客戶分析業務規則文檔

文檔概覽

本文檔詳細記錄客戶分析系統中所有的判斷邏輯、評分規則和分群標準，確保業務邏輯的一致性和可維護性。

適用範圍: CustomerAnalyticsZeroExpansionService 和相關的客戶分析模組 更新日期: 2025-08-28 維護責任: 分析系統開發團隊

RFM 分析規則

RFM 評分系統

指標	英文名稱	中文名稱	評分範圍	說明
R	Recency	最近購買	1-5分	5分=最近，1分=很久前
F	Frequency	購買頻率	1-5分	5分=高頻，1分=低頻
M	Monetary	購買金額	1-5分	5分=高額，1分=低額

RFM 分群對應規則

數字格式 RFM 分群轉換

typescript

// 數字格式 (如 515, 512) 轉換為語意化分群名稱
function convertRFMScoreToSegmentName(rfmScore: string): string {
  const rScore = parseInt(rfmScore[0]) // 第一位 = Recency
  const fScore = parseInt(rfmScore[1]) // 第二位 = Frequency  
  const mScore = parseInt(rfmScore[2]) // 第三位 = Monetary
  
  // 基於經典 RFM 分群規則
  if (rScore >= 4 && fScore >= 4 && mScore >= 4) return 'Champions'
  if (rScore >= 3 && fScore >= 3 && mScore >= 3) return 'Loyal Customers'
  if (rScore >= 4 && fScore >= 2) return 'Potential Loyalists'
  if (rScore >= 4 && fScore <= 2) return 'New Customers'
  if (rScore >= 3 && fScore >= 2) return 'Promising'
  if (rScore >= 2 && fScore >= 2) return 'Need Attention'
  if (rScore >= 2 && fScore <= 2) return 'About to Sleep'
  if (rScore <= 2 && fScore >= 2) return 'At Risk'
  if (rScore <= 2 && fScore <= 1) return 'Cannot Lose Them'
  if (rScore <= 1) return 'Lost'
  
  return `RFM_${rfmScore}` // 預設分群
}

標準 RFM 分群定義

分群名稱	RFM 條件	商業特徵	建議策略
Champions	R≥4, F≥4, M≥4	高價值忠實客戶	VIP 服務、獨家優惠
Loyal Customers	R≥3, F≥3, M≥3	忠實老客戶	會員福利、升級計劃
Potential Loyalists	R≥4, F≥2	有潜力成為忠實客戶	個性化推薦、培育計劃
New Customers	R≥4, F≤2	新客戶	歡迎流程、產品教育
Promising	R≥3, F≥2	有前景的客戶	促銷活動、交叉銷售
Need Attention	R≥2, F≥2	需要關注	重新激活活動
About to Sleep	R≥2, F≤2	即將流失	挽回優惠、問卷調查
At Risk	R≤2, F≥2	高風險客戶	緊急挽回計劃
Cannot Lose Them	R≤2, F≤1	不能失去的客戶	高階主管介入
Lost	R≤1	已流失客戶	重新獲得活動

流失風險分析規則

多因子風險評分算法

總風險分數 = Σ(各因子風險分數 × 權重)

權重分配

最近購買時間: 30%
購買頻率: 25%
RFM分群: 25%
生命週期階段: 20%

因子1: 最近購買時間風險評估

recency_days	風險分數	風險描述
≤30天	0分	低風險
31-60天	20分	輕微風險
61-90天	40分	中等風險
91-180天	70分	高風險
>180天	100分	極高風險

因子2: 購買頻率風險評估

frequency	風險分數	風險描述
≥4次	0分	低風險
2-3次	20分	輕微風險
1次	50分	高風險
<1次	80分	極高風險

因子3: RFM分群風險評估

RFM分群	風險分數	說明
Champions, Loyal Customers	0分	低風險
Potential Loyalists, New Customers	10分	輕微風險
Promising, Need Attention	40分	中等風險
About to Sleep	60分	高風險
At Risk, Cannot Lose Them	80分	極高風險
Lost, Churned	100分	已流失

數字格式 RFM 風險評估

typescript

// 處理數字格式的 RFM 分群風險計算
if (/^\d{3}$/.test(segment)) {
  const rScore = parseInt(segment[0])
  const fScore = parseInt(segment[1]) 
  const mScore = parseInt(segment[2])
  
  // R分數主導風險評估
  if (rScore <= 2) segmentRisk = 80      // 很久沒購買 = 高風險
  else if (rScore <= 3) segmentRisk = 50 // 較久沒購買 = 中風險
  else if (rScore >= 4) segmentRisk = 10 // 最近有購買 = 低風險
  
  // F和M分數調整
  if (fScore <= 2 && mScore <= 2) segmentRisk += 20 // 低頻低額 = 額外風險
}

因子4: 生命週期階段風險評估

lifecycle_stage	風險分數	說明
Active, New	0分	健康狀態
Inactive	50分	需要激活
At Risk	70分	高風險狀態
Churned	100分	已流失

風險等級分類

總分範圍	風險等級	priority	建議行動
0-39分	low	medium	定期關懷
40-59分	medium	medium	重新激活
60-79分	high	high	挽回計劃
80-100分	critical	critical	緊急處理

💰 價值成長分析規則

成長潛力評分邏輯

基準分數: 50分

加分條件

新客戶 (purchase_count < 5): +20分
高價值訂單 (AOV > $1000): +15分
高頻率 (frequency > 1): +10分
近期活躍 (r_score ≥ 4): +5分

最高分數: 100分 (Math.min(100, 總分))

LTV 成長率估算

客戶特徵	成長率	說明
高頻高價值 (freq>2, AOV>1000)	15%	高成長客戶
中等表現 (freq>1, AOV>500)	8%	穩健成長
一般活躍 (freq>0.5)	3%	緩慢成長
低活躍度 (freq≤0.5)	-5%	下降趨勢

成長趨勢分類

ltvGrowthRate	趨勢分類	說明
>10%	accelerating	加速成長
5-10%	growing	穩定成長
0-5%	stable	維持現狀
<0%	declining	下降趨勢

潛在分群升級路徑

typescript

// 成長客戶的分群升級預測
let potentialSegment = currentSegment
if (ltvTrend === 'accelerating' || ltvTrend === 'growing') {
  if (currentSegment === 'New Customers') 
    potentialSegment = 'Potential Loyalists'
  else if (currentSegment === 'Potential Loyalists') 
    potentialSegment = 'Loyal Customers'  
  else if (currentSegment === 'Loyal Customers') 
    potentialSegment = 'Champions'
}

優先級分配邏輯

Phase 1: 流失風險客戶 (Retention)

typescript

// 風險等級直接對應優先級
priority = customer.riskLevel === 'critical' ? 'critical' : 'high'
category = 'retention'

Phase 2: 價值成長客戶 (VIP Care / Upsell)

VIP Care 條件 (high priority)

白金VIP: Champions + LTV>$25,000 + 成長潛力>85
金級VIP: Loyal Customers + LTV>$25,000

一般升級條件 (medium/high priority)

typescript

// 高價值成長客戶提升條件
const isHighValueGrowth = customer.currentLTV > 15000 || customer.ltvGrowthRate > 15

if (customer.ltvGrowthRate > 10) {
  priority = isHighValueGrowth ? 'high' : 'medium'
} else {
  priority = isHighValueGrowth ? 'high' : 'medium'  
}

At Risk 客戶排除邏輯

typescript

// 嚴格排除 At Risk 客戶的 VIP 建議
const isAtRiskSegment = customer.currentSegment.includes('At Risk') || 
                       customer.currentSegment.includes('Cannot Lose') ||
                       customer.currentSegment.includes('About to Sleep')

if (isAtRiskSegment) {
  return // 跳過，不給 VIP 建議
}

Phase 3: 行為優化客戶 (Nurture)

typescript

// 高價值行為客戶提升優先級
const isHighValueBehavior = hasGoodFrequency && customer.avgOrderValue > 5000

if (hasGoodFrequency) {
  priority = isHighValueBehavior ? 'high' : 'medium'
} else if (customer.orderValueTrend === 'increasing') {
  priority = customer.avgOrderValue > 8000 ? 'high' : 'medium'
} else {
  priority = 'medium'
}

緊急行動客戶篩選邏輯

智能補充算法

typescript

const urgentActionCustomers = computed(() => {
  // 1. 優先取得高優先級建議
  const highPriorityRecs = actionRecommendations.value
    .filter((rec) => rec.priority === 'critical' || rec.priority === 'high')

  // 2. 如果高優先級建議不足3個，補充中等優先級
  let finalRecommendations = [...highPriorityRecs]
  
  if (finalRecommendations.length < 3) {
    const mediumPriorityRecs = actionRecommendations.value
      .filter((rec) => rec.priority === 'medium')
      .slice(0, 3 - finalRecommendations.length)
    
    finalRecommendations = [...finalRecommendations, ...mediumPriorityRecs]
  }

  return finalRecommendations.slice(0, 10)
})

空狀態處理

顯示邏輯: 區塊永遠顯示，不隱藏
空狀態訊息: "目前沒有需要緊急處理的客戶"
正面回饋: "這表示您的客戶關係維護良好 👍"

行為分析規則

購買一致性評分

typescript

// 基於訂單間隔的變異系數計算
const intervals = [] // 計算各訂單間隔天數
const avgInterval = intervals.reduce((sum, interval) => sum + interval, 0) / intervals.length
const variance = intervals.reduce((sum, interval) => 
  sum + Math.pow(interval - avgInterval, 2), 0) / intervals.length
const stdDev = Math.sqrt(variance)
const coefficientOfVariation = avgInterval > 0 ? stdDev / avgInterval : 1
const consistencyScore = Math.max(0, Math.min(100, (1 - coefficientOfVariation) * 100))

一致性分數	描述	建議策略
80-100分	極高一致性	維持現狀
60-79分	高一致性	優化體驗
40-59分	中等一致性	行為分析
20-39分	低一致性	提醒系統
0-19分	極不規律	深度調查

訂單價值趨勢分析

typescript

// 比較最近3筆 vs 最早3筆訂單的平均金額
const recentAvg = recentOrders.reduce((sum, o) => sum + o.total_amount, 0) / recentOrders.length
const earlierAvg = earlierOrders.reduce((sum, o) => sum + o.total_amount, 0) / earlierOrders.length

let orderValueTrend: 'increasing' | 'stable' | 'decreasing'
if (recentAvg > earlierAvg * 1.1) orderValueTrend = 'increasing'       // 增長>10%
else if (recentAvg < earlierAvg * 0.9) orderValueTrend = 'decreasing'  // 下降>10%
else orderValueTrend = 'stable'                                         // 變化<10%

渠道偏好推導

typescript

// 基於付款方式推導購買渠道
function deriveChannelFromPaymentMethods(paymentMethods: string[]): string {
  switch (mostUsedMethod) {
    case 'cash_on_delivery': return 'mobile'
    case 'bank_transfer': return 'web'  
    case 'line_pay', 'apple_pay', 'google_pay': return 'mobile'
    case 'credit_card': 
      return paymentMethods.includes('apple_pay') || paymentMethods.includes('google_pay') 
        ? 'mobile' : 'web'
    default: return 'online'
  }
}

ROI 計算規則

挽回 ROI 計算

typescript

// 流失風險客戶的 ROI 計算
estimatedROI = customer.currentLTV * customer.estimatedRetentionProbability - estimatedCost

// 挽回成功機率估算
let retentionProbability = 0
if (riskLevel === 'low') retentionProbability = 0.9      // 90%
else if (riskLevel === 'medium') retentionProbability = 0.7  // 70%
else if (riskLevel === 'high') retentionProbability = 0.4    // 40% 
else retentionProbability = 0.2                             // 20%

成長 ROI 計算

typescript

// 價值成長客戶的 ROI 計算  
const potentialROI = (customer.estimatedFutureLTV - customer.currentLTV) * 0.7 - estimatedCost

// 只保留正 ROI 建議
.filter(r => r.estimatedROI > 0)

行為優化 ROI 計算

typescript

// 行為優化客戶的 ROI 計算
const estimatedROI = customer.avgOrderValue * customer.purchaseFrequency * 0.4 * 12 - estimatedCost

維護指南

規則更新流程

業務需求變更 → 更新本文檔規則定義
代碼實現 → 在 CustomerAnalyticsZeroExpansionService.ts 中實現
測試驗證 → 使用測試資料驗證新規則
文檔同步 → 確保代碼與文檔一致

測試資料要求

為確保所有規則都能正確測試，測試資料應包含：

高風險客戶: R_Score ≤ 2, recency_days > 60
中等風險客戶: R_Score = 3, recency_days = 30-60
低風險客戶: R_Score ≥ 4, recency_days ≤ 30
各種生命週期階段: Active, At Risk, Churned 等
不同 LTV 水平: <$10K, $10-25K, >$25K
各種購買模式: 高頻低額、低頻高額、穩定購買等

常見問題排查

問題現象	可能原因	排查方法
緊急客戶區塊為空	測試資料風險等級過低	檢查 RFM 評分分布
優先級分配錯誤	At Risk 客戶被分配 VIP	檢查排除邏輯
ROI 計算異常	成本估算公式錯誤	驗證計算邏輯
分群轉換失敗	數字格式 RFM 處理錯誤	檢查格式判斷

變更日誌

2025-08-28 - v1.0.0

建立完整的客戶分析業務規則文檔
涵蓋 RFM 分析、風險評估、價值成長、優先級分配等所有核心規則
建立維護流程和測試指南

維護團隊: 分析系統開發組
審核週期: 每季度檢查一次
聯繫方式: 通過專案 Issue 系統提出規則變更建議

Agent 管理

類別

假日管理

類別

客戶分析

類別

客戶分群

Interfaces

類別

客服分析

類別

活動評分

Interfaces

類別

產品分析

類別

群組通知

類別

訂單分析

類別

通知 API

類別

系統架構

客戶分析業務規則文檔 ​

文檔概覽 ​

RFM 分析規則 ​

RFM 評分系統 ​

RFM 分群對應規則 ​

數字格式 RFM 分群轉換 ​

標準 RFM 分群定義 ​

流失風險分析規則 ​

多因子風險評分算法 ​

權重分配 ​

因子1: 最近購買時間風險評估 ​

因子2: 購買頻率風險評估 ​

因子3: RFM分群風險評估 ​

數字格式 RFM 風險評估 ​

因子4: 生命週期階段風險評估 ​

風險等級分類 ​

💰 價值成長分析規則 ​

成長潛力評分邏輯 ​

加分條件 ​

LTV 成長率估算 ​

成長趨勢分類 ​

潛在分群升級路徑 ​

優先級分配邏輯 ​

Phase 1: 流失風險客戶 (Retention) ​

Phase 2: 價值成長客戶 (VIP Care / Upsell) ​

VIP Care 條件 (high priority) ​

一般升級條件 (medium/high priority) ​

At Risk 客戶排除邏輯 ​

Phase 3: 行為優化客戶 (Nurture) ​

緊急行動客戶篩選邏輯 ​

智能補充算法 ​

空狀態處理 ​

行為分析規則 ​

購買一致性評分 ​

訂單價值趨勢分析 ​

渠道偏好推導 ​

ROI 計算規則 ​

挽回 ROI 計算 ​

成長 ROI 計算 ​

行為優化 ROI 計算 ​

維護指南 ​

規則更新流程 ​

測試資料要求 ​

常見問題排查 ​

變更日誌 ​

2025-08-28 - v1.0.0 ​

客戶分析業務規則文檔

文檔概覽

RFM 分析規則

RFM 評分系統

RFM 分群對應規則

數字格式 RFM 分群轉換

標準 RFM 分群定義

流失風險分析規則

多因子風險評分算法

權重分配

因子1: 最近購買時間風險評估

因子2: 購買頻率風險評估

因子3: RFM分群風險評估

數字格式 RFM 風險評估

因子4: 生命週期階段風險評估

風險等級分類

💰 價值成長分析規則

成長潛力評分邏輯

加分條件

LTV 成長率估算

成長趨勢分類

潛在分群升級路徑

優先級分配邏輯

Phase 1: 流失風險客戶 (Retention)

Phase 2: 價值成長客戶 (VIP Care / Upsell)

VIP Care 條件 (high priority)

一般升級條件 (medium/high priority)

At Risk 客戶排除邏輯

Phase 3: 行為優化客戶 (Nurture)

緊急行動客戶篩選邏輯

智能補充算法

空狀態處理

行為分析規則

購買一致性評分

訂單價值趨勢分析

渠道偏好推導

ROI 計算規則

挽回 ROI 計算

成長 ROI 計算

行為優化 ROI 計算

維護指南

規則更新流程

測試資料要求

常見問題排查

變更日誌

2025-08-28 - v1.0.0