影刀RPA 客户画像自动生成多源数据融合分析作者林焱 | 分类影刀RPA新手教程 | 难度★★★什么情况用市场运营需要了解客户画像年龄分布、消费偏好、活跃时段、生命周期阶段……但这些数据散落在CRM、订单系统、客服系统、微信后台等多个平台人工汇总分析极其痛苦。用影刀RPA从多个业务系统抽取客户数据按统一维度汇总分析自动生成客户画像报告。运营拿到报告就能直接用于精准营销。怎么做第一步确定客户画像维度拼多多店群自动化上架方案常用的画像维度维度数据来源说明基本属性CRM年龄、性别、地域、职业消费行为订单系统客单价、购买频次、偏好品类、首次/最近购买时间互动行为客服系统/微信咨询次数、投诉次数、消息互动频率活跃度用户行为日志最近登录时间、浏览时长、功能使用深度生命周期综合计算新客/活跃/沉默/流失第二步多源数据抽取# 影刀Python节点从各系统抽取数据并统一格式importpandasaspdfromdatetimeimportdatetime# 1. CRM数据crm_datapd.DataFrame([{user_id:u001,name:张三,age:28,gender:男,city:北京,register_date:2025-03-15},{user_id:u002,name:李四,age:35,gender:女,city:上海,register_date:2024-11-20},{user_id:u003,name:王五,age:42,gender:男,city:广州,register_date:2023-06-01},])# 2. 订单数据影刀从电商系统导出orderspd.DataFrame([{user_id:u001,order_id:001,amount:299,category:电子产品,order_date:2026-06-20},{user_id:u001,order_id:002,amount:159,category:图书,order_date:2026-06-25},{user_id:u002,order_id:003,amount:899,category:家电,order_date:2026-06-10},{user_id:u002,order_id:004,amount:249,category:服装,order_date:2026-06-28},{user_id:u003,order_id:005,amount:129,category:食品,order_date:2026-02-15},])# 3. 客服数据servicepd.DataFrame([{user_id:u001,咨询次数:3,投诉次数:0,满意度评分:5},{user_id:u002,咨询次数:8,投诉次数:2,满意度评分:3},{user_id:u003,咨询次数:0,投诉次数:0,满意度评分:None},])第三步计算用户标签# 影刀Python节点计算消费行为标签defcalculate_consumption_tags(orders_df,reference_dateNone):根据订单数据计算用户消费标签ifreference_dateisNone:reference_datedatetime.now()user_tags{}foruser_id,groupinorders_df.groupby(user_id):order_datespd.to_datetime(group[order_date])last_orderorder_dates.max()first_orderorder_dates.min()# 计算标签total_spentgroup[amount].sum()order_countlen(group)avg_ordertotal_spent/order_count# 购买频度月均months_activemax((reference_date-first_order).days/30,1)monthly_freqorder_count/months_active# 最近购买距今天数days_since_last(reference_date-last_order).days# 偏好品类fav_categorygroup.groupby(category)[amount].sum().idxmax()# 打标签tags[]# 客单价标签ifavg_order500:tags.append(高客单价)elifavg_order200:tags.append(中客单价)else:tags.append(低客单价)# 活跃度标签ifdays_since_last30:tags.append(活跃用户)elifdays_since_last90:tags.append(沉默用户)else:tags.append(流失风险)# 忠诚度标签ifmonthly_freq2:tags.append(高频用户)eliforder_count5:tags.append(忠实用户)user_tags[user_id]{总消费金额:total_spent,购买次数:order_count,客单价:round(avg_order,0),月均购买频率:round(monthly_freq,1),最近购买:f{days_since_last}天前,偏好品类:fav_category,标签:, .join(tags),}returnuser_tags tagscalculate_consumption_tags(orders)foruid,tintags.items():print(f{uid}:{t[标签]}| 总消费¥{t[总消费金额]}|{t[最近购买]}| 偏好:{t[偏好品类]})第四步生命周期阶段判定# 影刀Python节点RFM模型分组defrfm_segmentation(user_data): RFM模型Recency最近购买、Frequency频率、Monetary金额 将用户分为高价值、需挽留、潜力、流失等 foruid,datainuser_data.items():r_score1ifdata[最近购买天数]30else(2ifdata[最近购买天数]90else3)f_score1ifdata[月均购买频率]2else(2ifdata[月均购买频率]0.5else3)m_score1ifdata[客单价]500else(2ifdata[客单价]200else3)rfmf{r_score}{f_score}{m_score}segments{111:高价值客户,112:重要发展客户,121:重要保持客户,211:重要挽留客户,311:流失高价值客户,333:一般流失客户,}segmentsegments.get(rfm,f其他({rfm}))data[RFM分段]segment data[运营建议]{高价值客户:VIP服务新品优先体验,重要发展客户:提升客单价交叉销售,重要挽留客户:大力度优惠券唤醒,流失高价值客户:电话回访了解流失原因,}.get(segment,常规运营)returnuser_data第五步生成画像报告将所有标签汇总生成可视化的客户画像报告年龄分布饼图、地域热力图、消费偏好雷达图等。影刀【写入Excel】生成完整报告【企微推送】摘要。有什么坑坑1用户ID不统一CRM的用户ID是u001订单系统是user_001微信后台是openid_xxx。需要建立用户ID映射表否则数据关联不起来。这是整个画像项目中最麻烦但最关键的步骤。TEMU店群如何管理运营坑2数据时效性差异CRM更新可能是实时的订单系统是T1客服数据是手动录入的。导致同一个用户的画像中消费数据是昨天的、客服数据是一个月前的。需要在报告中标注各维度数据的时间。坑3冷启动用户无法画像新注册的、没有任何消费和互动记录的用户画像全是空的。对这种用户可以基于注册信息年龄、地域做基础画像并标记数据不足画像置信度低。坑4消费行为不等于真实需求买了婴儿奶粉的用户不一定是宝妈可能是送礼买了考研书籍的不一定在考研可能是帮别人买。画像数据只能反映做了什么不能反映为什么做。坑5数据隐私合规客户画像涉及大量个人信息需要遵守《个人信息保护法》。画像中不要直接暴露个人身份信息姓名、手机号用脱敏的用户ID表示。画像报告需要有权限控制。总结客户画像的价值在于让运营从广撒网变成精准触达——知道谁是高价值用户、谁快流失了就能做针对性的运营动作。RPA负责数据采集和标签计算运营负责根据画像制定策略。