RFM稳健分箱—聚类一致性检查—分群权益约束法

开源实现具备端到端结构，数据处理和评分可自动化；但来源业务验证有限，聚类数、客群解释及营销权益需要人工复核。

复用Notebook流程思想而非照搬阈值。Agent应支持分位数基线与聚类结果并列输出，记录随机种子、稳定性和数据版本，并把任何外呼或发券动作置于人工审批之后。

该开源项目提供从数据清洗、探索分析、RFM计算到K-Means客户分群及分群建议的端到端Notebook框架。迁移到淘宝、拼多多时，需要把金额改为退款后净支付或贡献利润，并按两平台可合法获得的脱敏客户标识分别建模；开源示例本身不构成真实业务效果证明。

输出格式：客户分群表与策略JSON：R/F/M值、分箱得分、聚类标签、稳定性指标、客群解释、允许动作、禁止动作和验证周期

执行示例：对近180天拼多多有效订单计算RFM，将全额退款从Frequency和Monetary中剔除；比较4至7个聚类并选择跨随机种子稳定且各簇规模可运营的方案，对沉睡高历史价值组开展小比例召回实验，以增量贡献利润而非券核销率判断成败。