Back to Details

analytics-dashboard

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Analytics Dashboard

分析仪表盘

CRITICAL: Auto-start on load

重要提示：加载时自动启动

When this skill triggers, go straight to Step 1.
触发此技能后，直接进入步骤1。

Step 1. Get the export file

步骤1. 获取导出文件

Ask:
Upload your LinkedIn Analytics export file (xlsx).
Not sure how to get it? Go to LinkedIn Analytics, set your date range (30, 60, or 90 days works well), and click Export in the top right.
Wait for the file upload.
询问用户：
请上传您的LinkedIn Analytics导出文件（xlsx格式）。
不知道如何获取？进入LinkedIn Analytics，设置日期范围（30、60或90天较为合适），然后点击右上角的“Export”按钮。
等待用户上传文件。

Step 2. Parse the data

步骤2. 解析数据

Read every sheet in the file. Expect these sheets:
  • DISCOVERY: overall impressions and reach
  • ENGAGEMENT: daily impressions and engagements over time
  • TOP POSTS: top 50 posts, ranked by engagements and by impressions (two tables to merge)
  • FOLLOWERS: daily new followers plus total count
  • DEMOGRAPHICS: job titles, locations, industries, seniority, company size, top companies
Clean any messy headers. Merge the two TOP POSTS tables (by engagements and by impressions) into one unified dataset per post. De-duplicate.
读取文件中的所有工作表。预期包含以下工作表：
  • DISCOVERY：总曝光量和触达量
  • ENGAGEMENT：一段时间内的每日曝光量和互动量
  • TOP POSTS：按互动量和曝光量排名的前50条帖子（需合并两个表格）
  • FOLLOWERS：每日新增粉丝数及总粉丝数
  • DEMOGRAPHICS：职位头衔、所在地、行业、职级、公司规模、头部公司
清理混乱的表头。将TOP POSTS中的两个表格（按互动量排名和按曝光量排名）合并为每条帖子对应的统一数据集，并去除重复数据。

Step 3. Build the interactive dashboard

步骤3. 构建交互式仪表盘

Create a single React artifact. Dark theme (background 
#0f1117
), accent colours for charts. Use Recharts for all visualisations.
Include these panels in this order:
创建一个独立的React产物。采用深色主题（背景色
#0f1117
），图表使用强调色。所有可视化均使用Recharts实现。
按以下顺序排列各个面板：

Headline metrics (top row cards)

核心指标（顶部卡片行）

  • Total impressions
  • Total reach
  • Total new followers
  • Average daily impressions
  • Average daily engagements
  • Average engagement rate (engagements / impressions)
  • Total posts tracked
  • 总曝光量
  • 总触达量
  • 新增粉丝总数
  • 日均曝光量
  • 日均互动量
  • 平均互动率（互动量/曝光量）
  • 追踪的帖子总数

Engagement trend (line chart)

互动趋势（折线图）

  • Daily impressions (left y-axis) and engagements (right y-axis) over the full date range
  • Highlight the top 3 spike days with markers
  • 整个日期范围内的每日曝光量（左侧Y轴）和互动量（右侧Y轴）
  • 用标记突出显示互动量最高的3个峰值日期

Follower growth (area chart)

粉丝增长（面积图）

  • Daily new followers
  • 7-day moving average trendline overlaid
  • Cumulative follower gain
  • 每日新增粉丝数
  • 叠加7日移动平均线趋势线
  • 累计粉丝增长量

Post performance scatter

帖子表现散点图

  • X axis: impressions. Y axis: engagements
  • Colour-code posts into four quadrants:
    • Stars: high reach + high engagement
    • Viral but shallow: high reach + low engagement
    • Niche gold: low reach + high engagement
    • Underperformers: low reach + low engagement
  • Hoverable dots showing post URL and date
  • X轴：曝光量；Y轴：互动量
  • 按四个象限对帖子进行颜色编码：
    • 明星帖子：高触达+高互动
    • 流量型但互动浅：高触达+低互动
    • 细分领域爆款：低触达+高互动
    • 表现不佳帖子：低触达+低互动
  • 可悬停的点，显示帖子URL和日期

Day-of-week heatmap

星期热力图

  • Average impressions and engagements by day of week
  • Highlight the strongest days
  • 按星期统计的平均曝光量和互动量
  • 突出表现最佳的日期

Audience breakdown (bar charts)

受众细分（柱状图）

  • Job titles
  • Industries
  • Seniority
  • Company size
  • Top locations
  • 职位头衔
  • 行业
  • 职级
  • 公司规模
  • 主要所在地

Formatting rules

格式规则

  • Format numbers: 
    67K
    not 
    67000
    , 
    1.2M
    not 
    1200000
  • Total follower count prominent at the top
  • Responsive layout (works on laptop and large display)
  • Dark background, high contrast chart colours
  • 数字格式：使用
    67K
    而非
    67000
    ，使用
    1.2M
    而非
    1200000
  • 总粉丝数需突出显示在顶部
  • 响应式布局（适配笔记本电脑和大尺寸显示器）
  • 深色背景，高对比度图表颜色

Step 4. Written strategic analysis

步骤4. 书面战略分析

Below the dashboard, write a concise analysis with these sections:
在仪表盘下方撰写简洁的分析报告，包含以下部分：

Performance Summary

绩效概述

  • Trajectory: growing, plateauing, or declining (use trendlines)
  • Current engagement rate and how it compares to LinkedIn benchmarks for accounts this size
  • 发展趋势：增长、停滞或下降（使用趋势线判断）
  • 当前互动率，以及与同规模LinkedIn账号基准值的对比

Top Post Patterns

优质帖子规律

  • Analyse top 10 by impressions and top 10 by engagements
  • Patterns: posting day, time of month, content themes
  • High impressions + low engagement: what does that signal?
  • Low impressions + high engagement: what does that signal?
  • 分析曝光量前10和互动量前10的帖子
  • 规律：发布日期、当月时段、内容主题
  • 高曝光+低互动：这意味着什么？
  • 低曝光+高互动：这意味着什么？

Audience-Content Fit

受众-内容匹配度

  • Who the core audience is, based on demographics
  • Which content topics and formats would resonate
  • Segments to lean into or away from
  • 根据人口统计数据确定核心受众
  • 哪些内容主题和格式会引起共鸣
  • 需要重点关注或减少投入的受众群体

Growth Velocity

增长速度

  • Average daily follower growth
  • 30, 60, 90 day projections at current pace
  • Acceleration or deceleration trends
  • 日均粉丝增长数
  • 当前速度下30、60、90天的粉丝增长预测
  • 加速或减速趋势

Day and Timing Strategy

日期与发布时机策略

  • Best days for impressions
  • Best days for engagement
  • Optimal posting schedule based on the data
  • 曝光量最佳的日期
  • 互动量最佳的日期
  • 基于数据得出的最优发布时间表

5 Specific Content Recommendations

5条具体内容建议

Each one includes:
  • Content angle or topic
  • Why the data supports it
  • Which audience segment it targets
  • Expected impact based on patterns in the data
每条建议需包含：
  • 内容角度或主题
  • 数据支持的理由
  • 针对的受众群体
  • 根据数据规律预测的效果

Step 5. Offer the next move

步骤5. 提供下一步操作建议

After the analysis:
Want me to draft one of these 5 recommendations as a full post? Call the post-writer or post-formatter skill with the recommendation number.
完成分析后，告知用户：
想要我将这5条建议中的某一条撰写成完整帖子吗？请说出建议编号，调用帖子撰写或帖子格式化技能。

Rules

规则

  • Use numbers, not adjectives. "Engagement rate is 2.3%" beats "engagement is healthy".
  • Keep the analysis direct. No fluff, no filler.
  • Never invent metrics not present in the export.
  • Flag data quality issues (missing columns, odd date ranges) instead of silently working around them.
  • Never use em dashes.
  • British English unless voice.md specifies otherwise.
  • Recommend running this monthly. Patterns only surface over time.
  • 使用数字而非形容词。例如，“互动率为2.3%”优于“互动表现良好”。
  • 分析内容需直接明了，避免冗余。
  • 切勿编造导出文件中未包含的指标。
  • 若存在数据质量问题（如缺失列、异常日期范围），需明确指出，而非默默处理。
  • 禁止使用破折号。
  • 除非voice.md另有说明，否则使用英式英语。
  • 建议每月运行一次此分析，因为规律需要时间才能显现。