Sensor tower fetch byok

Sensor Tower API 一键取数（BYOK 自带 Key 版）

BYOK 版：不内置任何 token，每位使用者用自己的 Sensor Tower API key。给「产品 + 日期区间」即可拉下载量 + 收入（可选 DAU）， 自动套可选口径（net=ST原始净收入不÷0.7 / gross=÷0.7还原；CN上修默认关；重算 RPD/ARPDAU），出 3-sheet Excel。不用手动导出 CSV。口径见 数据口径说明.md。

首次使用：配置你自己的 API Key（必做一次）

被触发后，先确认 key 是否已配置：跑一次 --resolve-only（见 Step 2），若脚本报 「未找到 Sensor Tower API token」，按下面任一方式配好再继续。三选一：

1. 环境变量（推荐，最不易误提交）

   export ST_AUTH_TOKEN=<你的token>
   

2. 本地配置文件（已 gitignore，不会被提交）：把 config.local.example.json 复制成 config.local.json 填入 key

   cp .claude/skills/sensor-tower-fetch-byok/config.local.example.json \
      .claude/skills/sensor-tower-fetch-byok/config.local.json
   # 然后编辑 config.local.json 的 "auth_token"
   

3. 直接改 config.json 的 auth_token —— ⚠️ 该文件会被提交，别把私钥推到公共仓库，仅自用私库可。

取 token 优先级：环境变量 ST_AUTH_TOKEN > config.local.json > config.json。

去哪拿 key：登录 Sensor Tower 账号 → 后台 API / Integrations 设置里生成 API token（需对应数据订阅权限）。 没有 ST 账号/订阅则无法使用本 skill（这是 Sensor Tower 的付费数据，BYOK 仅解决「用谁的 key」，不绕过订阅）。

安装与可用范围（云端 / 本地 / 全局）

skill 非云端专属，本地 CLI 一样能跑。两种安装范围：

范围	放哪	效果
仓库级	仓库内 .claude/skills/sensor-tower-fetch-byok/	在该仓库目录开 Claude Code 即可用
用户级 / 全局	本地 ~/.claude/skills/sensor-tower-fetch-byok/	本地任意项目都能调

全局安装：cp -r .claude/skills/sensor-tower-fetch-byok ~/.claude/skills/（注意：不要把你的 config.local.json 一起拷到会被提交的地方）。 本地运行需 pip install pandas numpy openpyxl requests + 能联网到 api.sensortower.com。

口径表（由 query.json 的 caliber 字段选择，每次取数确认）

字段	net（默认）	gross
Downloads_adj	Downloads（CN 上修默认关）	同 net
Revenue_adj ($)	Revenue（ST 原始净收入，不 ÷0.7）	Revenue / 0.7（还原平台 30% 分成）
DAU_adj（选了 DAU 时）	DAU（CN 上修默认关）	同 net
RPD_adj	Revenue_adj / Downloads_adj	同左
ARPDAU_adj（选了 DAU 时）	Revenue_adj / DAU_adj	同左

• net：ST sales_report_estimates 返回值已是净收入（扣平台分成+税费），直接用，不 ÷0.7 —— 公司战略会分析默认。
• gross：Revenue / 0.7 还原成玩家毛支出，用于与 gross 口径外部数据对齐。两口径不混用。
• CN 区上修（×4/×2.2/×3）默认关；如需开启编辑 scripts/fetch.py 顶部 CN_*_MULT 常量。
• 口径详见 数据口径说明.md。

调用流程：确认 key → 先问 → 解析确认 → 一把拉完

Step 0: 先问用户要什么（必做）

确认 key 已配置后，先用 AskUserQuestion 把参数问清楚再动手，至少确认：

1. 产品 —— 要哪些游戏/App（名字即可，可多个）。
2. 日期区间 —— start_date ~ end_date。
3. 口径 —— net（ST 原始净收入，不 ÷0.7，默认）还是 gross（÷0.7 还原毛支出）。每次取数都让用户确认选哪种，不替用户决定。

用户没特别说的用 config 默认并讲明：国家默认 ["CN","US","JP","KR","OTHER"]（"OTHER" = WW 减其余四区）、 os 默认 unified、粒度默认 monthly、DAU 默认否。

Step 1: 写 query.json

{
  "products": ["Genshin Impact", {"name": "鸣潮", "unified_id": "<unified_app_id>"}],
  "countries": ["CN", "US", "JP", "KR", "OTHER"],
  "start_date": "2024-01-01",
  "end_date": "2024-12-31",
  "granularity": "monthly",
  "os": "unified",
  "include_dau": false,
  "caliber": "net"
}

• products 每项可为字符串（按名搜索）或 {"name","unified_id"}（给 id 跳过搜索、更稳）。
• countries 写 "OTHER" 触发「其它地区 = WW − 其余国家」推导。
• caliber 收入口径："net"（默认，ST 原始净收入不 ÷0.7）或 "gross"（÷0.7 还原毛支出）。每次取数由用户确认。
• 必填：products / start_date / end_date；其余缺省取 config 默认。

Step 2: 先 --resolve-only 确认匹配（也用来检查 key）

python3 .claude/skills/sensor-tower-fetch-byok/scripts/fetch.py <query.json> --resolve-only

• 若报「未找到 token」→ 回到「首次使用」配 key。
• 打印每个产品匹配到的 名称 / 发行商 / 上线日期 / unified_id + 候选；撞名就用准确名或 unified_id 重跑。

Step 3: 正式拉数 + 调整 + 出 Excel

python3 .claude/skills/sensor-tower-fetch-byok/scripts/fetch.py <query.json> [<output.xlsx>]

输出默认在 query.json 同目录、文件名加 _ST_adjusted.xlsx。3 张 sheet：明细 / 按App汇总 / 按地区汇总。

Step 4: 核对 QA + 交付

检查产品数/国家/区间一致；确认输出 Excel 用的口径（net 时 Revenue_adj=原始 Revenue；gross 时 Revenue_adj=原始/0.7，即 Revenue_adj/原始≈1.4286）；CN 上修默认关故 CN 行无放大； 选了 DAU 时确认 ARPDAU 已生成（Other 行 DAU 留空）。用 SendUserFile 把 Excel 发给用户并给关键洞察，注明本次口径是 net 还是 gross。

常见排查

• 未找到 token / 401 / 403 → 没配 key 或 key 无效/无该数据权限。按「首次使用」配自己的 key；ST 数据需对应订阅。
• 产品搜错（撞名） → --resolve-only 看匹配，再用准确名或 unified_id。
• API 返回 0 条 → 产品在所选区间无数据 / 国家码错 / 日期非 YYYY-MM-DD。
• 收入数量级不对 → 脚本已把「美分」÷100 转美元；确认 caliber 是否选对（net 不 ÷0.7、gross ÷0.7，两者差 ~1.43 倍），别自己额外换算。
• 依赖缺失 → pip install pandas numpy openpyxl requests。

数据口径备注

• 销售只用 unified/sales_report_estimates 一个端点（自带 iPhone/iPad/Android 拆分，按 os 选字段）；收入返回「美分」已 ÷100。
• DAU 取 unified/usage/active_users（day 粒度），按 period 取月内日均。内置退避重试（2s/4s/8s）。

本 skill 不做的事

• 不内置任何 token（这正是 BYOK 的目的）；不绕过 Sensor Tower 订阅。
• 不处理手动 CSV 导出（用 sensor-tower-data-adjust）。
• 不替用户决定口径（net/gross 每次由用户确认；CN 上修系数改 fetch.py 顶部常量）。