Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →매장 운영 데이터를 1줄로 통합 요약합니다. SCOPE에 따라 전체 아침 브리핑(어제 주문·신규 문의·트렌드·ROAS 4개 영역) 또는 주문 요약만(스마트스토어·카페24·아임웹 신규 주문 채널 통합)을 자연어로 선택합니다. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: "아침 브리핑 만들어줘", "오늘 매장 현황 보여줘", "ROAS 확인해줘", "매장 대시보드 요약", "아침에 매장 상황 한눈에 보기", "daily brief", "모닝 브리핑", "오늘 주문 요약해줘", "신규 주문 통합해줘", "스마트스토어 카페24 아임웹 주문 합쳐줘", "채널별 주문 한눈에", "대시보드 5개 왔다갔다 그만하고 싶어" 2개 SCOPE 모드(전체 아침 브리핑 / 주문 요약만)가 발화로 자동 선택되며, 수치·데이터 1줄 통합 산출이므로 ai-slop-reviewer 체이닝은 제외합니다. [책임 경계] 페어 moai-business:daily-briefing(외부 뉴스·시장 정보)와 구분 —
.claude/skills/modu-ai-commerce-morning-brief/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-03 | ✗→✓ | ▲ Improved | 8% | 0% |
| case-04 | ✗→✓ | ▲ Improved | -16% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 126% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 82% | 0% |
| case-09 | ✗→✓ | ▲ Improved | 68% | 0% |
매장 운영 데이터를 모아 1줄로 통합 요약합니다. 채널 관리자 대시보드(스마트스토어·쿠팡 윙·카페24 등)를 일일이 확인하던 수기 30분 작업을 30초 브리핑으로 압축하는 매일 아침 루틴 스킬입니다.
| SCOPE | 트리거 발화 예 | 산출물 | |-------|---------------|--------| | 전체 아침 브리핑 (기본) | "아침 브리핑 만들어줘", "오늘 매장 현황 보여줘" | 주문·문의·트렌드·ROAS 4개 영역 1줄 통합 | | 주문 요약만 | "오늘 주문 요약해줘", "신규 주문 통합해줘", "채널별 주문 한눈에" | 스마트스토어·카페24·아임웹 3채널 신규 주문 + 합산 |
SCOPE는 발화로 자동 선택됩니다. "아침 브리핑"이면 전체 4개 영역, "주문 요약/통합"이면 주문 요약 모드로 진입합니다.
데이터 소스 (우선순위)
품질 체크리스트 요약 페르소나 톤 기준 1줄 요약 + .md 저장 확인.
아침 브리핑, 모닝 브리핑, 매장 현황, 어제 주문, 신규 문의, ROAS 확인, 매장 대시보드, daily brief, 30초 브리핑, 오늘 주문 요약, 신규 주문 통합, 채널 통합 주문, 스마트스토어 카페24 아임웹, 대시보드 통합, 채널별 주문 합산
| 슬롯 | 필수 여부 | 기본값 | 설명 | |------|-----------|--------|------| | 매장 데이터 | 필수 | 없음 | 커머스 MCP 커넥터 조회 결과, 대시보드 내보내기 파일(CSV·엑셀), 또는 스크린샷 | | date | 선택 | 어제 날짜 (자동) | 조회 기준 날짜 (YYYY-MM-DD) | | persona_tone | 선택 | 페르소나 기본값 | CLAUDE.md에 설정된 페르소나 톤 적용 |
첨부된 데이터에 일부 영역(예: ROAS)이 없으면 해당 영역을 "데이터 없음"으로 표기하고 나머지 영역만 요약합니다. 매장 데이터에 접근할 방법이 전혀 없으면, 채널 관리자에서 내보낼 수 있는 자료 목록(주문 내역·문의 목록·광고 보고서)을 안내합니다.
예시 1 — 기본 호출 (파일 첨부) > "오늘 아침 브리핑 해줘" (어제 주문 내역·문의 목록·광고 보고서 첨부)
첨부 데이터 분석 → 어제 날짜 기준 정리
출력:
[2026-05-11 아침 브리핑]
주문: 신규 32건 (전일 대비 +8%) · 문의: 5건 미답변 · 트렌드: "여름 원피스" 급상승 · ROAS: 3.2
→ morning-brief-20260511.md 저장예시 2 — 특정 날짜 지정 > "지난주 월요일 브리핑 보여줘"
첨부 데이터에서 date: "2026-05-05" 기준 정리
출력: 해당 날짜 주문·문의·트렌드·ROAS 통합 요약예시 3 — 스크린샷 입력 > "스마트스토어 대시보드 스크린샷이야, 브리핑 해줘"
스크린샷에서 수치 추출 → 매장 어제 현황 1줄 요약 → .md 저장markdown# [날짜] 아침 브리핑 **주문**: [신규 N건] (전일 대비 ±N%) **문의**: [미답변 N건] / 전체 N건 **트렌드**: "[키워드]" [상승/하락/유지] **ROAS**: [N.N] > [페르소나 톤 적용 1줄 요약]
저장 경로: 작업_폴더/morning-brief-YYYYMMDD.md
"오늘 주문 요약해줘", "신규 주문 통합해줘", "대시보드 5개 왔다갔다 그만하고 싶어" 같은 발화 시 진입합니다. 스마트스토어·카페24·아임웹 3채널 신규 주문을 통합 집계해 1줄로 압축합니다. 전체 아침 브리핑의 주문 영역을 채널별 상세까지 펼친 버전입니다.
| 슬롯 | 필수 여부 | 기본값 | 설명 | |------|-----------|--------|------| | 주문 데이터 | 필수 | 없음 | 커머스 MCP 커넥터 조회 결과, 채널별 주문 내역 내보내기(CSV·엑셀), 또는 스크린샷 | | channels | 선택 | 전체 채널 | 특정 채널만 조회 시 명시 (smartstore, cafe24, imweb) | | date | 선택 | 오늘 날짜 (자동) | 조회 기준 날짜 |
markdown# [날짜] 채널 통합 신규 주문 | 채널 | 신규 주문 | 금액 | |------|-----------|------| | 스마트스토어 | N건 | ₩N,NNN,NNN | | 카페24 | N건 | ₩N,NNN,NNN | | 아임웹 | N건 | ₩N,NNN,NNN | | **합계** | **N건** | **₩N,NNN,NNN** | > [1줄 요약]: 오늘 3채널 합산 N건, 총 ₩N,NNN,NNN
저장 경로: 작업_폴더/order-summary-YYYYMMDD.md
주문 요약 모드 사용 예시:
"오늘 주문 요약해줘" (채널별 주문 내역 첨부)
→ 스마트스토어 18건 · 카페24 9건 · 아임웹 5건 = 합계 32건 (₩4,820,000) → order-summary-YYYYMMDD.md 저장전체 아침 브리핑 모드
주문 요약 모드
moai-officer:setup-mcp-connector — 커넥터로 매장 데이터를 직접 조회하려는 경우 인증 가이드moai-seller:commerce-integrated-strategy — 브리핑·주문 데이터 기반 전략 수립moai-officer:productivity-briefing 사용moai-officer:setup-mcp-connector 먼저 실행| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-02 | fail→fail | 8,038 | 4,390 | -45% | 1 | 1 | 0% | 1,359 | 2,871 | +111% | 0 | 0 | — |
case-01 | fail→fail | 8,945 | 5,625 | -37% | 1 | 1 | 0% | 1,592 | 2,926 | +84% | 0 | 0 | — |
case-03 | fail→pass | 17,976 | 5,125 | -71% | 1 | 1 | 0% | 2,832 | 3,053 | +8% | 0 | 0 | — |
case-04 | fail→pass | 21,931 | 6,614 | -70% | 1 | 1 | 0% | 3,813 | 3,187 | -16% | 0 | 0 | — |
case-05 | fail→fail | 15,952 | 9,920 | -38% | 1 | 1 | 0% | 2,678 | 3,825 | +43% | 0 | 0 | — |
case-06 | pass→pass | 10,390 | 4,877 | -53% | 1 | 1 | 0% | 1,754 | 3,122 | +78% | 0 | 0 | — |
case-12 | pass→pass | 14,540 | 7,272 | -50% | 1 | 1 | 0% | 2,814 | 3,524 | +25% | 0 | 0 | — |
case-07 | fail→pass | 7,778 | 5,005 | -36% | 1 | 1 | 0% | 1,326 | 3,003 | +126% | 0 | 0 | — |
case-08 | fail→pass | 9,038 | 4,520 | -50% | 1 | 1 | 0% | 1,633 | 2,973 | +82% | 0 | 0 | — |
case-09 | fail→pass | 10,969 | 6,213 | -43% | 1 | 1 | 0% | 1,972 | 3,313 | +68% | 0 | 0 | — |
case-10 | fail→pass | 9,607 | 3,600 | -63% | 1 | 1 | 0% | 1,761 | 2,815 | +60% | 0 | 0 | — |
case-11 | fail→pass | 9,576 | 2,555 | -73% | 1 | 1 | 0% | 1,768 | 2,564 | +45% | 0 | 0 | — |
case-13 | pass→pass | 12,199 | 5,420 | -56% | 1 | 1 | 0% | 2,328 | 3,185 | +37% | 0 | 0 | — |
case-14 | pass→pass | 7,375 | 3,668 | -50% | 1 | 1 | 0% | 1,372 | 2,823 | +106% | 0 | 0 | — |
case-15 | fail→pass | 9,284 | 2,649 | -71% | 1 | 1 | 0% | 1,682 | 2,599 | +55% | 0 | 0 | — |
case-16 | fail→pass | 13,306 | 7,726 | -42% | 1 | 1 | 0% | 2,377 | 3,667 | +54% | 0 | 0 | — |
case-17 | pass→pass | 13,338 | 9,218 | -31% | 1 | 1 | 0% | 2,123 | 3,904 | +84% | 0 | 0 | — |
case-18 | pass→pass | 11,788 | 7,946 | -33% | 1 | 1 | 0% | 1,827 | 3,493 | +91% | 0 | 0 | — |
case-19 | fail→pass | 12,978 | 7,177 | -45% | 1 | 1 | 0% | 1,990 | 3,328 | +67% | 0 | 0 | — |
case-20 | pass→pass | 8,176 | 2,079 | -75% | 1 | 1 | 0% | 1,381 | 2,505 | +81% | 0 | 0 | — |
case-21 | fail→pass | 7,580 | 3,067 | -60% | 1 | 1 | 0% | 1,281 | 2,665 | +108% | 0 | 0 | — |
case-22 | pass→pass | 8,689 | 3,482 | -60% | 1 | 1 | 0% | 1,431 | 2,752 | +92% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +50 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.