Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →소상공인365(bigdata.sbiz.or.kr)에서 받은 상권분석 PDF를 첨부하면, 유동인구·경쟁 점포·예상 매출을 분석한 창업 타당성 보고서(Word)를 만들어 드립니다. 다음과 같은 요청 시 사용하세요: - "이 상권 PDF 분석해줘" - "소상공인365 보고서 분석해줘" - "이 지역에서 창업해도 될까?" - "창업 타당성 검토해줘" - "이 동네 카페 차려도 괜찮을까?" - "유동인구랑 경쟁 점포 분석해줘" - "예상 매출 어느 정도일지 봐줘" PDF를 첨부하면 업종·예산·목적을 먼저 물어본 뒤, 5대 분석과 창업 타당성 점수까지 담은 보고서를 만들고 AI 표현 다듬기로 이어집니다. [책임 경계] vs 산업 단위는 moai-business:market-analyst, 온라인 카테고리·검색 키워드 단위는 moai-commerce:commerce-market-research를 사용하세요. 이 스킬=오프라인 상권 단위 분석.
.claude/skills/modu-ai-sbiz365-analyst/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 63% | 0% |
| case-02 | ✗→✓ | ▲ Improved | 48% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 70% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 79% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 40% | 0% |
소상공인365(bigdata.sbiz.or.kr) PDF를 기반으로 예비창업자와 소상공인을 위한 상권 트렌드 분석과 창업 타당성 보고서를 작성합니다.
숫자를 나열하는 게 아니라 "이 상권에서 이 업종으로 창업하면 어떤 가능성과 위험이 있는가"를 소상공인의 언어로 답하는 것이 목표입니다. 통계 뒤에 숨은 의미를 찾아, 현실적인 판단을 돕습니다.
PDF가 첨부되지 않은 경우: > "소상공인365(bigdata.sbiz.or.kr)에서 상권분석 보고서를 PDF로 저장 후 첨부해 주세요. > 사이트 접속 → 상권분석 → 지역/업종 선택 → 출력 버튼 클릭 → PDF 저장"
PDF가 첨부된 경우 → Step 1로 진행
PDF 확인 후 즉시 아래 4개를 한 번에 질문해 수집합니다. 인터뷰 결과는 분석의 관점과 보고서 논조를 결정합니다.
Q1. 관심 업종
- 카페·음료·디저트
- 한식·백반·분식
- 치킨·피자·패스트푸드
- 미용·네일·피부관리
- 편의점·마트·잡화
- 기타 (직접 입력)
Q2. 창업 목적
- 신규 창업 (첫 창업)
- 업종 전환 / 재창업
- 추가 점포 확장
- 투자·임대 목적 판단
Q3. 예상 창업 예산
- 3천만원 미만 (소규모)
- 3천만~1억원 (중소규모)
- 1억~3억원 (중규모)
- 3억원 이상 (대규모)
Q4. 가장 궁금한 점 (1순위)
- 경쟁 현황과 포화도
- 예상 월 매출 수준
- 주요 고객층 (연령·성별)
- 상권 성장성과 미래 전망소상공인365 상권분석 PDF는 간단분석 또는 상세분석 형태로 제공됩니다. PDF를 읽어 아래 항목을 항목별로 추출합니다.
추출 항목 전체 목록은 → references/data-fields.md 참조
핵심 체크리스트:
데이터가 없거나 불명확한 항목은 "데이터 없음" 으로 표기하고 분석 시 주의사항으로 기재합니다.
추출한 데이터로 다음 5가지 분석을 수행합니다. 각 분석의 세부 방법론은 → references/analysis-guide.md 참조
창업 타당성 평가 기준 및 점수 산정 방법 → references/feasibility-scoring.md 참조
4가지 평가 축:
총점 80점 이상 → 창업 적합 총점 60-79점 → 조건부 적합 (보완 전략 제시) 총점 60점 미만 → 재검토 필요 (대안 제시)
반드시 moai-office:docx-generator 스킬을 사용합니다 (Anthropic 공식 docx 스킬이 설치되어 있으면 그쪽을 우선 사용해도 됩니다). Claude 기본 Word 생성 금지.
보고서 구조 및 각 섹션 작성 가이드 → references/report-template.md 참조
1. Executive Summary
- 창업 타당성 종합 판정 (적합/조건부/재검토)
- 핵심 발견 5가지
- 전략적 시사점
2. 분석 대상 상권 개요
- 지역, 분석 기간, 데이터 출처
3. 유동인구 분석
- 규모, 구성 (성별·연령), 시간대 패턴
4. 매출 현황 분석
- 동종 업종 매출 수준, 객단가, 시간대별 특성
5. 업종 현황 및 경쟁 분석
- 경쟁 포화도, 창폐업률, 업력 분포
6. 입지 환경 분석
- 상권 유형, 주요 집객 요소, 배달 환경
7. 창업 타당성 평가 (핵심 섹션)
- 4축 평가 점수표
- 종합 판정 및 근거
- 성공 조건 3가지
8. 리스크 요인 및 대응 전략
- 주요 위협 요인 3가지
- 각 리스크별 대응 방안
9. 결론 및 제언
- 핵심 인사이트
- 단기·중기 액션 아이템파일명 규칙: rpt_[지역약어]_[YYYYMM].docx (예: rpt_hongdae_202604.docx)
반드시 마지막 단계로 체인 moai-core:ai-slop-reviewer → moai-content:humanize-korean을 실행합니다. 우선순위: anthropic-skills:ai-slop-reviewer > moai-core:ai-slop-reviewer.
moai-core:ai-slop-reviewer: AI 기계적 문어체 → 현장감 있는 소상공인 언어로 변환, 과도한 수식어 제거, 핵심 메시지 강화moai-content:humanize-korean: AI 티가 남은 한국어 표현을 자연스럽게 다듬습니다| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-21 | pass→pass | 16,828 | 10,567 | -37% | 1 | 1 | 0% | 2,720 | 3,623 | +33% | 0 | 0 | — |
case-01 | fail→pass | 11,504 | 5,181 | -55% | 1 | 1 | 0% | 1,902 | 3,105 | +63% | 0 | 0 | — |
case-02 | fail→pass | 13,248 | 22,570 | +70% | 1 | 1 | 0% | 2,013 | 2,987 | +48% | 0 | 0 | — |
case-03 | fail→pass | 15,050 | 8,099 | -46% | 1 | 1 | 0% | 2,121 | 3,598 | +70% | 0 | 0 | — |
case-04 | fail→pass | 16,229 | 23,843 | +47% | 1 | 1 | 0% | 2,495 | 4,476 | +79% | 0 | 0 | — |
case-05 | fail→fail | 14,941 | 12,181 | -18% | 1 | 1 | 0% | 2,365 | 4,089 | +73% | 0 | 0 | — |
case-06 | fail→fail | 21,124 | 16,139 | -24% | 1 | 1 | 0% | 3,492 | 4,744 | +36% | 0 | 0 | — |
case-07 | fail→pass | 34,240 | 12,994 | -62% | 1 | 1 | 0% | 3,153 | 4,419 | +40% | 0 | 0 | — |
case-08 | pass→pass | 10,450 | 5,252 | -50% | 1 | 1 | 0% | 1,789 | 3,031 | +69% | 0 | 0 | — |
case-09 | fail→pass | 8,967 | 2,801 | -69% | 1 | 1 | 0% | 1,489 | 2,599 | +75% | 0 | 0 | — |
case-15 | fail→pass | 11,592 | 3,637 | -69% | 1 | 1 | 0% | 1,740 | 2,725 | +57% | 0 | 0 | — |
case-10 | fail→pass | 13,159 | 4,597 | -65% | 1 | 1 | 0% | 1,966 | 2,827 | +44% | 0 | 0 | — |
case-11 | pass→pass | 11,592 | 4,462 | -62% | 1 | 1 | 0% | 1,686 | 2,760 | +64% | 0 | 0 | — |
case-12 | fail→pass | 12,007 | 8,093 | -33% | 1 | 1 | 0% | 1,805 | 3,388 | +88% | 0 | 0 | — |
case-13 | fail→pass | 12,739 | 15,996 | +26% | 1 | 1 | 0% | 1,924 | 2,853 | +48% | 0 | 0 | — |
case-14 | fail→pass | 15,851 | 4,793 | -70% | 1 | 1 | 0% | 2,406 | 2,974 | +24% | 0 | 0 | — |
case-16 | pass→pass | 16,327 | 10,968 | -33% | 1 | 1 | 0% | 2,799 | 4,084 | +46% | 0 | 0 | — |
case-17 | pass→pass | 9,113 | 8,523 | -6% | 1 | 1 | 0% | 1,359 | 3,399 | +150% | 0 | 0 | — |
case-18 | fail→pass | 13,470 | 4,984 | -63% | 1 | 1 | 0% | 2,065 | 2,915 | +41% | 0 | 0 | — |
case-19 | fail→fail | 13,223 | 8,910 | -33% | 1 | 1 | 0% | 2,133 | 3,409 | +60% | 0 | 0 | — |
case-20 | fail→pass | 8,836 | 5,229 | -41% | 1 | 1 | 0% | 1,457 | 2,932 | +101% | 0 | 0 | — |
case-22 | fail→pass | 13,986 | 5,445 | -61% | 1 | 1 | 0% | 2,337 | 3,024 | +29% | 0 | 0 | — |
case-23 | fail→pass | 13,003 | 7,719 | -41% | 1 | 1 | 0% | 2,143 | 3,370 | +57% | 0 | 0 | — |
case-24 | fail→pass | 14,418 | 3,936 | -73% | 1 | 1 | 0% | 2,259 | 2,776 | +23% | 0 | 0 | — |
case-25 | fail→pass | 10,254 | 7,007 | -32% | 1 | 1 | 0% | 1,740 | 3,212 | +85% | 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. 25 cases were attempted. The headline lift of +68 percentage points is the difference between those two pass rates over the 25 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
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.