一键导入
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。
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
菜单
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。
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
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。