| name | lark-fashion-cockpit-customer-profile |
| version | 1.0.0 |
| description | 用户画像数据库 — 多平台账号 ID 自动去重 + 聚水潭 ERP 拉历史订单 → 推测尺码/身高/体重/腰围/胸围/风格/购买频次 → 消费者画像。是整个 cockpit 的决策底座，所有上新/营销/选品决策都参考这个画像库。当用户说「客户画像」「用户数据库」「身材分布」「尺码占比」「客户来源」时使用。 |
| metadata | {"requires":{"bins":["lark-cli","python"],"pip":["openai","requests"],"env":["JUSHUITAN_APP_KEY","JUSHUITAN_APP_SECRET"]}} |
👥 用户画像数据库 · cockpit 的决策底座
🎯 痛点： 品牌每个客户都散落在 4 个平台（淘宝/抖音/小红书/视频号）+ 私域微信，每个平台一个 ID。同一个人买了 5 次东西可能算成 5 个不同客户，没法形成统一画像。
后果： 上新决策拍脑袋（不知道现有客户身材分布）；营销发广告无差异（高价值客户和沉睡客户一个待遇）；选品看大盘趋势（不看自己客户群偏好）。
核心价值： 多平台 ID 去重 + 历史订单分析 → 每个真实客户一份画像。所有 cockpit 决策都查这个画像库。
一、画像维度
| 维度 | 数据来源 | 示例 |
|---|
| 基础 ID | 客户提供 / 4 平台账号 ID 去重 | "vip_zhang123"（淘宝）+ "ZH_Zhang"（抖音）= 同一人 |
| 消费金额 | 聚水潭 ERP 历史订单 | ¥12,800（年） |
| 消费频次 | 聚水潭订单记录 | 月均 1.2 单 / 距上次购买 28 天 |
| 尺码偏好 | 历史订单 + 退换货记录 | 衣 M / 裤 27 / 鞋 36 |
| 身材推测 | 尺码反推 + 退换原因（"袖长不合适"等） | 身高 162-165 / 体重 50-55 kg |
| 风格偏好 | 购买款式标签聚合 | 法式约会 60% / 通勤 30% / 学院 10% |
| 价格段偏好 | 客单价分布 | 主要 ¥200-400 段 |
| 平台主战场 | 4 平台订单占比 | 抖音 60% / 淘宝 30% / 小红书 10% |
| 活跃度 | 最近 30 天行为 | 高活跃 / 中活跃 / 沉睡（>90 天） |
| 退换史 | 退货原因聚合 | 起球（针织品）/ 偏大（裤型） |
二、数据流（自动化）
客户加企微 / 在 4 平台下单
↓
客户提供平台账号 ID（手动 or 二维码绑定）
↓
聚水潭 ERP API 拉该 ID 全部历史订单
↓
去重算法（手机号 / 收货地址 / 设备指纹）合并多平台同一人
↓
DEEPSEEK 分析：尺码偏好 / 身材推测 / 风格聚合
↓
写入 28_用户画像 表（一行 = 一个真实客户）
↓
所有 cockpit skill 查询时参考
三、核心决策应用
上新决策
设计师上传 5 个春夏新品候选
↓
查 customer-profile：
- 现有客户尺码占比 M:38% / S:28% / L:24%
- 风格偏好：法式 60% / 通勤 30%
- 价格段：¥200-400
↓
launch-decision 综合评分时参考画像 →
推荐：A 法式连衣裙 ¥299 + B 通勤西装 ¥359（高匹配度）
排除：D 学院风短裙 ¥189（客户群没人买这风格）
尺码做货决策
新品 DRS-0501 计划生产 200 件
↓
查 customer-profile 尺码占比
↓
做货分配：
XS 8 / S 56 / M 76 / L 48 / XL 12（按客户尺码占比）
❌ 不要平均做货 40 / 40 / 40 / 40 / 40
营销分层
私域企微给客户发新品通知
↓
查 customer-profile 活跃度 + 风格偏好
↓
高价值老客户 + 法式偏好：发"法式新品 + 老客优惠"
普通用户：发"全场通用券"
沉睡客户：发"召回礼包 + 顺丰包邮"
四、表结构（28_用户画像）
约 30 字段：
- 基础（5）：客户 ID 主键 / 微信备注名 / 手机号 / 注册时间 / 来源平台
- 多平台 ID（4）：淘宝 ID / 抖音 ID / 小红书 ID / 视频号 ID
- 消费数据（8）：累计消费金额 / 累计订单数 / 月均消费 / 客单价 / 最近购买日 / 距今天数 / 活跃度 / 价值分级
- 尺码画像（6）：上衣尺码 / 裤子尺码 / 鞋子尺码 / 推测身高 / 推测体重 / 退货原因关键词
- 风格画像（4）：风格分布 JSON / 主要风格 / 价格段 / 颜色偏好
- 决策标签（3）：用户分群 / 营销标签 / 备注
五、与其他 skill 的联动（核心）
customer-profile（本 skill）= cockpit 决策底座
│
├──→ launch-decision 新品评分时查客户群匹配度
├──→ stock-replenishment 做货件数按客户尺码占比分配
├──→ private-domain 营销分层用画像数据
├──→ platform-analytics 销售分析按客户细分（哪个平台高价值客户多）
├──→ profit-analysis 客户 LTV 算法基础
└──→ product-matching 搭配推荐参考客户风格偏好
没有这张表 = 所有决策拍脑袋。有这张表 = 所有决策有数据底座。
六、文件清单
skills/customer-profile/
├─ SKILL.md
├─ scripts/
│ ├─ sync-jushuitan.py # 同步聚水潭历史订单
│ ├─ dedupe-multi-platform.py # 多平台 ID 去重
│ ├─ infer-body-size.py # 尺码反推身材
│ └─ generate-profile.py # DEEPSEEK 综合生成画像
└─ examples/
└─ sample-profile.md # 示例：客户 张姐 完整画像
七、上手成本（数据接入）
| 数据源 | 接入方式 | 难易 |
|---|
| 聚水潭 ERP | 官方 API（要商家账号 + secret） | ⭐⭐ |
| 客户主动提供平台 ID | 微信引导填写（小程序 / 链接） | ⭐ |
| 多平台账号自动绑定 | 手机号 / 设备指纹（部分平台限制） | ⭐⭐⭐⭐ |
建议先做"聚水潭 + 客户手动提供 ID"，跑通核心场景。后续平台自动绑定靠商家成长。
