social-analytics
À propos
Cette compétence analyse les profils de médias sociaux pour calculer les taux d'engagement, identifier les contenus les plus performants et suivre la croissance. Elle est utilisée pour l'analyse concurrentielle, l'établissement de références métriques et la génération de rapports de performance. Les développeurs peuvent l'intégrer via le serveur MCP pour auditer la présence sociale et évaluer la santé des comptes.
Installation rapide
Claude Code
Recommandénpx skills add guia-matthieu/clawfu-skills -a claude-code/plugin add https://github.com/guia-matthieu/clawfu-skillsgit clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/social-analyticsCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
Social Analytics
Analyze social media profiles and calculate engagement metrics - understand what content works for competitors and your own accounts.
When to Use This Skill
- Competitor analysis - Audit competitor social presence
- Engagement benchmarking - Calculate and compare engagement rates
- Content analysis - Identify top-performing post types
- Profile audit - Assess social media health
- Reporting - Generate social performance reports
What Claude Does vs What You Decide
| Claude Does | You Decide |
|---|---|
| Structures analysis frameworks | Metric definitions |
| Identifies patterns in data | Business interpretation |
| Creates visualization templates | Dashboard design |
| Suggests optimization areas | Action priorities |
| Calculates statistical measures | Decision thresholds |
Dependencies
pip install click pandas requests beautifulsoup4
# For authenticated API access:
pip install tweepy instaloader
Commands
Analyze Profile
python scripts/main.py analyze @competitor --platform twitter
python scripts/main.py analyze @brand --platform instagram
Calculate Engagement
python scripts/main.py engagement @profile --platform twitter --days 30
python scripts/main.py engagement @profile --platform linkedin --posts 50
Find Top Posts
python scripts/main.py top-posts @profile --platform twitter --count 10
python scripts/main.py top-posts @profile --metric likes
Export Data
python scripts/main.py export @profile --platform twitter --format csv
python scripts/main.py export @profile --platform instagram --output report.json
Compare Profiles
python scripts/main.py compare @brand1 @brand2 @brand3 --platform twitter
Examples
Example 1: Competitor Social Audit
# Analyze competitor profile
python scripts/main.py analyze @competitor_brand --platform twitter
# Output:
# Profile Analysis: @competitor_brand
# ─────────────────────────────────────
# Followers: 45,230
# Following: 1,234
# Total Posts: 2,456
# Avg Likes: 234
# Avg Retweets: 45
# Engagement: 2.3%
# Post Frequency: 3.2/day
# Top Hashtags: #marketing, #growth, #startup
Example 2: Benchmark Engagement Rates
# Compare engagement across competitors
python scripts/main.py compare @brand1 @brand2 @brand3 --platform twitter
# Output:
# Engagement Comparison
# ─────────────────────
# Profile Followers Eng.Rate Posts/Day
# @brand1 45,230 2.3% 3.2
# @brand2 32,100 3.1% 2.1
# @brand3 89,500 1.8% 4.5
# Winner: @brand2 (highest engagement despite fewer followers)
Example 3: Find Winning Content
# Identify top performing posts
python scripts/main.py top-posts @marketing_pro --platform twitter --count 10
# Output:
# Top 10 Posts by Engagement
# ──────────────────────────
# 1. "Here's what nobody tells you about..."
# Likes: 2,345 RTs: 456 Eng: 6.2%
# Type: Thread Time: Tuesday 9am
# 2. "The biggest mistake I see founders make..."
# Likes: 1,890 RTs: 312 Eng: 4.8%
# Type: Single Time: Wednesday 8am
Engagement Rate Benchmarks
Twitter/X
| Account Size | Good | Great | Excellent |
|---|---|---|---|
| <10K | 1-3% | 3-6% | >6% |
| 10K-100K | 0.5-1% | 1-3% | >3% |
| 100K+ | 0.2-0.5% | 0.5-1% | >1% |
| Account Size | Good | Great | Excellent |
|---|---|---|---|
| <10K | 3-6% | 6-10% | >10% |
| 10K-100K | 1-3% | 3-6% | >6% |
| 100K+ | 0.5-1% | 1-3% | >3% |
| Account Size | Good | Great | Excellent |
|---|---|---|---|
| Personal | 2-4% | 4-8% | >8% |
| Company | 0.5-1% | 1-2% | >2% |
Metrics Explained
| Metric | Formula | What It Measures |
|---|---|---|
| Engagement Rate | (likes + comments + shares) / followers | Overall content resonance |
| Amplification | shares / followers | Content virality |
| Conversation | comments / followers | Community engagement |
| Applause | likes / followers | Content appreciation |
Output Formats
| Format | Best For |
|---|---|
text | Quick terminal review |
csv | Spreadsheet analysis |
json | Programmatic use |
md | Reports and docs |
Skill Boundaries
What This Skill Does Well
- Structuring data analysis
- Identifying patterns and trends
- Creating visualization frameworks
- Calculating statistical measures
What This Skill Cannot Do
- Access your actual data
- Replace statistical expertise
- Make business decisions
- Guarantee prediction accuracy
Related Skills
- content-repurposer - Repurpose top-performing content
- hashtag-analyzer - Deep dive into hashtag performance
Skill Metadata
- Mode: centaur
category: social
subcategory: analytics
dependencies: [pandas, requests, beautifulsoup4]
difficulty: intermediate
time_saved: 4+ hours/week
Dépôt GitHub
Frequently asked questions
What is the social-analytics skill?
social-analytics is a Claude Skill by guia-matthieu. Skills package instructions and resources that Claude loads on demand, so Claude can perform social-analytics-related tasks without extra prompting.
How do I install social-analytics?
Use the install commands on this page: add social-analytics to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does social-analytics belong to?
social-analytics is in the Other category, tagged data.
Is social-analytics free to use?
Yes. social-analytics is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Compétences associées
LlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.
Cette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.
Cette compétence Claude analyse les marchés des paris sportifs, incluant les spreads, les over/under et les paris spéciaux, en examinant les tendances historiques et les statistiques situationnelles pour identifier les paris à valeur ajoutée. Elle fournit une sortie en markdown structuré avec des recommandations actionnables à des fins éducatives. Les développeurs doivent l'utiliser pour des outils d'analyse de paris sportifs tout en notant qu'elle est conçue uniquement pour le divertissement et l'éducation.
Cette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.