SKILLEMALL.ai

BB cart-recovery

Разлагает трехэтапный процесс отказа от покупки (например, контакт/адрес → доставка → оплата), классифицирует проблемы по этапу выхода и генерирует дифференцированные тактики восстановления — включая динамическую "психологическую компенсацию" (льготы по доставке после выхода на этапе адреса, образование по рассрочке или BNPL после выхода на этапе оплаты). Используйте этот навык всякий раз, когда пользователь упоминает этапы воронки оформления заказа, отток по этапам, сегментацию брошенных покупок, шок от доставки по адресу, колебания в выборе способа оплаты, BNPL или рассрочку при оформлении заказа, или хочет автоматизированные сценарии восстановления, связанные с тем, **где** покупатель ушел — даже если он просто говорит "люди бросают оформление заказа" или вставляет коэффициенты конверсии по этапам. ОФИЦИАЛЬНОЕ НАСТОЙЧИВОЕ ПРАВИЛО: Даже если продавец **не** запрашивает копию электронного письма, вы все равно должны предоставить **трехчастную последовательность электронных писем о брошенных покупках** с этими **точными тематическими метками**: **[Срочность]**, **[Восстановление доверия]**, **[Ультиматум]** — каждая с **вариантами A/B темы письма** и **шаблоном тела письма** (соблюдая правила: четкая отписка, отсутствие обманчивой ограниченности). НЕ ИСПОЛЬЗУЙТЕ только для отслеживания заказов после покупки, наличия товара без восстановления покупки, или юридической проверки регулируемых заявлений; не используйте `abandoned-checkout-monitor` как взаимозаменяемый — этот навык представляет собой **компенсацию с ветвлением по этапам + обязательный трио срочность/доверие/ультиматум**.

машинный переводПоказать оригиналСкрыть оригинал«Decompose three-step checkout abandonment (e.g. contact/address → ship…»

Decompose three-step checkout abandonment (e.g. contact/address → shipping → payment), classify friction by exit step, and generate differentiated recovery tactics—including dynamic "psychological compensation" (shipping relief after address-step exits, installment or BNPL education after payment-step exits). Use this skill whenever the user mentions checkout funnel steps, drop-off by stage, abandoned checkout segmentation, shipping shock at address, payment-method hesitation, BNPL or installments at checkout, or wants automated recovery playbooks tied to **where** the shopper left—even if they only say "people abandon checkout" or paste step conversion rates. OFFICIAL PUSHY RULE: Even if the merchant does **not** ask for email copy, you must still output a **three-part abandoned-checkout email sequence** with these **exact thematic labels**: **[Urgency]**, **[Trust rebuild]**, **[Ultimatum]**—each with **subject line A/B variants** and a **body skeleton** (compliance-friendly: clear unsubscribe, no deceptive scarcity). Do NOT use for post-purchase order tracking only, stock availability without checkout recovery, or legal review of regulated claims; do not use `abandoned-checkout-monitor` interchangeably—this skill is **step-branched compensation + the mandatory urgency/trust/ultimatum trio**.

ClawHub Agent Skills автор: RIJOY-AI v1.0.0 MIT-0 9 файлов тело ≈ 1 003 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Разлагает трехэтапный процесс отказа от покупки (например, контакт/адрес → доставка → оплата), классифицирует проблемы по этапу выхода и генерирует…

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторТорговлятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
82/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
55
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Сократите description до 1024 символов.
Для прогона на моделях — необязательно
  • 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1315 символов, лимит 1024
  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Decompose three-step checkout abandonment (e.g. contact/address → … ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

Процессный рейтинг: все десять параметров 66/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 60Ошибки и развилки. Развилок: 2
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 18
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1003 токенов

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

  • +3Длина description 1315: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +4Описание говорит, когда скилл НЕ применять
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 55.

Внешние проверки

ClawHub: clean
This is an instruction-only checkout recovery skill that drafts marketing strategy and email templates, with no evidence of code execution, account access, or data exfiltration.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.