Gemini 镜像站数据分析指南：5 个即用提示词模板

数据分析是很多人每天都要做的事，但并不是每个人都有数据分析师的背景。你可能需要从一堆 CSV 文件里找规律，写一段 SQL 跑报表，或者把老板丢过来的 Excel 表格变成一份能看的分析报告。这些任务交给 Gemini，效率可以提升一个量级。

通过 chat.aimirror123.com 访问 Gemini 镜像站，国内用户可以直接使用 Gemini 3.1 Pro 的长上下文能力处理大规模数据分析任务，无需担心网络问题。

为什么用 Gemini 做数据分析

Gemini 3.1 Pro 拥有 200 万 token 的上下文窗口，这在数据分析场景中是决定性的优势。一个包含上万行数据的 CSV 文件，直接粘贴进去就能分析，不需要先做数据裁剪。

具体来说，Gemini 在数据分析方面擅长以下几件事：

• 表格数据解读：粘贴 CSV 或表格数据，直接得到趋势分析、异常值识别、关键指标总结
• SQL 查询生成：描述你想要的查询结果，Gemini 帮你写出可执行的 SQL
• 图表描述生成：虽然镜像站不能直接生成图表，但 Gemini 可以生成 Python 绑定的图表代码或详细的图表描述
• 业务指标解释：把原始数据翻译成业务人员能看懂的结论

如何粘贴表格数据

在 Gemini 镜像站中提交数据分析请求时，数据格式很重要。以下是几种推荐的粘贴方式：

方式一：直接粘贴 CSV 格式

从 Excel 复制的数据粘贴后通常是制表符分隔的，Gemini 能识别。但更推荐转为 CSV 格式：

日期,渠道,访问量,注册数,付费数,收入
2026-01,微信,85000,4200,320,128000
2026-02,微信,92000,4800,380,152000
2026-03,微信,78000,3600,260,104000
2026-01,抖音,120000,6000,180,72000
2026-02,抖音,135000,7200,220,88000
2026-03,抖音,142000,7800,250,100000

方式二：Markdown 表格格式

如果数据量较小（几十行以内），可以转为 Markdown 表格，Gemini 解析更准确。

方式三：描述数据结构 + 贴数据

如果数据量大，先用一段话描述表的字段含义，再粘贴数据。这能帮助 Gemini 更准确地理解业务含义。

模板一：销售数据摘要分析

这是最常见的场景——老板给你一个表，要你"看看数据有什么发现"。

请分析以下销售数据，给出一份结构化的摘要报告：

[粘贴你的销售数据，CSV 或表格格式]

要求：
1. 总体概览：总销售额、订单数、客单价、同比/环比变化
2. 趋势分析：找出增长或下降的时间段，标注拐点
3. 分维度拆解：按产品/渠道/区域分别看表现，找出 Top 3 和 Bottom 3
4. 异常值识别：标注任何明显偏离正常范围的数据点，推测可能原因
5. 可执行建议：基于数据给出 2-3 条具体的业务建议

输出格式：使用 Markdown，每个板块用二级标题，关键数据加粗，趋势用表格呈现。

使用技巧：如果数据行数超过几百行，可以先让 Gemini 做一轮"数据质量检查"——看看有没有缺失值、格式异常或明显的脏数据，清洗后再分析。

模板二：用户转化漏斗分析

产品和运营经常要看漏斗数据，从访问到注册到付费，每一步的转化率是多少。

请对以下用户转化漏斗数据进行分析：

[粘贴包含各环节用户数的数据]

分析要求：
1. 计算每个环节的转化率和流失率
2. 标注转化率最低的环节（即最大瓶颈）
3. 与行业基准对比（如果我没给基准数据，请使用互联网行业通用基准）
4. 按不同维度（渠道/设备/用户群体）拆分漏斗，找出转化差异最大的维度
5. 针对瓶颈环节，给出 3 条优化建议，每条建议要具体到可执行的动作

输出格式：
- 漏斗总览用表格呈现（环节名 → 用户数 → 转化率 → 流失率）
- 分维度对比也用表格
- 建议部分用编号列表，每条包含"问题 → 建议 → 预期效果"

使用技巧：如果手头有多个月的漏斗数据，一次性粘贴进去让 Gemini 做时间维度的对比，能发现哪些环节在改善、哪些在恶化。

模板三：A/B 测试结果解读

做了 A/B 测试但不确定结果是否显著？把数据交给 Gemini。

请帮我解读以下 A/B 测试结果：

实验背景：[简述你测试了什么，比如"首页改版对注册转化的影响"]

数据：
- 对照组（A）：样本量 [X]，转化数 [Y]，转化率 [Z%]
- 实验组（B）：样本量 [X]，转化数 [Y]，转化率 [Z%]
- 实验时长：[天数]

请完成以下分析：
1. 计算两组转化率的差异及相对提升幅度
2. 进行统计显著性检验（Z 检验），给出 p 值和 95% 置信区间
3. 判断样本量是否足够（统计功效分析）
4. 如果结果不显著，估算还需要多少样本才能达到统计显著
5. 给出明确的业务决策建议：推全量 / 继续测试 / 放弃实验

请用通俗易懂的语言解释统计概念，假设读者不具备统计学背景。

使用技巧：如果你能提供分天的数据，让 Gemini 画出转化率的日趋势线描述，看看是否存在新奇效应（novelty effect）。

模板四：财务报告数据提取

面对一份几十页的财务报告，手动提取关键数据太痛苦了。

请从以下财务数据中提取关键信息并生成摘要：

[粘贴财务报告中的表格数据或关键段落]

提取要求：
1. 核心指标汇总：营收、净利润、毛利率、净利率、同比增长率
2. 收入结构：按业务线/产品/区域拆分收入占比
3. 成本结构：主要成本项目及占比变化
4. 现金流状况：经营活动现金流、自由现金流
5. 关键风险点：负债率变化、应收账款周转、存货周转等需要关注的指标

输出格式：
- 一页纸摘要（200 字以内的关键结论）
- 详细数据表格
- 同比变化标注箭头方向（上升/下降/持平）
- 需要关注的风险用加粗标注

使用技巧：如果是上市公司的公开财报，你可以把连续几个季度的数据一起粘贴进去，让 Gemini 做趋势分析和同行对比。Gemini 3.1 Pro 的长上下文窗口在这个场景中特别有用。

模板五：问卷调查数据归类

做了用户调研，收回几百份问卷，开放题回答怎么归类？

请对以下问卷调查的开放题回答进行分类分析：

问题是：[你的问卷问题，如"您对我们产品最不满意的地方是什么？"]

回答数据：
[粘贴所有开放题回答，每行一条]

分析要求：
1. 主题归类：将所有回答归为 5-8 个主题类别，每个类别给一个简短的标签名
2. 频次统计：每个类别包含多少条回答，占总数的百分比
3. 典型回答：每个类别列出 2-3 条最具代表性的原始回答
4. 情感分析：每个类别的整体情感倾向（正面/负面/中性）
5. 优先级排序：根据频次和情感强度，排列出需要优先处理的问题

输出格式：
- 总览表格（类别 → 数量 → 占比 → 情感 → 优先级）
- 每个类别的详细分析段落
- 最后给出 3 条可执行的产品改进建议

使用技巧：如果回答条数太多（超过几百条），可以分批粘贴，让 Gemini 先对每批做归类，最后再做一轮汇总合并。

数据分析的通用技巧

在 Gemini 镜像站做数据分析时，以下几点能帮你得到更好的结果：

1. 先说清楚数据的业务背景。同样一列数字，电商订单和 SaaS 续约的分析逻辑完全不同。花一两句话说明业务场景，值得的。

2. 明确你需要的输出粒度。"分析这个数据"太模糊，"按月、按渠道拆分，给出环比变化"就很明确。

3. 要求 Gemini 标注数据局限性。好的分析应该包含"这个结论的前提是什么""哪些因素没有被考虑到"。在提示词里加一句"请指出分析的局限性"即可。

4. 让它生成可验证的中间步骤。如果涉及计算，要求 Gemini 写出计算过程或对应的 Python/SQL 代码，你可以本地验证结果的正确性。

镜像站使用建议

1. 数据分析推荐使用 Gemini 3.1 Pro 模型，其长上下文能力适合处理大量数据
2. 通过 chat.aimirror123.com 直接访问
3. 更多镜像站入口见 镜像列表
4. 如果需要对比不同 AI 的分析结果，也可以试试 claude-mirrors.com 上的 Claude 模型
5. 涉及公司敏感数据时，建议先脱敏处理再提交

更多使用技巧可参考 提示词指南 和 编程指南。