用途 该技能对店铺全部客户执行完整的 RFM（Recency、Frequency、Monetary）分析，即最近购买时间、购买频次和消费金额三个维度。每位客户在三个维度上分别得到 1-5 分，然后被归入可执行的分群：Champions、Loyal Customers、Potential Loyalists、At-Risk、Hibernating、Lost 等。默认只读，不产生任何数据变更。
前置条件 需要已认证的 Shopify CLI 会话：shopify store auth --store <domain> --scopes read_orders,read_customers。API 需要 read_orders、read_customers 权限。
参数
- store（string，必填）：店铺域名，例如 mystore.myshopify.com。
- days_back（integer，选填，默认 365）：订单历史回溯窗口。
- segments（integer，选填，默认 5）：每个维度的分位桶数量（3 或 5）。
- min_orders（integer，选填，默认 1）：客户被评分所需的最低订单数。
- tag_customers（boolean，选填，默认 false）：若为 true，则给客户添加 RFM 分群标签（需要 write_customers 权限）。
- format（string，选填，默认 human）：输出格式，human 或 json。
安全说明 默认只读。若设置 tag_customers: true，会通过 customerUpdate mutation 添加标签，建议先用 dry_run: true 试运行。
RFM 分群定义
- Champions：R 5、F 5、M 5，最佳客户，近期购买、频繁、高消费。
- Loyal Customers：R 3-5、F 4-5、M 4-5，持续购买且消费能力强。
- Potential Loyalists：R 4-5、F 2-3、M 2-3，近期购买、可能成为忠诚客户。
- New Customers：R 5、F 1、M 1-2，刚完成首次购买。
- Promising：R 4、F 1-2、M 1-2，近期但频次低，需要培育。
- Need Attention：R 3、F 3、M 3，各维度均处于平均，正在下滑。
- About to Sleep：R 2-3、F 2、M 2，最近购买时间和频次低于平均。
- At Risk：R 1-2、F 4-5、M 4-5，曾是优质客户但近期未购买。
- Hibernating：R 1-2、F 1-2、M 1-3，所有维度偏低，接近流失。
- Lost：R 1、F 1-2、M 1-5，很久没有购买。
工作流程
- 查询订单：按 created_at:>='<NOW - days_back days>' 过滤，first: 250，选取 createdAt、totalPriceSet、customer { id, email, firstName, lastName, numberOfOrders }，使用游标分页直至取完。预期输出：窗口内所有订单及其客户关联信息。
- 按客户聚合：Recency = 距最近一次订单的天数；Frequency = 窗口内订单总数；Monetary = 窗口内总消费。
- 使用分位分桶对每个维度打 1-5 分：按各指标对所有客户排序，分成 N 个等规模组（五分位），赋予分数（5 为最佳：Recency 最新、Frequency 最频繁、Monetary 消费最高）。
- 将 (R, F, M) 分数组合映射到上述命名分群。
- 查询客户（补充信息）：输入各分群的客户 ID，获取联系方式。预期输出：各分群头部客户的邮箱、姓名、标签。
GraphQL 操作 订单查询（已针对 api_version 2025-01 验证）： query OrdersForRFM($query: String!, $after: String) { orders(first: 250, after: $after, query: $query) { edges { node { id createdAt totalPriceSet { shopMoney { amount currencyCode } } customer { id email firstName lastName numberOfOrders } } } pageInfo { hasNextPage endCursor } } }
客户查询（已针对 api_version 2025-01 验证）： query CustomerDetails($query: String, $after: String) { customers(first: 250, after: $after, query: $query) { edges { node { id email firstName lastName numberOfOrders totalSpentV2 { amount currencyCode } tags createdAt } } pageInfo { hasNextPage endCursor } } }
会话跟踪 该技能要求在每一阶段输出指定内容（开始、每步之后、完成时）。开始输出技能名称、店铺域名、开始时间戳；每步后输出 [N/TOTAL] 查询/变更操作名、关键参数摘要、结果数量或结果；完成时按 human 或 json 格式输出报告。
human 格式报告包含：RFM 分段报告（days_back 天数）、已评分客户数，各分群数量、占比、平均消费（Champions、Loyal Customers、Potential Loyalists、At Risk、Hibernating、Lost），以及 Top Champions、Top At-Risk（赢回候选）明细，并输出 rfm_segments_<date>.csv。 json 格式输出包含 skill、store、period_days、customers_scored、segments（各分群 count、pct、avg_spend）以及 output_file。
输出格式 CSV 文件 rfm_segments_<YYYY-MM-DD>.csv，列为：customer_id, email, first_name, last_name, recency_days, frequency, monetary, r_score, f_score, m_score, rfm_segment。
错误处理
- THROTTLED：API 速率超限，等待 2 秒，最多重试 3 次。
- Guest orders：无客户关联的订单，跳过，无法归属到 RFM 画像。
- Single-order customers：新客户或一次性购买者，纳入并设 F=1，频次维度自然得分偏低。
最佳实践
- 多数店铺使用 days_back: 365 以覆盖季节性购买规律；快时尚或快消品可用 days_back: 180。
- Champions 和 Loyal 分群适合独家优惠和提前访问活动。
- At-Risk 客户应立即进行赢回活动，可配合 customer-win-back 技能使用。
- 将 Lost 分群导出为排除名单，避免广告浪费。
- 可与 customer-cohort-analysis 交叉分析，观察随时间变化的群组级 RFM 趋势。
- 可与 customer-spend-tier-tagger 配合，基于 RFM 分群自动打标签。
限制 该技能默认只读；只有在显式开启 tag_customers 时才会写入标签，且需要 write_customers 权限。未提供其他功能性限制、收费或价格信息。