with one click
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。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Menu
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。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
Use when writing, modifying, or deleting intent test specs (rules.md) for the AIjia app. Triggers from inside test-intents skill routing: "加一条意图", "改 X task 的 rules", "拆这条复合意图", "删 意图-XXX-NNN", "新建 X task".
Use when running, executing, or troubleshooting AIjia intent tests. Triggers from inside usertest-intents skill routing: "跑一下 X 这个 task", "跑 意图-XXX-NNN", "跑全部意图测试", "意图测试 FAIL 怎么处理", "tauri-pilot aijia ..." commands.
Use when the user mentions intent tests for the AIjia desktop app at any level — asking what they are, running them, or modifying their specs. Triggers include "意图测试", "usertest-intents", "AEIT", "跑意图测试", "跑一下 X 这个 task", "跑 意图-XXX-NNN", "写意图", "加一条意图", "改 X task 的 rules", "意图测试怎么用".
当用户要求维护项目 wiki、补图谱、生成或更新 RepoWiki、维护 Understand-Anything 图谱、写 enhancement JSON、改 schema、命名、引用、更新规则、校验脚本、判断图谱完整性、派子 agent 分模块补充图谱时使用。维护入口,不负责普通 wiki 问答。
当用户用中文询问项目 wiki、UserWiki、仓库知识库、功能影响面、这个文件是干什么的、当前改动影响哪些模块、新人该先看什么、图谱完整了吗、如何安装或使用 Understand-Anything 时使用。日常 wiki 问答、安装、使用、影响面分析都走本 skill。
Use when adding or modifying `aijia <verb>` CLI subcommands in tauri-pilot — wraps **single atomic** DOM operations (click one button / fill one field / wait one state) so intent-test agents can compose them into multi-step flows without burning tokens on snapshot+click loops. Triggers "加 aijia 子命令", "封装 X 流程到 CLI", "tauri-pilot 加 login", "扩 aijia CLI", "封装 UI 操作".
| name | customer-segmentation |
| description | 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。 |
| when_to_use | 当用户要求客户细分、客户分层、客户画像、RFM分析、客户价值、客户生命周期、客户分群、customer segmentation 或上传客户/订单/消费数据时使用。 |
| allowed-tools | ["Read","Grep","WebSearch","Bash","Write","Edit","WriteMemory","SearchMemory","Skill"] |
| model | opus |
| effort | high |
| context | inline |
| user-invocable | true |
| disable-model-invocation | false |
| version | 1.2 |
| category | sales |
| metadata | {"label":"客户细分分析"} |
Bash 的实际计算结果,禁止编造客户数、金额或比例。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。
Read 读取客户、会员、订单、交易或消费数据。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。使用 Bash 计算:
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。
进一步分析:
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。
为每个重点群体给出差异化策略:
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。
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。