AF cohort-curve-model
Подгоните кривую удержания под наблюдаемые когортные данные и спрогнозируйте LTV — вычисленное, а не оцененное. Используйте, когда у кого-то есть реальные данные удержания когорт (месяц 0, 1, 2...) и он спрашивает, какое пожизненное значение, пожизненные периоды или долгосрочное удержание они подразумевают, или удержание выравнивается или снижается. Предоставляет подогнанную степенную кривую (параметры, R², порог удержания), прогноз на 24-36 периодов и реальный файл .xlsx с живыми формулами, где редактирование ARPU пересчитывает LTV — через прилагаемый скрипт без зависимостей.
машинный переводПоказать оригиналСкрыть оригинал«Fit a retention curve to observed cohort data and project LTV — comput…»
Fit a retention curve to observed cohort data and project LTV — computed, not estimated. Use when someone has real cohort retention numbers (month 0, 1, 2…) and asks what lifetime value, lifetime periods, or long-run retention they imply, or whether retention is flattening or leaking. Produces a fitted power curve (parameters, R², retention floor), a 24-36 period projection, and a real .xlsx with live formulas where editing ARPU recalculates LTV — via the bundled zero-dependency script.
Подгоните кривую удержания под наблюдаемые когортные данные и спрогнозируйте LTV — вычисленное, а не оцененное.
Как процесс F 59/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/cohort_model.py
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: scripts/cohort_model.py - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 59/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/cohort_model.py
- 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
- 100Шаги. Шагов: 17
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 806 токенов
- 100Повторный запуск. Изменяющих операций нет
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 491 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 17 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.