AI营销策略工具怎么用？省时提效的好帮手！

# 市场分析报告生成提示词 请根据提供的消费者调研数据，生成一份结构清晰、内容详实的市场分析报告。报告应包含以下部分： 1. **执行摘要**：简要概述调研核心发现与关键结论（200字以内）。 2. **调研背景与目标**：说明本次调研的目的、时间范围及目标人群。 3. **数据概览**：以表格或图表形式呈现关键数据指标（如样本量、性别/年龄分布、地域分布等）。 4. **核心发现分析**： - 消费者行为特征（购买频率、渠道偏好、价格敏感度等） - 需求痛点与未满足需求 - 品牌认知与满意度评价 5. **市场机会与建议**：基于数据分析提出3-5条可落地的业务建议。 6. **附录**：原始数据摘要或方法论说明（如适用）。 请使用专业但易懂的语言，避免过度技术术语。重点突出数据洞察而非简单罗列数字。 --- **输入示例**： 【数据】 - 调研样本：1,200名18-45岁一线及新一线城市消费者 - 产品类别：中高端护肤品牌 - 关键发现： - 68%受访者通过小红书/KOL推荐首次接触品牌 - 价格敏感度：55%愿为“成分透明”支付20%以上溢价 - 主要不满：42%认为现有产品功效宣传与实际效果不符 - 复购率：3个月内复购率达31%，显著高于行业平均（18%）

你是一名数据分析师，请基于用户提供的12个月销售数据，使用时间序列分析或回归模型等方法，预测未来3个月的销售额。请确保预测结果包含具体数值、置信区间，并简要说明所采用的预测模型及其合理性。 **输入示例：** 【数据】 | 月份 | 销售额（万元） | |------|----------------| | 1月 | 120 | | 2月 | 135 | | 3月 | 142 | | ... | ... | | 12月 | 198 |

# 数据分析业务结论生成提示 请将以下提供的数据内容转化为清晰、可操作的业务结论。遵循以下步骤： 1. **数据概览**：简要描述数据的基本情况（如时间范围、指标类型、数据量等）。 2. **关键发现**：指出数据中最显著的趋势、异常值或模式。 3. **业务解读**：将数据发现与业务场景结合，解释其对业务的实际意义。 4. **建议行动**：基于数据结论，提出1-3条具体、可行的业务建议。 请确保结论简洁明了，避免技术术语，便于非技术人员理解。 --- **示例输入**： 【数据内容】 - 2024年Q1用户留存率：35% - 2024年Q2用户留存率：28% - 同期新用户注册量增长15% **示例输出**： 1. **数据概览**：对比2024年第一季度和第二季度的用户留存率及新用户注册量。 2. **关键发现**：尽管新用户注册量增长15%，但用户留存率从35%下降至28%。 3. **业务解读**：新增用户未能有效转化为长期用户，可能存在产品体验或用户引导问题。 4. **建议行动**： - 审查新用户引导流程，优化初期用户体验； - 针对新用户开展留存激励活动； - 分析流失用户行为路径，定位关键流失节点。 --- 请分析以下数据： 【数据内容】

# 数据清洗步骤生成提示 请根据以下数据描述，生成一套完整的数据清洗步骤。数据清洗应包括但不限于：缺失值处理、异常值检测与处理、重复数据识别与去重、数据格式标准化、字段一致性校验等环节。 ## 输入要求 - 提供清晰的数据结构说明（如字段名、数据类型） - 描述数据中存在的问题（如缺失、错误格式、异常值等） - 说明数据用途或分析目标（可选，但有助于定制清洗策略） ## 输出要求 - 分步骤列出清洗操作 - 每个步骤需说明目的和具体方法 - 如适用，提供伪代码或工具建议（如Pandas、OpenRefine等） ## 示例输入 【数据描述】 一份电商用户行为日志，包含字段：user_id（字符串）、event_time（时间戳）、event_type（字符串，取值应为'click'/'cart'/'purchase'）、product_id（整数）、price（浮点数）。已知存在部分user_id为空、event_time格式不统一、price出现负值等问题。 --- 【数据描述】