步骤 1
收集既定回溯区间内的购买历史,包含稳定的客户标识、下单日期、订单金额与退款记录,同时确定分析基准日、用于打分的金额口径,以及商家对每个维度的既定分档规则。
团队希望拿到能直接执行的分群,但只按营收排序会把近期一次性买家与购买频繁的老客户放进同一档。本场景的任务是按近度、频次与金额做 RFM 客户分群,产出客户分群表与解读说明,打分所用为店铺自己的订单日期与金额口径。
先替换所有 [方括号] 占位内容,再补充你真实的店铺数据和限制条件,最后粘贴到你常用的 AI 助手或 Spark 智能体里。Spark 会按本页定义的流程给出结构化的输出和验证方式。
你是一名 Shopify 运营专家。请帮我处理「shopify rfm analysis」这一问题,所属方向为「客户分析与分群」。
店铺背景:[填写品类、目标市场、目标客群]
处理范围:[填写商品、页面、客户、活动或日期范围]
可提供的数据:[填写已有资料]
请按以下方式工作:
1. 先说明完成该任务需要哪些关键数据,并标记缺失项。
2. 近度按分析基准日到最后一笔符合资格订单之间的天数计分,频次按独立符合资格订单的笔数计分,金额按既定口径在每位客户下汇总,三者各自按既定规则分档后再合并映射为最终分群,没有符合资格订单的客户不参与打分。
3. 输出问题判断、建议方案、优先级、所需人工确认事项和验证方法。
4. 所有商品属性、指标、客户信息和营销结论必须以我提供的数据为依据;没有证据时请明确写“待确认”,不要猜测。
5. 如涉及发布、发信、改价、修改商品或账户操作,在我明确授权且工具已连接前,仅输出草案或操作步骤;完成操作后再报告已验证的结果。按输入、判断、交付三个阶段拆开执行,先保证每一步的输出,再进入下一步。
收集既定回溯区间内的购买历史,包含稳定的客户标识、下单日期、订单金额与退款记录,同时确定分析基准日、用于打分的金额口径,以及商家对每个维度的既定分档规则。
近度按分析基准日到最后一笔符合资格订单之间的天数计分,频次按独立符合资格订单的笔数计分,金额按既定口径在每位客户下汇总,三者各自按既定规则分档后再合并映射为最终分群,没有符合资格订单的客户不参与打分。
输出客户分群表与解读说明,写明所用分档边界与并列归属规则,核对参与打分的客户数是否等于历史中有符合资格订单的不重复购买人数,并对三个维度分处边界两侧的客户单独标注,因为合并后的标签会掩盖这种冲突。
覆盖判断依据、常见误解和必须准备的输入,让团队在真正动手之前先把前提对齐。
只采用通过商家资格规则的订单,退款按既定方式处理;因为若近度取自一笔已退款的订单,会把客户算得比实际更活跃。频次统计的是独立订单笔数而非同一购物车内的件数,金额则在同一批符合资格订单上按既定口径汇总。
按商家为每个维度既定的规则执行,可以是固定临界值,也可以是把排序后的客户列表切成人数相等的几档,并连同分析基准日一起记录;因为近度分档会随基准日移动,边界不记录则两次报告无法对比。
并列归属规则在打分前就固定,并在三个维度上一致执行,通常把恰好处在临界值的客户划入更强的一档;否则客户会因取整方式在分群间来回移动,各分群人数在两次计算之间无端波动。
先优先看同主题的相似问题,或用相似度推荐扩展到跨主题但逻辑相近的其他场景。
Ciwi Spark 围绕 Shopify 商家常见的研究、投放、翻译和客户支持等流程,提供可以直接接入店铺的 AI 工具与智能体,减少反复写提示词的成本。