购买间隔建模—未来价值分层—触达成本护栏复购法

输入和输出高度结构化，适合形成分层建议任务；但开源项目维护状态、身份数据完整性和平台隐私规则需要额外治理。

封装订单净化、客户摘要、校准验证、CLV计算和触达成本护栏模块。默认输出人群包和实验建议，不自动发送消息或优惠券；所有标识应匿名化并设置最小人群规模。

lifetimes实现BG/NBD、Pareto/NBD及Gamma-Gamma等重复购买和货币价值模型，并提供校准期与留出期评估思路。可迁移步骤包括构造RFM类客户摘要、预测未来购买次数、估计CLV和评估模型；淘宝、拼多多场景需处理匿名化身份、跨店不可见、退款以及平台触达权限限制。

输出格式：客户或人群级表格：预测30/90/180天购买次数、CLV区间、价值层级、建议触达动作、最高优惠成本、隐私与样本风险标签。

执行示例：任务从12个月未退款订单中识别出8000名可分析客户，用前9个月校准、后3个月验证。对某母婴消耗品预测90天购买次数，并按贡献毛利CLV分为高、中、低三层；高价值且近期未购人群只获得内容提醒，中价值人群进入小额券随机试验，低价值或投诉风险人群不触达。最终以增量毛利而非核销率判断是否扩展。