重要挽留客户贡献金额占比最高：163 人（16.3%）带来 26.43% 消费金额
8 类分群中，重要挽留客户（R低F低M高）以 16.3% 的用户贡献了最高的金额份额 26.43%；加上重要发展客户（17.00%），前二分群合计 43.43%。这是切点构造下的描述性事实，不等同于业务优先级。
证据 E005证据 E010L0 事实限制：金额集中度为分位切点构造产物，非独立业务信号
核心发现
样本用户1,000 人 无缺失 · 无重复
R 中位（最近登录）16 天 登录活跃度代理
F 中位（购买频次）5 次 无时间窗定义
金额前二分群占比43.4% 重要挽留 + 重要发展
字段间近乎独立（|r|≤0.10）：数据集为独立合成属性，分群差异由切点构造产生
全部数值字段两两 Pearson 相关绝对值不超过 0.10（最大 0.097 为 AOV×M，最小 0.003）；收入、活跃、订阅与消费价值均无同步关系。与'收入/活跃驱动高价值'等解释不一致，分群差异主要由 R/F/M 定义本身产生。
证据 E008证据 E012证据 E004证据 E005L2 解释限制：合成数据，外部推广受限限制：未发现结构关系不等于真实业务中不存在
R/F/M 口径不自洽：85 人购买频次为零但消费为正，AOV×频次对账不一致率 100%
85 名用户购买频次为零但累计消费大于零；AOV×购买频次与累计消费无一人可对账（不一致率 100%）。三个字段为独立合成的画像属性，不能由彼此加总推导。
证据 E002L0 事实限制：字段独立性本身即为本数据集的数据质量事实
分群间人口构成差异未超过抽样波动：24 次组间比较仅 2 个名义显著
8 分群 × 3 属性的 24 次组间比较中，仅 2 个达到名义显著（一般价值客户的年轻组占比与订阅率偏移），α=0.05 下期望假阳性约 1.2 个，且集中于 n=73 的小分群。分群间构成差异不构成'分群画像'证据。
证据 E006证据 E007证据 E013L1 比较限制：未做多重比较校正限制：小样本比例波动大限制：reviewer 降级意见已采纳
Newsletter 订阅与消费价值无实质关联：F 4.64 vs 4.62，M 2542.5 vs 2563.7 元
订阅用户（507 人）与未订阅用户（493 人）在购买频次与累计消费上无实质差异；不能据此断言订阅策略对消费价值有影响。
证据 E009L0 事实限制：描述性比较，不代表订阅无因果效应
分析背景与目标
业务背景：电商平台做个性化推荐与精细化运营，需要先把用户按价值分层——识别高价值人群（重点维护）、流失风险人群（召回）与低价值人群（控制成本）。决策目标：用传统 RFM 方法输出一套可解释、可复算的用户价值分层，并明确这套分层在现有数据上能支撑什么、不能支撑什么。本项目为入门级数据分析演练，按七要素标准组织：业务背景、决策目标、指标口径、数据质量、分析方法、结论边界、下一步动作。数据来自 Kaggle 公开数据集（Apache 2.0），为 1000 名用户的截面画像快照，不含订单明细与时间序列。
数据概况
数据为 1000 名用户的截面画像，14 个有效字段（另含 1 列冗余行号已剔除），无缺失单元格、无重复行。R/F/M 由画像字段构建为代理指标：R=Last_Login_Days_Ago（距最近登录天数，越小越近，仅为登录活跃度代理）、F=Purchase_Frequency（购买频次，无时间窗定义）、M=Total_Spending（累计消费）。质量门禁状态 DEGRADED：Last_Login_Days_Ago 被标记'同日多行'（999 行共享 29 个取值），系该字段为天数属性而非日期轴所致，不代表重复写入。
| 字段 | 角色 | 缺失 | 备注 |
|---|---|---|---|
| User_ID | 用户标识 | 0 | #1-#1000，唯一 |
| Last_Login_Days_Ago | R 代理 | 0 | 登录间隔 1-29 天，非购买时间；29 个取值 |
| Purchase_Frequency | F | 0 | 0-9 次，无时间窗定义 |
| Total_Spending | M | 0 | 累计消费 112-4999 元 |
| Average_Order_Value | 客单价 | 0 | 10-199 元，与 F/M 不对账 |
| Income | 收入 | 0 | 20155-149951 元 |
| Time_Spent_on_Site_Minutes | 活跃 | 0 | 2-599 分钟 |
| Pages_Viewed | 活跃 | 0 | 1-49 页 |
| Newsletter_Subscription | 订阅标记 | 0 | 订阅率 50.7% |
| Age / Gender / Location / Interests / Category | 人口与偏好 | 0 | 年龄 18-64；三类地区；5 类兴趣与偏好品类 |
质量门禁：无缺失、无重复；'同日多行'标记为天数属性误判，已解释。
口径自洽性：85 人频次为零但消费为正；AOV×频次对账不一致率 100%（E002）。
字段独立性：数值字段两两 |r|≤0.10，为独立合成属性（E008、E012）。
深入分析
一、指标口径：R/F/M 代理构建与分位切点
传统 RFM 需要对每个用户计算最近一次消费间隔（R）、消费频次（F）、消费金额（M），再分位打分。本数据无订单明细，按代理口径构建：R 取最近登录天数（越小越近，得分反转）、F 取购买频次、M 取累计消费。每个维度按 5 分位打 1-5 分，高=得分≥4（该维度前 40%），低=得分≤3（后 60%）；R 维度因'越小越好'做反转：天数最低分位得 5 分。切点随报告输出，供跨期对齐复核。
| 维度 | 20% | 40% | 60% | 80% | 方向 |
|---|---|---|---|---|---|
| R 最近登录天数 | ≤7 | ≤13 | ≤18 | ≤24 | 越小得分越高（5=最活跃） |
| F 购买频次 | ≤2 | ≤4 | ≤6 | ≤8 | 越大得分越高 |
| M 累计消费（元） | ≤1062 | ≤2090 | ≤3029 | ≤4069 | 越大得分越高 |
二、8 类分群：结构与金额集中度
按 R/F/M 高低的 8 种组合切分经典分群（重要价值/重要发展/重要保持/重要挽留/一般价值/一般发展/一般保持/一般挽留）。金额占比与人数占比分离：重要挽留客户（R低F低M高）163 人、占 16.3%，却贡献 26.43% 的消费金额，是金额份额最高的分群；重要价值客户（R高F高M高）仅 53 人、占 5.3%、金额 8.31%。前二分群（重要挽留+重要发展）合计 27.3% 的人贡献 43.43% 金额。
金额占比 = 分群累计消费 / 全盘累计消费 2,552,957 元。
来源：evidence E005
8 分群合计 1000 人。
来源：evidence E005
三、分群 × 人口与偏好：差异在抽样波动内
将 8 个分群的女性占比、30 岁以下占比、订阅占比、城区占比与全体基线对比。表面上一般价值客户出现年轻组（36.99% vs 25.5%）与订阅率（63.01% vs 50.7%）偏移，但 24 次组间比较中仅这 2 个名义显著，α=0.05 期望假阳性约 1.2 个，且集中在 n=73 的小分群——差异属于抽样噪声，不构成'某分群是什么样的人'的画像证据。
组内占比来自 E006/E007；抽样检验统计来自 E013。
来源：evidence E006, E007
四、字段独立性：相关结构诊断
对全部数值字段计算 Pearson 相关：任何两两相关绝对值不超过 0.10。消费金额与购买频次（0.022）、收入（-0.085）、年龄（0.018）、活跃（-0.006）均无实质关联；最大 0.097 出现在客单价×金额。这说明本数据集的画像字段彼此独立生成，任何'某属性驱动消费价值'的解释都被数据排除。
|r|≤0.10 全部在噪声区；M=Total_Spending。
来源：evidence E008
五、数据质量诊断：口径自洽性
三项质量事实决定本数据集只能作方法演示：其一，85 名用户购买频次为零但累计消费为正（真实业务中不可能）；其二，AOV×购买频次与累计消费对账不一致率 100%（无一人可对账），三字段为独立合成属性；其三，质量门禁的'同日多行'标记为天数属性误判。这些事实同时进入结论边界：分群金额集中度是切点构造的必然结果，不能读作真实用户结构。
| 检查项 | 结果 | 证据 |
|---|---|---|
| 缺失 / 重复 | 0 / 0 | E001 |
| 频次零但消费为正 | 85 人 | E002 |
| AOV×频次 vs 累计消费 | 不一致率 100% | E002 |
| 数值字段相关 |r| | 全部 ≤0.10 | E008, E012 |
| 日期属性误判 | '同日多行'为天数属性所致 | E011 |
结论与建议
- 8 类分群完成且可复算：重要挽留客户 16.3% 的人贡献 26.43% 金额（金额占比最高），重要价值客户 5.3% 贡献 8.31%；前二分群合计 43.43% 金额。证据 E005证据 E010
- 数据集为独立合成属性（|r|≤0.10），分群差异主要由 R/F/M 切点构造产生，不能解读为真实业务画像或因果驱动。证据 E008证据 E012证据 E004
- R/F/M 口径不自洽（85 人频次零消费为正、对账不一致率 100%），任何由本数据反推真实购买行为的结论均不成立。证据 E002
- 分群间人口/偏好差异未超过抽样波动（24 次比较仅 2 个名义显著、期望假阳性 1.2），不构成'分群画像'证据。证据 E006证据 E007证据 E013
- Newsletter 订阅与消费价值无实质关联（F 4.64 vs 4.62，M 2542.5 vs 2563.7 元），订阅影响需实验验证。证据 E009
- 决策含义：在补充真实购买时间戳与营销响应数据前，本分层仅适用于方法演示与运营口径准备，不能直接据此投放营销。证据 E002证据 E008证据 E011
后续分析建议
- 真实购买间隔下的 R 分层是否与登录活跃度分层一致？需要：订单时间戳（每位用户最近下单日期），重算真实 R 并对比本报告 R 分层
- F/M 与客单价能否在订单级对账？需要：订单级明细（订单号、金额、时间），验证 AOV×订单数=累计消费，替换代理口径
- 各分群对营销的真实响应率是多少？需要：营销触达与响应日志，按分群设计分层 A/B 实验（随机分流+SRM 检查），估计增量响应率
- 分群跨期是否稳定、用户如何在分群间迁徙？需要：多期截面或用户级时间序列快照，计算分群留存/迁徙矩阵
附录
| 证据 | 来源 | 关键数值 |
|---|---|---|
| E001 | profile | 1000 用户 / 14 字段 / 0 缺失 |
| E002 | quality_check | 85 人频次零 / 对账不一致率 100% |
| E003 | distribution | R 中位 16 / F 中位 5 / M 中位 2542 |
| E004 | rfm_cutoffs | R≤7/13/18/24；F≤2/4/6/8；M≤1062/2090/3029/4069 |
| E005 | rfm_segments | 重要挽留 163 人 / 26.43% 金额 |
| E006 | segment_composition | 分群内人口/偏好构成 |
| E007 | baseline_composition | 全体基线：女 47.4% / 订阅 50.7% |
| E008 | correlation | |r| 最大 0.097（AOV×M） |
| E009 | newsletter_cross | F 4.64 vs 4.62；M 2542.5 vs 2563.7 |
| E010 | rfm_segments_derived | 前二分群 273 人 / 43.43% 金额 |
| E011 | quality_gate | DEGRADED / 同日多行=天数属性 |
| E012 | correlation_extreme | max|r| 0.097 / min 0.003 |
| E013 | segment_comparison_stats | 24 次比较 / 2 名义显著 / 假阳性期望 1.2 |
口径与限制：R=最近登录天数（登录活跃度代理，非购买间隔）；F=购买频次（无时间窗定义）；M=累计消费；高=得分≥4，低=得分≤3，5 分位切点见 E004。
方法：传统 RFM 5 分位打分 + 8 类分群 + 分群×属性交叉（二项近似 z 检验）+ Pearson 相关诊断；分析代码 analysis.py、证据 evidence.json、结论 claims.json 均在 outputs/rfm_run/ 下，可复算。
结论边界：截面快照、无时间轴、字段独立合成；全部解释性结论为 supported_candidate，无因果措辞；不输出真实购买行为、响应率或投放指令。
真实性校验：da_verify 12/12 通过（scoped 溯源，0 失败）；独立角色分析四工件齐备（agents/locator.json、mechanism.json、falsifier.json、reviewer.json），执行模式 serial_fallback（本环境无原生 subagent 派发工具），详见 agents/execution.json。
降级说明：质量门禁 DEGRADED（无交易时间戳、R/F/M 为代理/合成属性），报告顶部已标注可回答/不可回答范围。
数据来源：Kaggle Ecommerce Product Recommendation Collaborative（Apache 2.0，kartikeybartwal）；方法参考：传统 RFM 用户价值分层（和鲸社区参考方案，需登录，以其方法论口径为准）。