- name
- retail-traffic-analysis
- description
- |
客流分析 Skill
技能名称
traffic-analysis
功能描述
基于 AIoT 客户行为数据（customerFunnel + behaviorFunnel），分析门店客流和转化漏斗，诊断客流问题和转化效率问题。
核心特点
1. 双漏斗结合分析
- customerFunnel: 客户分层（人的数量）
- behaviorFunnel: 试用行为（行为次数）
- 结合分析: 人 + 行为 = 完整的客户行为画像
2. 五步分析过程
- 获取数据 — 从 API 拉取 customerFunnel 和 behaviorFunnel
- 解析 customerFunnel — 客户分层（互斥桶验证）
- 解析 behaviorFunnel — 试用行为（数据关系验证）
- 计算转化率 — 客户分层转化 + 行为转化效率
- 综合诊断 — 识别核心问题
3. 完整逻辑标注
每个转化率指标都包含：
- 逻辑说明 — 这个指标代表什么
- 计算公式 — 具体怎么算
- 原因解释 — 为什么这样算
- 计算过程 — 展示具体数字和步骤
核心逻辑
互斥桶模型（customerFunnel）
有效客户（100%，互斥）
├── 普通客户（无试用）
├── 潜在客户（普通试用，无深度）
├── 意向客户（深度试用，无成交）
└── 成交客户（有成交）互斥原则：每个客户只计入最深层的桶 验证：普通 + 潜在 + 意向 + 成交 = 有效客户
行为分层（behaviorFunnel）
总试用次数
├── 普通试用次数（交互强度弱）
└── 深度试用次数（交互强度高）关系：普通试用 + 深度试用 = 总试用次数
转化漏斗
1. 客户分层转化率（基于互斥桶）
a) 潜在→意向转化率
- 逻辑: 从"有普通试用"到"有深度试用"的转化
- 公式:
(意向客户 + 成交客户) / (潜在客户 + 意向客户 + 成交客户) - 原因: 意向客户和成交客户都有深度试用，成交客户是从意向转化来的
- 示例:
上期: (65+296)/(19+65+296) = 361/380 = 95.0%
本期: (78+188)/(27+78+188) = 266/293 = 90.8%b) 意向→成交转化率
- 逻辑: 从"有深度试用"到"成交"的转化
- 公式:
成交客户 / (意向客户 + 成交客户) - 原因: 只有意向客户和成交客户有深度试用，成交是意向的下一步
- 示例:
上期: 296/(65+296) = 296/361 = 82.0%
本期: 188/(78+188) = 188/266 = 70.7%2. 行为转化效率（基于 behaviorFunnel）
a) 试用→成交转化率
- 逻辑: 总试用次数中有多少转化为成交
- 公式:
成交件数 / 总试用次数 - 示例:
上期: 341/7121 = 4.8%
本期: 201/4388 = 4.6%b) 深度试用→成交转化率
- 逻辑: 深度试用次数中有多少转化为成交
- 公式:
成交件数 / 深度试用次数 - 示例:
上期: 341/927 = 36.8%
本期: 201/555 = 36.2%3. 人+行为综合指标
a) 高价值客户人均深度试用
- 逻辑: 有深度试用的客户，平均每人深度试用多少次
- 公式:
深度试用次数 / (意向客户 + 成交客户) - 原因: 意向客户和成交客户都产生了深度试用行为
- 示例:
上期: 927/(65+296) = 927/361 = 2.6次/人
本期: 555/(78+188) = 555/266 = 2.1次/人b) 高价值客户人均成交件数
- 逻辑: 有深度试用的客户，平均每人成交多少件
- 公式:
成交件数 / (意向客户 + 成交客户) - 示例:
上期: 341/361 = 0.94件/人
本期: 201/266 = 0.76件/人使用方法
import sys
sys.path.insert(0, '~/.openclaw/skills/traffic-analysis')
from analyze import analyze
# 运行完整分析
result = analyze(
store_id="416759_1714379448487",
from_date="2026-03-01",
to_date="2026-03-25",
store_name="正义路60号店"
)
# 输出包含:
# - 完整分析过程（打印到控制台）
# - 结构化结果（返回值）输出示例
控制台输出（完整分析过程）
======================================================================
客流分析报告 - 正义路60号店
分析周期: 2026-03-01 至 2026-03-25
======================================================================
【第一步：获取数据】
API: /api/v1/store/dashboard/bi
参数: storeId=416759_1714379448487, fromDate=2026-03-01, toDate=2026-03-25
【第二步：解析 customerFunnel（人的数量）】
...
【第三步：解析 behaviorFunnel（行为次数）】
...
【第四步：计算转化率（核心分析）】
...
【第五步：综合诊断】
转化率变化汇总:
潜在→意向: 95.0% → 90.8% (-4.2%)
意向→成交: 82.0% → 70.7% (-11.3%)
...
核心问题识别:
1. 🔴 客流显著下滑 (有效客户-14.6%)
2. 🔴 意向→成交转化率显著下降 (-11.3%)
...结构化结果（返回值）
{
"status": "ok",
"funnel": {
"customer_groups": {"name": "有效客户", "current": 350, "previous": 410, "change_pct": -14.6},
"normal_groups": {"name": "普通客户", "current": 57, "previous": 30, "change_pct": 90.0},
"potential_groups": {"name": "潜在客户", "current": 27, "previous": 19, "change_pct": 42.1},
"intent_groups": {"name": "意向客户", "current": 78, "previous": 65, "change_pct": 20.0},
"deal_groups": {"name": "成交客户", "current": 188, "previous": 296, "change_pct": -36.5}
},
"conversion_rates": {
"潜在到意向": {"上期": 0.95, "本期": 0.908, "变化": -0.042},
"意向到成交": {"上期": 0.82, "本期": 0.707, "变化": -0.113},
"试用到成交": {"上期": 0.048, "本期": 0.046, "变化": -0.002},
"深度到成交": {"上期": 0.368, "本期": 0.362, "变化": -0.006}
},
"per_customer_metrics": {
"人均深度试用": {"上期": 2.6, "本期": 2.1},
"人均成交件数": {"上期": 0.94, "本期": 0.76}
}
}诊断标准
| 问题 | 指标 | 阈值 | 说明 |
|---|---|---|---|
| 客流下滑 | 有效客户变化 | <-10% | 进店人数显著减少 |
| 转化效率下降 | 意向→成交转化率变化 | <-5pp | 深度客户不成交 |
| 试用深度不足 | 潜在→意向转化率变化 | <-5pp | 客户试得浅了 |
| 人均试用下降 | 人均深度试用变化 | <-0.3次 | 高价值客户试得少了 |
| 人均购买下降 | 人均成交件数变化 | <-0.1件 | 买得少了 |
依赖
api_client.get_copilot_data()— 数据获取customerFunnel— 客户分层数据（互斥桶）behaviorFunnel— 试用行为数据
版本
v1.1.0 — 完整分析过程展示（五步分析法 + 逻辑标注 + 人+行为结合）