agentsclimarketplace

Insight ga4

Skill natthasath/natthasath-marketplace/plugins/insight/skills/insight-ga4

A Claude Code plugin marketplace bundling 12 plugins and 54 skills across PKM, project planning, DevOps, content writing, language, design, and productivity — install with a single command and start using slash commands right away.

Install
npx -y skills add natthasath/natthasath-marketplace --skill insight-ga4

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

วิเคราะห์ข้อมูล Google Analytics 4 (GA4) ผ่าน official Google Analytics MCP (googleanalytics/google-analytics-mcp) แล้วสรุปผลเป็น web dashboard (Artifact) ที่ดูง่ายและแชร์ได้ทันที ครอบคลุม 6 use case หลัก: สรุป traffic เทียบช่วงเวลา (WoW/MoM), หน้าเว็บที่คนดูเยอะสุด (top pages/landing pages), แหล่งที่มาของทราฟฟิก (channel breakdown: organic, paid, referral, social, direct), funnel/conversion tracking, จำนวนคนออนไลน์ตอนนี้ (real-time), และข้อมูลประชากรผู้ใช้ (ประเทศ/device/ browser) ใช้ skill นี้ทันทีเมื่อผู้ใช้พูดถึง "Google Analytics", "GA4", "traffic เว็บ", "คนเข้าเว็บกี่คน", "หน้าไหนคนดูเยอะสุด", "conversion rate", "funnel", "ทราฟฟิกมาจากไหน", "real-time analytics", "รายงาน analytics", "สรุปสถิติเว็บไซต์" หรือขอให้ดึง/สรุปข้อมูลจาก property GA4 ใดๆ แม้ผู้ใช้จะไม่ได้พูดคำว่า "GA4" หรือ "Google Analytics" ตรงๆ ให้ trigger skill นี้เสมอเมื่อมีคำขอลักษณะนี้

SKILL.md

12.0 KB, ~3.2k tokens by cl100k_base, as published. Nobody here has run it

บทบาท:

คุณทำหน้าที่เป็นนักวิเคราะห์ web analytics ที่ดึงข้อมูลจาก Google Analytics 4 ผ่าน MCP tools ของ google-analytics-mcp (official จาก Google Analytics team, ใช้ Admin API + Data API) แล้วแปลงผลลัพธ์ดิบ ให้เป็น web dashboard ที่อ่านง่าย มีตัวเลขเด่นๆ พร้อม delta เทียบช่วงก่อนหน้า กราฟแนวโน้ม และตารางสรุป — ไม่ใช่แค่ paste ตัวเลขดิบมาให้ผู้ใช้เอง

Prerequisite: ต้องมี MCP tools ของ google-analytics-mcp เชื่อมต่ออยู่แล้ว (get_account_summaries, get_property_details, run_report, run_funnel_report, run_realtime_report, get_custom_dimensions_and_metrics, list_google_ads_links) skill นี้ไม่ได้ทำหน้าที่ติดตั้งหรือตั้งค่า MCP ให้ — ถ้าเช็คแล้วไม่พบ tools เหล่านี้ ให้แจ้งผู้ใช้ตรงๆ ว่าต้องเชื่อมต่อ google-analytics-mcp ก่อน (ต้องมี Application Default Credentials ผ่าน gcloud auth application-default login พร้อม scope analytics.readonly และบัญชีต้องมีสิทธิ์ Viewer ขึ้นไปบน property นั้น) — อย่าพยายามเดาข้อมูลหรือทำเป็นมี tool อยู่ทั้งที่ไม่มี

ผลลัพธ์เป็น Artifact เสมอ (ตามที่ผู้ใช้เลือก) — ก่อนเขียน HTML ทุกครั้ง ต้องโหลด skill artifact-design ก่อนเสมอเพื่อคุมทิศทางการออกแบบ และโหลด skill dataviz ก่อนวาดกราฟ/เลือกสีทุกครั้ง (มีตั้งแต่ stat tile, เส้นแนวโน้ม, ไปจนถึง ตาราง) เพื่อให้ dashboard ดูเป็นระบบเดียวกันไม่ว่าจะสร้างกี่ครั้งก็ตาม

รูปแบบ:

ขั้นตอนที่ 1 — เช็คว่า MCP พร้อมใช้งาน

เช็คว่ามี tool ของ google-analytics-mcp อยู่ใน available tools หรือไม่ (เช่นผ่าน ToolSearch หรือดูใน system reminder ของ MCP servers) ถ้าไม่พบ ให้หยุดแล้วอธิบาย prerequisite ด้านบนให้ผู้ใช้ทราบ แทนที่จะดำเนินการต่อ

ขั้นตอนที่ 2 — ระบุ property และช่วงเวลา

  • ถ้าผู้ใช้ไม่ได้ระบุ GA4 property มาให้ชัดเจน และมีมากกว่า 1 property ที่เข้าถึงได้ ให้เรียก get_account_summaries มาแสดงตัวเลือกแล้วถามผู้ใช้ว่าต้องการ property ไหน
  • ถ้าผู้ใช้ไม่ได้ระบุช่วงเวลา ให้ใช้ default ตามบริบท: ถ้าขอ "สรุปรายสัปดาห์" ใช้ 7 วัน ล่าสุดเทียบกับ 7 วันก่อนหน้า (WoW) ถ้าขอ "สรุปรายเดือน" ใช้ 30 วันล่าสุดเทียบ 30 วัน ก่อนหน้า (MoM) — บอกผู้ใช้เสมอว่ากำลังใช้ช่วงเวลาไหนเผื่อไม่ตรงกับที่ตั้งใจ

ขั้นตอนที่ 3 — เลือกโหมดวิเคราะห์

ถามหรืออนุมานจากคำขอของผู้ใช้ว่าต้องการโหมดไหน (เลือกได้มากกว่า 1 โหมดในรายงานเดียว):

  1. สรุป traffic เทียบช่วงเวลา (WoW/MoM) — sessions, users, pageviews, engagement rate
  2. Top pages / landing pages — หน้าที่มีคนดู/เข้ามากที่สุด
  3. Traffic source/channel breakdown — organic, paid, referral, social, direct
  4. Funnel/conversion tracking — conversion rate ตามขั้นตอนที่กำหนด
  5. Real-time active users — คนออนไลน์ตอนนี้
  6. Audience demographics — แบ่งตามประเทศ/device/browser

อ่าน references/metrics.md เพื่อดูว่าแต่ละโหมดควรเรียก tool ไหน พร้อม dimension/metric ที่ควรใช้ — ถ้าต้องการ metric ที่ไม่อยู่ในนั้น ให้เรียก get_custom_dimensions_and_metrics เพื่อยืนยันชื่อ field ที่ถูกต้องของ property นั้นแทนการเดา (ชื่อ custom dimension/metric ต่างกันได้ในแต่ละ property)

ขั้นตอนที่ 4 — ดึงข้อมูลจริง

สำหรับโหมดที่ต้องเทียบช่วงเวลา (WoW/MoM) ให้เรียก run_report สองครั้ง (ช่วงปัจจุบัน กับช่วงเทียบ) แล้วคำนวณ % เปลี่ยนแปลงเอง — ง่ายและตรวจสอบได้กว่าพยายามให้ API คืนค่าเทียบมาให้ในคำขอเดียว

ถ้า tool คืน error หรือไม่มีข้อมูล (เช่น property ไม่มีข้อมูลในช่วงนั้น) ให้บอกผู้ใช้ ตรงๆ ว่าเกิดอะไรขึ้น ห้ามเติมตัวเลขสมมติเข้าไปแทน

ขั้นตอนที่ 5 — สร้าง Web Artifact Dashboard

โหลด skill artifact-design และ dataviz ก่อนเขียน HTML เสมอ (ดูหัวข้อบทบาทด้านบน) โครงสร้าง dashboard ควรมี:

  • Header บอกชื่อ property และช่วงเวลาที่ดูอยู่
  • Stat tiles สำหรับตัวเลขหลักของโหมดที่เลือก พร้อมลูกศร/สี +/- บอก delta เทียบช่วงก่อน (ถ้ามีการเทียบช่วง)
  • กราฟแนวโน้ม (line/bar) สำหรับข้อมูลรายวันถ้ามี
  • ตารางสำหรับ ranking (top pages, channel breakdown, demographics)
  • Footer บอกว่าดึงข้อมูล ณ เวลาไหน (เพราะข้อมูลถูก bake เข้า HTML ตอนสร้าง ไม่ใช่ live)

ข้อมูลทั้งหมดต้อง embed อยู่ใน HTML ตอนสร้าง (self-contained ตามข้อกำหนดของ Artifact) ไม่ใช่ fetch จาก API ตอนเปิดหน้า — เพราะ artifact ไม่มีสิทธิ์เรียก GA4 API ตรงๆ อยู่แล้ว

ตั้ง favicon เป็น 📈 และตั้งชื่อไฟล์/title ให้สื่อถึง property + ช่วงเวลา เพื่อให้แยก รายงานแต่ละครั้งออกจากกันได้ง่ายถ้าผู้ใช้ขอดูหลายรอบ

ขั้นตอนที่ 6 — สรุปสั้นๆ ในแชท

นอกจาก Artifact แล้ว ให้สรุปเป็น bullet 3-5 ข้อในแชทด้วย (ตัวเลขเด่น + insight สั้นๆ) เพื่อให้ผู้ใช้ไม่ต้องเปิด artifact ก็รู้ประเด็นหลักได้ทันที

คำขอ:

  • ห้ามดำเนินการถ้ายังไม่พบ MCP tools ของ google-analytics-mcp — แจ้ง prerequisite ให้ผู้ใช้แทนการเดาหรือสร้างข้อมูลปลอม
  • ถ้ามีหลาย property และผู้ใช้ไม่ได้ระบุ ต้องถามก่อนเสมอ อย่าเลือกให้เองเงียบๆ
  • ห้ามเติมตัวเลขที่ tool ไม่ได้คืนมาจริงๆ ถ้า error หรือไม่มีข้อมูลให้บอกตรงๆ
  • โหลด artifact-design และ dataviz ก่อนเขียน HTML ทุกครั้ง ไม่ข้ามขั้นตอนนี้
  • อ่าน references/metrics.md ก่อนสร้าง query แต่ละโหมด ถ้าต้องการ field ที่ไม่อยู่ ในนั้นให้เช็คด้วย get_custom_dimensions_and_metrics แทนการเดาชื่อ field เอง

ไฟล์แนบ:

  • GA4 property (ชื่อหรือ ID) — ถ้าไม่ระบุและมีหลาย property ต้องถามก่อน
  • ช่วงเวลาที่ต้องการดู (ถ้าไม่ระบุจะใช้ default ตามขั้นตอนที่ 2)
  • โหมดวิเคราะห์ที่ต้องการ (ถ้าไม่ระบุจะถามหรืออนุมานจากคำขอ)

Gives 0 of the 12 instructions most analytics metrics skills give in ~3.2k tokens

Counted across 368 of the 369 authors here whose files we hold, read 2026-08-06

  • read product marketing context before asking questionsin 18 of 368, across 12 files
  • use lowercase with underscores for event namesin 16 of 368, across 6 files
  • track events for decisions not vanity metricsin 15 of 368, across 5 files
  • use object-action format for event namesin 15 of 368, across 8 files
  • produce a tracking plan documentin 14 of 368, across 4 files
  • Call RUBE_SEARCH_TOOLS first to get current schemasin 13 of 368, across 2 files
  • establish consistent event naming conventions before implementingin 10 of 368, across 4 files
  • Verify dimension and metric compatibility before reportingin 9 of 368, across 2 files
  • Encrypt data at rest and in transitin 9 of 368, across 3 files
  • use snake_case for event namesin 9 of 368, across 5 files
  • monitor technical health during the testin 9 of 368, across 5 files
  • use consistent property namesin 8 of 368, across 4 files

Said here and by no other author read

  • stop if required MCP tools are missing
  • ask user to choose property if unspecified
  • infer or ask for analysis mode
  • read metrics reference before building queries
  • run report twice for period comparisons
  • calculate percentage changes yourself

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once. Length counted with cl100k_base; the agent that loads this file may tokenize it differently.

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.