用途
RFM 客户细分分析技能用于对电商交易数据执行 RFM（Recency 最近一次消费、Frequency 消费频率、Monetary 消费金额）客户价值分析，并结合 K-means 聚类自动识别客户价值分层。适用于需要分析客户价值、识别 VIP 客户、制定差异化营销策略的场景。
主要能力
数据分析
- 加载并校验交易数据
- 清洗数据，移除无效订单（负数量、零价格）
- 为每位客户计算 RFM 指标：
- Recency：距上次购买的天数
- Frequency：购买次数
- Monetary：总消费金额
- 在 RFM 维度上执行 K-means 聚类
- 使用肘部法自动确定最佳聚类数量
客户细分
- 创建客户价值分层：高价值、中价值、低价值客户
- 按 1-3 分对每位客户的 RFM 各维度打分
- 计算客户综合价值得分
- 识别并排序 VIP 客户，用于营销活动
可视化与报告
- 生成综合客户细分仪表盘
- 生成细分分布与收入占比饼图
- 构建 RFM 散点图以可视化客户分布模式
- 生成按细分群体展示价值分布的箱线图
- 导出包含 VIP 客户名单的详细 CSV 报告
营销洞察
- 为每个细分群体提供可执行的营销建议
- 生成包含关键发现的执行摘要
- 为不同价值层级创建客户激活策略
- 导出 VIP 客户名单用于定向营销活动
使用方式
用户提供电商数据或提出客户细分需求时，技能会按上述流程自动执行分析。示例用法包括：
- 基础客户细分：分析电商订单并按价值对客户进行细分（提供包含 order_id、user_id、purchase_date、quantity、unit_price 的 CSV 数据）
- VIP 客户识别：从销售数据中找出价值最高的 100 位客户用于营销活动
- 客户价值分析：生成客户细分报告，展示各客户群体的收入贡献
文件要求
该技能适用于包含以下字段的电商交易数据：
- user_id：客户识别码（用户码）
- order_date：购买日期（消费日期）
- quantity：订单数量（数量）
- unit_price：商品单价（单价）
- product_info：商品详情（可选）
输出文件
- customer_segments.csv：完整客户细分数据
- vip_customers_list.csv：排序后的 VIP 客户名单，用于营销
- segment_summary_statistics.csv：按细分群体的详细统计
- customer_segmentation_dashboard.png：可视化分析仪表盘
- data_validation_report.txt：数据质量与分析校验报告
适用场景
- 电商客户价值分析与分层
- VIP 客户识别与定向营销名单生成
- 客户收入贡献分析
- 差异化营销策略与客户激活策略制定
限制与注意事项
- 依赖 pandas、numpy（数据处理）、scikit-learn（K-means 聚类）、matplotlib、seaborn（可视化，需中文字体支持）及标准 Python 库
- 建议日期字段格式一致（推荐 YYYY-MM-DD）
- 分析前需移除或处理缺失值
- 建议使用足够的数据量（1000 单以上）以获得可靠的聚类结果
- 解读细分结果时应结合业务背景，并尽可能用领域知识验证结果
- 该技能支持中文电商数据格式与中文字段名，并提供中文可视化支持
- 关于收费、价格、平台等信息，资料中暂未提供