订单身份清洗—RFM稳健分箱—分层权益增量回测法

开源流程完整且数据结构明确，但业务阈值和触达合规必须通过本店对照实验验证。

复用仓库的数据清洗和RFM计算思路，新增退款后金额、客群稳定性、隐私字段白名单及随机留出模块；禁止Agent直接导出明文个人信息。

该GitHub项目展示了从数据清洗、探索分析、计算Recency、Frequency、Monetary，到K-Means聚类和为不同群组生成建议的端到端流程；可迁移为淘宝、拼多多订单导出后的客户价值分层，但平台隐私限制下只能使用合法获得的店铺一方数据。

输出格式：客户分层表及规则JSON：R/F/M值、分箱分数、客群标签、推荐权益、禁止动作、留出组、复评日期。

执行示例：任务发现一组客户最近45天未购买、过去一年有4次有效订单且退款后净消费位于前20%。系统将其标记为“高价值流失风险”，随机保留20%不触达，其余发送非通用折扣的新品优先购权益；14天后仅在增量贡献毛利为正时保留策略。