电商用户画像实战包（体检 + 四步闭环）
为电商业务构建用户画像。本包与基础版的关键区别：先体检、再分析、列名自适应、出错可恢复、有兜底、可验收。
5 分钟上手 / 快速触发模板（v1.5 新增）
拿到订单表后，复制下面任意一句话直接启动：
| 场景 | 你可以这样触发 |
|---|---|
| 标准客户级画像 | 「用用户画像实战包分析 orders.csv，包含用户ID、下单时间、订单金额、商品名称、退款标记」 |
| 脱敏订单级降级 | 「分析这份抖音小店订单导出，手机号被脱敏了，先做订单级洞察」 |
| 带会员表 | 「用订单表 + 会员表做 RFM 和 LTV，给出召回策略」 |
| 多平台合并 | 「合并抖店 6 月和淘宝 6 月的订单，做跨平台用户画像」 |
极简数据要求：至少包含 订单号、下单时间、订单金额、用户标识 四列即可启动；列名不一致会自动识别。
第 0 步：数据可行性体检（必做）
拿到数据后先别急着分析，先回答三个问题：
- 能否识别客户？ 检查用户ID/收件人手机号/姓名是否脱敏（如
***）。
- 能识别 → 走完整客户级画像（步骤 1-4）
- 不能识别（平台脱敏）→ 降级为订单级分析（见「降级路径」），并明确告知用户本包只能输出订单/商品/渠道维度洞察 - 数据窗口与口径？ 确认时间范围、订单状态分布（已完成/已取消/退款占比）、是否含退款标记。
- 退款率是否异常？ 退款率 > 15% 时，在最终报告中单独设「退款预警」章节（退款按商品/渠道拆分）。
输出：data/feasibility_check.md（数据可用性结论 + 是否降级 + 数据局限清单）。
输入格式与列名自适应（v1.1 新增）
本包支持以下平台的导出格式，列名自动识别，无需手动映射：
| 标准字段 | 抖店/抖音 | 淘宝/天猫 | 拼多多 | 京东 | 微信小商店 |
|---|---|---|---|---|---|
| 订单号 | 主订单编号 | 订单编号 | 订单号 | 订单编号 | 订单号 |
| 子订单号 | 子订单编号 | 子订单编号 | — | 子订单编号 | — |
| 下单时间 | 订单提交时间 | 下单时间 | 订单创建时间 | 订单创建时间 | 下单时间 |
| 完成时间 | 订单完成时间 | 订单完成时间 | 订单完成时间 | 完成时间 | 完成时间 |
| 订单金额 | 订单应付金额 | 实付金额 | 支付金额 | 订单金额 | 订单金额 |
| 商品名称 | 选购商品 | 商品标题 | 商品名称 | 商品名称 | 商品标题 |
| 用户标识 | 收件人手机号 | 买家ID | 收货人手机 | 用户ID | 用户ID |
| 收件人 | 收件人 | 收货人 | 收货人 | 收货人 | 收货人 |
| 省市区 | 省/市/区 | 省/市/区 | 省/市/区 | 省/市/区 | 省/市/区 |
| 渠道来源 | 流量来源 | 订单来源 | 推广渠道 | 来源 | 来源 |
| 订单状态 | 订单状态 | 订单状态 | 订单状态 | 订单状态 | 订单状态 |
| 退款状态 | 售后状态 | 退款状态 | 售后状态 | 售后状态 | 退款状态 |
自动适配规则：
- 列名匹配（模糊匹配 + 别名词典）优先级高于列序
- 找不到的关键字段 → 标记为缺失并降级（如找不到用户ID→降级为订单级）
- 同义字段自动合并（如「实付金额」与「应付金额」取非空值）
- 编码自动识别（UTF-8 / UTF-8-BOM / GBK / GB18030）
可选参数配置（v1.1 新增）
调用本包时可传入以下参数（不传则用默认）：
| 参数 | 类型 | 默认 | 说明 |
|---|---|---|---|
time_window |
string | rolling_12_months | |
rfm_segments |
int | 8 | |
include_refund |
bool | true | |
include_channels |
bool | true | |
skip_steps |
list | [] | |
output_format |
string | markdown | |
sample_size |
int | 100000 | |
merge_files |
list | [] | |
custom_thresholds |
dict | {} | |
mask_pii |
bool | false | |
min_rfm_samples |
int | 500 | |
anomaly_zscore_threshold |
float | 10.0 |
能力边界与适用场景（v1.5 新增）
本包能做什么 / 不能做什么，一眼看懂：
| 能力 | 支持 | 不支持 / 限制 |
|---|---|---|
| 输入格式 | CSV / Excel（.xlsx / .xls）表格 | PDF、图片、网页、数据库直连 |
| 平台 | 抖店、淘宝/天猫、拼多多、京东、微信小商店、快手小店、小红书店铺 | 需要 API 授权的平台后台实时接口 |
| 客户级分析 | 用户ID / 手机号 / 姓名可识别时支持 | 全字段脱敏（***）时只能做订单级 |
| 数据量 | 单文件 ≤ 100 万行，超大文件自动抽样 | 超内存全量分析（无独显/内存 < 8GB 会触发抽样） |
| 分析维度 | 分层、RFM、LTV、留存召回、商品/渠道/地域/时段 | 因果推断、A/B 测试、站内行为路径 |
| 输出 | Markdown 报告 + CSV 分层表 + 检查点 | 直接回传到广告投放后台或 CRM |
| 隐私 | 纯本地分析，不联网 | 不提供数据加密存储，分析完请妥善保管或删除 |
何时换工具：需要站内点击流、商品详情页热力图、广告归因、或实时同步 CRM 时，请使用专门的数据分析/BI 工具。
步骤 1：行为数据接入与客户分层（输入层 + 主分群）
使用 电商用户行为分析 接入数据，再用 Ai Intelligent Customer Segmentation 完成分层：
- 校对时间范围、粒度（日/周/月）、用户口径（新客/老客/会员等级）
- 订单明细（用户ID、下单时间、金额、类目、退款标记）+ 会员表（用户ID、等级、注册时间），统一以 user_id 为主键
- 对全量用户分层（高价值/中价值/低价值/沉睡/新客/流失），输出 RFM 初步打分与分层营销建议
输出：segments_overview.csv（用户ID + 分层标签 + RFM 分数）+ segment_strategy.md（每层运营建议）。
步骤 2：RFM 专项细分（分析层）
使用 RFM Segmenter 精细化分群：
- 按 R（最近购买）/ F（频次）/ M（金额）做 8~10 类细分；样本 < 500 时改用四分位，避免桶过小失真
- 重点识别：①VIP（高 R 高 F 高 M）②流失风险（高 F 高 M 但 R 衰减）③休眠买家（曾高频但已多周期未购）
- 每类人群给出再激活策略与首选触达渠道
输出：rfm_segments.csv + key_audience_strategy.md（三类重点人群专项策略）。
步骤 3：LTV / 复购 / 会员深度建模（分析层）
使用 Customer Lifetime Value Optimizer：
- 按复购行为、毛利质量、会员深度、流失/退货风险四维分群
- 估算各群体 LTV 区间、预期复购周期、退货损耗
- 把订单历史转化为带优先级的营销动作清单（区分收入增长与毛利质量，勿把促销收入当真实 LTV）
输出：ltv_segments.csv + ltv_action_priorities.md。
步骤 4：留存与召回运营（输出层）
使用 Customer Retention：
- 按 RFM 与 LTV 分层设计生命周期策略：VIP 走专属权益、休眠走召回券+强提醒、高潜新客走二单转化
- 输出可交付到店铺运营/CRM 的执行清单（含触达渠道与节奏）
输出：customer_retention_playbook.md。
价值增值模板（v1.5 新增）
本包不只输出图表，还直接给出可落地的营销动作。每类人群默认输出：
| 人群 | 典型特征 | 一句话策略 | 推荐触达渠道 | 核心指标 |
|---|---|---|---|---|
| VIP 高价值 | R 近、F 高、M 高 | 给专属权益，提升客单价与转介绍 | 企业微信 1v1、短信、会员小程序 | ARPU、复购率、转介绍率 |
| 流失风险 | F/M 高但 R 拉长 | 限时召回，制造紧迫感 | 短信 + 优惠券、抖音再营销 | 召回率、7 日复购率 |
| 休眠买家 | 曾高频但长期未购 | 唤醒老客，测试新客利益点 | 短信、公众号推文、老客专属券 | 唤醒率、复购间隔 |
| 高潜新客 | 首单金额高但 F=1 | 推二单转化，降低二次决策门槛 | 包裹卡、短信、客服跟进 | 二单率、30 日复购率 |
| 价格敏感型 | 低 M、高退款、偏好促销 | 控制折扣深度，做组合装/满减 | 直播间、短视频挂车 | 毛利率、退款率 |
输出时还会附带「本期最值得先做哪 3 件事」优先级建议，方便直接同步给运营/投放团队。
可选扩展：广告投放人群包（仅按需）
用户明确要求投放（抖音千川/Meta/Google/TikTok/DSP）时，调用 audience-segmentation-analyst：拉新（高 LTV Lookalike）、召回（流失/休眠再营销）、留存（VIP 相似扩展）。
输出：ads_audiences.md。
使用示例（v1.2 新增）
示例 1：完整客户级流程（数据可识别客户）
用户输入：
> 做用户画像。这是订单表（orders.csv：用户ID、下单时间、金额、退款标记）和会员表（members.csv：用户ID、会员等级、注册时间）。
执行路径：第 0 步体检（可识别客户 ✓）→ 步骤 1 分层 → 步骤 2 RFM → 步骤 3 LTV → 步骤 4 留存。
交付物：feasibility_check.md + segments_overview.csv（分层）+ rfm_segments.csv（8 类分群）+ ltv_segments.csv + customer_retention_playbook.md + user_profiling_report.md。
报告关键结论示例：「老客 618 人（占 44%）贡献 51.5% 金额、客单价高 34%——复购基本盘健康。建议圈选 3 个月内有成交的老客做专属复购权益，推人均单量从 1.37 往 2 单走。」
示例 2：订单级降级流程（数据脱敏）
用户输入：
> 分析这份抖音小店订单导出（1283 单，但手机号全是 ***）。
执行路径：第 0 步体检（脱敏 ✗ → 自动降级订单级）→ 商品结构 / 退款预警 / 渠道质量 / 地域 / 时段分析。
交付物：feasibility_check.md（注明「非客户级」）+ 订单级洞察报告（含退款预警章节）。
报告关键结论示例：「主力品占销售额 89%、退款率 17% 偏高、周四五成交高出周末 30%——建议优先排查主力品退款原因，周四五集中排期投放。」
错误对照与自动恢复机制（v1.1 核心新增）
原则：每个错误都对应自动恢复动作 + 给用户的明确提示文案，不静默失败。
| 错误类型 | 表现症状 | 自动恢复动作 | 用户提示文案 |
|---|---|---|---|
| 编码错误 | 字段含乱码 ???/？？？ |
自动尝试 UTF-8 / UTF-8-BOM / GBK / GB18030 | 「检测到 CSV 编码异常，已自动按 X 解码。如仍乱码，请用 Excel 另存为 UTF-8 CSV」 |
| 必填列缺失 | 找不到订单号/用户ID/金额列 | 标记缺失维度，走降级路径 | 「检测到缺少【XXX】列，已自动降级为订单级分析（无法识别客户）。如需客户级 RFM，请在抖店后台导出『标准报表』并勾选【用户ID/手机号】」 |
| 列名变体 | 列名拼写/叫法不同 | 自动匹配同义词表（订单号=订单编号=主订单编号） | 「检测到你的数据使用【抖店/淘宝/拼多多】格式，已自动映射为标准字段。如有未识别列，请告知标准字段名」 |
| 金额混入文本 | ¥99.00 / 99.00元 / 1,234.50（带千分位） |
正则清洗：去币种符号、千分位、中文单位 | 「检测到金额列含币种符号/千分位，已自动清洗。建议导出时『数值型字段保持纯数字』」 |
| 时间格式不一致 | 2026-07-31、2026/7/31、07/31/2026、2026年7月31日 |
pandas 智能解析（自动识别格式） | 「检测到日期列含 X 种格式，已尝试智能解析。无法解析的行已标记为『时间无效』并跳过」 |
| 脱敏字段 | 用户ID/手机号/姓名全是 *** |
自动降级为订单级分析 | 「数据中用户字段全部脱敏，本包自动切换为订单级分析（无法识别具体客户）。如需客户级，请在导出时关闭隐私脱敏」 |
| 数据量超限 | 原文件 > 100 万行 | 自动按时间等比抽样到 10 万行 | 「数据量较大，已自动按时间等比抽样到 10 万行（保留 1/X）。如需全量分析，请告知具体抽样比例或拆分时间窗口」 |
| 时间跨度不足 | 数据窗口 < 14 天 | 强制跳过趋势分析，只做描述性统计 | 「数据窗口仅 X 天，少于 14 天的最低趋势要求。本包只输出当前切片描述，不做趋势结论」 |
| 必填字段全空 | 关键列（如用户ID）整列为空 | 自动降级 | 「关键列【XXX】整列为空，本包无法做客户级分析，已降级」 |
| 异常值 | 金额/频次存在极端值（>99 分位 10 倍） | 标记为异常值，不删除（保留可追溯） | 「检测到 X 条异常值（如金额 > ¥100,000 或频次 > 1000 单），已标记在 data/anomalies.csv。建议人工核查后排除」 |
| 子技能调用失败 | 某个子技能不可用或超时 | 跳过该步骤，继续后续步骤，并在报告注明 | 「步骤 X 未能执行（原因：XX），已自动跳过。请检查子技能是否已正确安装，或独立调用该技能」 |
| 空文件/空数据 | 文件 0 行或全为空 | 停止分析，不生成空报告 | 「检测到空文件或全空数据（0 条记录），无法分析。请确认导出时间范围或筛选条件后重新导出」 |
| 重复主键 | 同一订单号/用户ID 出现多次 | 自动去重（保留最早记录），写入去重日志 | 「检测到 X 条重复记录，已按主键去重（保留最早一条），明细见 data/dedup_log.csv。如为多商品子订单，请确认是否需按子订单拆分」 |
| 退款金额缺失 | 有退款状态但无退款金额列 | 用订单金额近似，报告中标注「退款金额为估算」 | 「退款金额字段缺失，已用订单应付金额近似估算，报告中已标注。精确退款金额请在导出时勾选『退款金额』字段」 |
| 跨平台合并冲突 | 合并多平台文件时同名字段口径不同 | 按列名自适应表统一口径，冲突字段保留两个（如 金额_抖店 / 金额_淘宝） |
「检测到多平台文件合并，字段口径已统一。『金额』等冲突字段按平台分列保留，便于追溯」 |
| 非表格输入 | 用户提供 PDF/图片/网页而非 CSV/Excel | 明确说明本包仅支持表格，引导导出 CSV/Excel | 「本包仅支持 CSV/Excel 表格输入。请从平台后台导出订单为 CSV（推荐）或 Excel 后重试」 |
| 部分文件损坏 | 多文件中单个 CSV 解析失败 | 跳过损坏文件，用其余文件继续，报告注明 | 「文件【XXX】解析失败（原因：XX），已跳过，使用其余 X 个文件完成分析。建议重新导出该文件后单独分析」 |
| 内存/超时保护 | 文件过大或运行时间超长 | 自动降为流式/分批处理，必要时二次抽样到 5 万行 | 「数据量或运行时间接近上限，已自动切换到分批处理并抽样到 5 万行。如需全量，请拆分时间窗口后重试」 |
| 主键类型冲突 | 同一用户ID 在不同表分别为数字/文本 | 统一按字符串去重合并 | 「用户ID 字段类型不一致，已统一转为文本型去重合并。如涉及数值比较请提前标准化」 |
| 日期含时区/时间戳 | 下单时间混用 2026-07-31 与 2026-07-31T08:30:00Z | 统一解析为本地日期，去除时分秒 | 「日期列混用日期和带时区时间戳，已统一为本地日期。跨时区分析请提前转换为同一时区」 |
| 全量流失/无复购 | 所有客户 RFM 中 F=1、R 极大，模型退化 | 跳过 RFM 8 类细分，改出「全量流失描述」+ 首单转化建议 | 「当前窗口内几乎无复购，RFM 细分失去区分度，已改为整体流失描述与首单转化建议」 |
| 字段类型错误 | 金额/日期列被识别为 object / 文本 | 尝试清洗，失败则标记并降级 | 「金额/日期列被识别为文本，已尝试清洗；仍失败的行已标记跳过」 |
错误速查索引（v1.5 新增）
按你看到的症状快速定位：
- 乱码 / 问号 → 编码错误
- 提示「缺少 XXX 列」 → 必填列缺失 / 列名变体
- 手机号全是
***→ 脱敏字段 - 金额算出来异常大/异常小 → 金额混入文本 / 字段类型错误
- 日期格式不统一 → 时间格式不一致 / 日期含时区
- 文件卡了很久 → 数据量超限 / 内存超时保护
- 某一步没结果但后续继续 → 子技能调用失败 / graceful skip
- 0 行数据也出报告 → 空文件/空数据
- 订单号/用户ID 重复 → 重复主键
- 多平台合并后数字对不上 → 跨平台合并冲突 / 主键类型冲突
- 上传的是 PDF/图片 → 非表格输入
- RFM 全分成一类 → 全量流失/无复购
检查点机制（v1.1 新增）
每完成一步，自动写入检查点到 data/checkpoints/step_N.json，记录：
- 已完成的步骤编号 + 完成时间
- 当前数据规模（行数、字段数）
- 已识别的数据问题
- 下一步建议
异常恢复：若后续步骤出错，可从最近检查点继续，避免全流程重跑。
运行稳定性承诺（v1.5 新增）
- 不卡死：任一子步骤失败不会阻塞全流程；子技能调用失败时先自动重试 1 次，仍失败才 graceful skip 并在报告中写明原因与补救方式。
- 可恢复：每完成一步写入
data/checkpoints/step_N.json，异常中断后可从最近检查点继续，不必重跑。 - 可追溯：异常值、重复主键、去重日志、字段类型转换记录都会写入
data/明细文件，方便排查。 - 有兜底：数据不足时自动降级（客户级 → 订单级、8 类 → 4 类、趋势 → 描述），不输出空报告或误导结论。
- 资源保护：单文件 > 100 万行或运行接近超时时，自动分批/抽样，避免 OOM 或进程卡死。
降级路径（数据不足时）
| 场景 | 处理方式 |
|---|---|
| 手机号/用户ID 脱敏，无法识别客户 | 降级为订单级分析：商品结构、退款预警、渠道质量、地域、时段，报告注明「非客户级」 |
| 只有订单表、无会员表 | 跳过会员深度维度，LTV 用订单级近似；报告中明确标注缺失维度 |
| 数据窗口 < 14 天 | 只做描述性分析，不做趋势结论，注明样本局限 |
| 数据量 < 200 条 | RFM 退化为 5~6 类粗分群，不做 8~10 类细分 |
| 关键列部分缺失 | 用近似列补足（如无「订单应付金额」用「实付金额」）；报告注明「使用了近似字段，建议核对」 |
最终输出规范
data/feasibility_check.md— 数据体检结论与降级说明data/checkpoints/— 每步检查点（用于断点恢复）data/anomalies.csv— 检测到的异常值（如有）data/profile_input/— 标准化输入（事件表、订单表、会员表）segments_overview.csv+segment_strategy.md— 分层结果与运营建议rfm_segments.csv+key_audience_strategy.md— RFM 分群与重点人群策略ltv_segments.csv+ltv_action_priorities.md— LTV 分群与优先级动作customer_retention_playbook.md— 留存召回 SOPuser_profiling_report.md— 汇总画像报告（人群结构 + 特征卡 + 三类重点人群速览 + 激活方案 + 数据局限 + 异常说明）
数据交叉校验规则（v1.5 补充 · 保障输出准确性）
- 人数守恒：各 RFM/LTV/分层 CSV 的去重用户数之和必须等于
feasibility_check.md中声明的总可识别用户数（订单级则等于总订单数）。 - 金额一致：分层报告中的 GMV 合计必须等于订单表「订单金额」清洗后总和（退款订单按
include_refund口径扣除）。 - 主键唯一：所有输出 CSV 的主键（user_id / order_id）无重复，且与
profile_input/中标准化表一一对应。 - 口径对齐：降级场景下，所有报告章节的「客户级 / 订单级」口径必须与第 0 步体检结论一致，不得混用。
汇总报告强制章节（v1.5 补充 · 保障内容完整度）
user_profiling_report.md 必须包含以下 7 个章节，缺一视为未交付完成：
- 数据体检与局限说明
- 人群结构总览
- 重点人群特征卡
- 三类重点人群（VIP / 流失风险 / 休眠）速览
- 激活方案与触达节奏
- 数据局限与异常说明
- 本期最值得先做的 3 件事（优先级）
验收清单（交付前自查）
- [ ] 第 0 步体检结论已写入，数据局限已声明
- [ ] 是否降级已明确（客户级 or 订单级），报告口径与之一致
- [ ] 退款率 > 15% 时「退款预警」章节存在且按商品/渠道拆分
- [ ] 列名自适应日志已写入（在
feasibility_check.md中记录匹配情况） - [ ] 异常值/异常格式已清洗并标记
- [ ] 每份 CSV 均以统一主键、无重复行、金额字段为数值型
- [ ] 每份策略文档含「动作 + 触达渠道 + 成功指标」
- [ ] 汇总报告包含三类重点人群（VIP / 流失风险 / 休眠）速览
- [ ] 检查点文件完整，下游可断点恢复
- [ ] 边界场景已处理并记录：空数据、重复主键、退款金额缺失、跨平台合并
- [ ] 若使用示例场景一致，报告结论格式与示例对齐（人群结构 + 特征 + 激活方案）
- [ ] 快速触发模板中至少有一种场景可直接对应用户输入
- [ ] 能力边界表已在
feasibility_check.md中体现（支持/不支持） - [ ] 错误速查索引覆盖的新增错误类型已处理并记录
- [ ] 运行稳定性承诺中的兜底机制已触发或在报告中说明未触发原因
- [ ] 价值增值模板中的 5 类人群策略至少输出 3 类，且含触达渠道与指标
- [ ] FAQ 中 6 个高频问题在分析流程中有对应处理逻辑
反模式与 FAQ（v1.5 重构）
- 在脱敏数据上跑客户级 RFM — 每单被当成一个客户，结果全失真。先做第 0 步。
- 用全量历史而非滚动窗口 — 老客户看起来是 VIP，实际早已流失。用滚动 12-24 个月。
- 退款率只看整体不看单品 — 高退款单品会掩盖在整体数据里。按商品/渠道拆分。
- 把促销收入当真实 LTV — 区分收入提升与毛利质量。
- 小样本强行 8~10 类细分 — 桶只有 3 个人没法运营。样本 < 500 用四分位，< 200 用 5~6 类。
- 金额字段混入文本未清洗 —
¥99.00/1,234.50直接算会出错。本包会自动清洗，但导出时建议保留纯数值。 - 时间字段格式混乱 —
2026-07-31与2026/7/31混用未统一。本包会自动智能解析。 - 必填字段缺失未察觉 — 比如没有「用户ID」就跑客户级分群，结果全错。先做第 0 步体检。
- 列名不一致未适配 — 抖店是「订单应付金额」，淘宝是「实付金额」，跨平台数据直接合并会丢字段。本包内置列名自适应表。
- 空数据直接当分析完成 — 导出时间范围/筛选条件设错导致 0 行，直接出报告等于白做。空数据要停下来让用户重新导出。
- 跨平台合并前不统一主键 — 两个平台的订单号可能重复（同为 8 位数字），直接合并会互相覆盖。合并时加平台前缀（如
DY-、TB-）再按主键去重。
FAQ（v1.5 新增）
Q1：我只会用 Excel，能不能直接传 .xlsx？
A：可以，本包自动读取 .xlsx / .xls / CSV。但建议从平台后台导出 CSV，分析速度更快。
Q2：手机号被平台脱敏了，还能做客户分层吗？
A：不能准确识别客户。本包会自动降级为订单级分析，输出商品/渠道/时段/退款洞察，并提示你导出未脱敏数据后再做客户级 RFM。
Q3：RFM 分成 8 类会不会太细？
A：样本 < 500 时本包自动降为 4 分位，< 200 时进一步合并为 5~6 类粗分群，避免人群过小而无法运营。
Q4：分析到一半卡住了怎么办？
A：每步都会写入 data/checkpoints/step_N.json。重新触发时本包会从最近检查点继续，不需要从头重跑。
Q5：输出的策略可以直接给运营团队执行吗？
A：可以直接使用。每份策略文档都含「动作 + 触达渠道 + 成功指标」，并附带「本期最值得先做哪 3 件事」优先级。
Q6：数据会不会上传到外部？
A：不会。本包全流程本地分析，不调用任何外部 API，也不上传文件到任何服务器。
