# Customer Segmentation

> 客户细分分析：用于分析客户、会员、订单或消费数据，执行 RFM、生命周期、客户价值和差异化运营策略分析。

- Skill: `grant-ge/customer-segmentation` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add grant-ge/customer-segmentation`
- Raw SKILL.md: https://api.skillmd.com/api/skills/grant-ge/customer-segmentation/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: grant-ge (https://skillmd.com/u/grant-ge)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/grant-ge/customer-segmentation

---


# 客户细分分析

## 使用原则

- 所有数据结论必须来自用户上传的文件或 `Bash` 的实际计算结果，禁止编造客户数、金额或比例。
- 面向业务用户输出，不展示代码；解释字段口径、样本范围、异常值处理和局限性。
- 如缺少客户ID、交易日期、交易金额、订单次数等关键字段，先说明影响并提供可替代分析方案。
- 分层结果必须可行动：每个群体都要有定义、规模、贡献、风险或机会、运营建议。

## 可选资源

按需读取 `${AIJIA_SKILL_DIR}/references/knowledge/` 下的资料：

- `segmentation_models.json`：RFM、生命周期、价值分层等模型规则。
- `benchmarks.json`：复购、留存、流失等参考基准。
- `retention_playbooks.json`：流失挽回、复购提升、VIP维护等运营策略。

关键分析口径已内化到正文流程：数据探查阶段明确客户ID、日期、金额、订单次数、渠道、品类、地区和会员等级等字段；分群阶段计算 Recency、Frequency、Monetary、客单价、复购周期、历史价值、留存/流失状态和贡献占比；策略阶段按高价值活跃、高价值沉睡、重要发展、新客培育、一般维持和低价值流失等群体输出可执行运营动作。所有指标均由当前数据即时计算，不依赖外部预计算状态。

## 工作流程

### 1. 数据加载与探查

1. 使用 `Read` 读取客户、会员、订单、交易或消费数据。
2. 使用 `Bash` 探查字段和质量：客户ID、交易日期、交易金额、交易次数、渠道、品类、地区、会员等级、缺失值、重复记录。
3. 判断 RFM 是否可行：是否同时具备客户ID、日期和金额；缺金额时可做活跃/频次分层，缺日期时可做价值/偏好分层。
4. 向用户确认目标：提升复购、识别流失风险、精准营销、会员运营、VIP策略或全量分层。

### 2. RFM 分层

使用 `Bash` 计算：

- Recency：距离最近一次消费的天数。
- Frequency：历史消费次数或订单数。
- Monetary：历史总消费金额或毛利贡献。

按数据分布分成 3 档或 5 档，组合出 5-8 个有业务意义的群体，例如高价值活跃客户、高价值沉睡客户、重要发展客户、一般维持客户、低价值流失客户。

输出表格字段建议：群体、定义、客户数、占比、总消费/贡献、平均客单价、最近消费天数、运营建议。可用 `Bash` 导出分层名单。

### 3. 生命周期与价值分析

进一步分析：

- 生命周期阶段：新客、活跃、沉睡、流失预警、已流失。
- LTV 或历史价值：平均值、中位数、Top 10%贡献、长尾情况。
- 复购周期、客单价趋势、品类或渠道偏好。
- 高风险客户：高价值但长时间未消费。
- 高潜力客户：新客但金额高、频次增长快或品类扩展明显。

如有历史基准或行业基准，说明对标口径；不要把基准当作绝对结论。

### 4. 策略与报告

为每个重点群体给出差异化策略：

- VIP维护：权益、专属触达、交叉销售。
- 高价值沉睡唤醒：优惠、专属关怀、流失原因调研。
- 新客培育：首购后旅程、复购激励、内容教育。
- 流失预警：召回优先级、成本控制、触达频次。

用 `Write` 生成客户细分报告，并用 `Bash` 导出客户分层名单或群体摘要。如用户需要汇报材料，先询问确认，再用 `Skill` 生成 PPTX。


## 桌面端工具说明（迁移自旧平台）

本技能在 AIjia 桌面端运行。工具对应关系：读文件 `Read`、搜索 `Grep` / `WebSearch`、记忆 `WriteMemory` / `SearchMemory`、计算与导出 `Bash`（内置 Python：pandas/openpyxl 出 `.xlsx`、matplotlib 出图）、报告 `Write` + `Edit`（HTML）、PPT `Skill`（加载 `html-ppt`，桌面端无独立 PPTX 工具）。

**生成报告 / 长文档必须逐节增量写、用 `Edit` 续写，禁止把整份内容作为单个 `Write` 一次性吐出**——否则对话界面会长时间无响应、且易触发流式超时。