92次)、学区(62次)、空中花园(14次)、得房率(12次)
- **发现价值传递错位**：顾问过度强调"会所"，但客户真正关心"空中花园"和"得房率"
**3.2 竞品分析**
- 竞品提及率排名（客户主动 vs 顾问引入）
- 核心竞品（云翠 46.2%、绿城 53.1%）的客户原声提取
- 差异化应对策略提炼
**3.3 顾问绩效分析**
- 每顾问的接待量 × 转化率矩阵
- 高产顾问（转化率>10%）vs 低产顾问（转化率<3%）话术差异
- 末位顾问诊断与提升方案
**3.4 流失分析**
- 首访→复访转化率计算
- 流失客户画像
- 跟进机制优化建议
### 阶段四：报告生成
**目标：** 生成符合管理层审阅标准的 HTML 报告。
**报告结构（13 章节）：**
1. **核心销售指标与转化漏斗** — 认购数/签约数/转化率/顾问排行
2. **到访客户全景画像** — 购房目的/意向等级/预算/区域/职业分布
3. **客户认可点与抗性深度分析** — 全量关键词加权排名 + 客户原声
4. **项目价值模型（基于成交客户提炼）** — 价值金字塔 + 决策公式
5. **竞品攻防体系与应对话术** — 竞品提及频次 + 应对话术模板
6. **客户等级划分与邀约策略** — A~E 五级 + 差异化转化方案
7. **成交客户深度分析与新客挖掘** — 决策路径 + 渠道效能 + 挖掘方向
8. **首访未复访流失分析** — 流失原因 + 挽回机制
9. **多维度营销优化建议** — 推广内容/现场包装/案场流程
10. **置业顾问绩效诊断** — 高产vs低产对比 + 末位帮扶方案
11. **优秀销售话术DNA提炼** — 5 套核心话术模板（含销售原声）
12. **销售能力模型** — 四维能力框架 + 新人成长路径
13. **综合行动方案** — 四周冲刺排期 + KPI 指标
**报告外观要求：**
- 配色方案：深蓝(#0f2044) + 蓝灰(#f4f6fa) + 金色(#c9941a)点缀
- 深蓝导航栏 + 渐变封面 + 白色卡片区
- 所有数据有依据，引用客户原声标注来源
- 禁止杜撰数据，禁止内容重复
**报告文件命名：**
```
{项目名}_到访客户全量分析报告_{年}年{月}月.html
```
### 阶段五：PDF 输出
**目标：** 将 HTML 转换为单页 PDF。
```
使用 onepage-pdf skill：
python scripts/onepage_pdf.py <html路径> -o <pdf路径> --width 1280
```
**验证：**
- 确认单页输出
- 检查缩略图确认布局完整
- PDF 文件命名与 HTML 一致（仅扩展名不同）
---
## 输出物清单
执行完成后应交付：
| 序号 | 文件 | 格式 | 说明 |
|------|------|------|------|
| 1 | `{项目名}—基本信息.md` | Markdown | 项目基础信息 |
| 2 | `02.项目{月}份成交客户.md` | Markdown | 成交客户明细表 |
| 3 | `03.{月}月到访接待录音文本/` | 目录 | 录音文本文件（N个.txt） |
| 4 | `{项目名}_到访客户全量分析报告_{年}年{月}月.html` | HTML | 管理层分析报告 |
| 5 | `{项目名}_到访客户全量分析报告_{年}年{月}月.pdf` | PDF | 报告 PDF 版 |
---
## 关键约束
### 数据分析约束
- **全量分析，禁止抽样** — 必须对所有录音文本进行处理
- **客户/顾问话术严格区分** — 认可点/抗性点只统计客户发言，避免把顾问话术误判为客户观点
- **数据必须有依据** — 报告中所有数字来源于实际统计，禁止杜撰
- **金句以销售原声为准** — 引用时不做提炼改写
### 报告质量约束
- 排版不能有重叠、模糊
- 报告内部数据要有依据
- 报告署名必须包含"由 Aidee AI 系统生成"字样
- 竞品信息来源于客户录音提及，非外部调研数据（需标注免责声明）
### ideamake-cli 使用约束
- 优先使用 `+` 前缀 shortcut 命令
- `high-risk-write` 操作需加 `--yes`
- 使用 `--jq` 过滤 JSON 输出减少数据量
- `customer list` 需先用 `customer views` 获取 viewId
- `badge receptions` 需要先用 `badge list` 获取 teamCode
---
## 依赖
- `ideamake-cli` — 营销云数据开放 CLI（需已 `ideamake-cli auth login` 认证）
- `onepage-pdf` skill — HTML→PDF 转换
- Python 3（用于文本挖掘脚本）
- `jq`（可选，用于 JSON 处理）
---
## 参考示例
完整执行案例：泰山书院 2026 年 7 月分析
- 输入：`/mc-monthly-visitor-report 泰山书院 --month 2026-07`
- 输出目录：`02.7月到访客户全量分析/`
- 最终交付：305 条录音全量分析 → 76KB HTML + 4MB PDF
don't have the plugin yet? install it then click "run inline in claude" again.