分析示例数据中各营销渠道的ROI情况，请：
1. 计算并可视化各渠道的ROI趋势
2. 对比新媒体（小红书、抖音）与传统渠道的效果差异
3. 找出投资回报率最高的前3个渠道
4. 生成一个简洁的分析报告
要求：使用matplotlib或seaborn生成图表，并给出优化建议。
基于漏斗数据，请：
1. 计算各环节的转化率
2. 识别转化率异常的环节
3. 生成漏斗可视化图表
4. 提供提升转化率的建议
输出格式：Python代码 + 分析结论
分析用户行为数据，生成用户画像：
1. 统计各年龄段和性别的用户分布
2. 分析用户的活跃时段规律
3. 识别最常用的设备类型
4. 生成用户画像标签
输出：数据可视化 + 用户特征总结
分析用户粘性指标，请：
1. 计算平均会话时长的变化趋势
2. 分析页面访问深度分布
3. 找出影响用户留存的关键因素
4. 生成提升用户粘性的建议
要求：使用pandas进行数据处理，输出可视化结果
分析产品功能使用数据：
1. 统计各功能的使用频率和时长
2. 计算功能间的相关性
3. 分析功能的性能指标（加载时间、错误率）
4. 生成功能优化建议
输出：数据图表 + 改进建议
分析客服反馈数据，请：
1. 对用户评论进行情感分析
2. 提取常见问题类型
3. 分析响应时间与满意度的关系
4. 生成客服质量改进建议
要求：使用NLP相关库进行文本分析
基于地域分布数据：
1. 生成用户地域分布热力图
2. 分析各地区的用户活跃度和购买力
3. 识别潜力市场
4. 提供区域营销策略建议
输出：地图可视化 + 策略建议
对[数据集名称]进行探索性分析：
1. 数据基本统计特征
2. 异常值检测
3. 关键指标趋势分析
4. 变量相关性分析
输出要求：
- 清晰的代码注释
- 重要发现总结
- 可视化图表
- 改进建议
基于分析结果生成专业报告：
1. 数据概览
2. 核心发现
3. 问题诊断
4. 改进建议
格式要求：
- Markdown格式
- 包含数据图表
- 清晰的结构层次
- 可执行的建议
- 明确分析目标
- 在提示词开始说明具体的分析目的
- 列出需要关注的关键指标
- 指定输出格式
- 说明需要的代码语言
- 指定可视化库的选择
- 要求特定的输出格式
- 设定约束条件
- 指定数据处理方法
- 说明性能要求
- 设定输出的详细程度
- 要求实用性建议
- 请求具体可执行的建议
- 要求基于数据的论证
- 设定建议的优先级
- 提示词要点：
- 清晰明确的目标
- 具体的步骤要求
- 明确的输出格式
- 可衡量的标准
- 优化建议：
- 分步骤提问
- 要求中间结果
- 及时调整提示词
- 保持对话连贯性
- 常见问题：
- 提示词过于模糊
- 缺少具体约束
- 输出格式不明确
- 缺少优先级指引