20 KiB
PRD：SPI 消费力指数（Spending Power Index）建设方案（MD）
- 文档版本：v1.0
- 状态：定稿（可进入研发设计/排期）
- 适用范围：门店客户运营（新客转化、老客召回、增值推荐、资源分配）
- 相关指数体系：
NCI、WBI、RS、OS、MS、ML（SPI 为新增客户级指数）
1. 背景与目标
1.1 背景
当前体系中：
NCI用于新客欢迎与转化优先级WBI用于老客召回优先级RS/OS/MS/ML用于关系强度、归属、动量、付费关联（助教-客户关系对粒度）
但尚缺少一个客户级的“消费能力/消费层级”指数，导致以下问题：
- 高价值客户与普通客户在运营动作上难以区分投入强度
- 增值服务推荐缺少“消费能力层级”依据
- 资源分配容易只看“紧急程度”，忽略“投入产出比（ROI）”
1.2 目标
新增 SPI（Spending Power Index，消费力指数），评估客户在门店场景内的“消费力代理值”，重点基于：
- 消费水平（Level）
- 消费速度（Speed）
- 消费稳定性（Stability，可选修正项）
说明：稳定性窗口最长只使用 90 天，不使用 180 天（按本次需求明确要求）。
1.3 非目标
- 不评估金融/征信意义上的“信用能力”
- 不直接替代 NCI/WBI（紧迫度）
- 不直接替代 RS/OS/MS/ML（关系归属与执行人选择）
2. 设计原则与方法依据
- 行为数据驱动：使用消费/充值明细作为消费力代理信号（门店经营场景可解释、可落地）。
- 稳健统计：金额类数据长尾明显，展示分采用分位截断（Winsorize）降低极端值影响。Winsorization 本质是用指定分位数限制极端值影响，适合交易金额数据。
- 时间敏感：近期行为更有参考价值，采用指数衰减与 EWMA 平滑（近期更高权重）来处理速度与展示分稳定性。指数衰减与半衰期是标准时间权重形式，EWMA 则是常见的时间序列平滑方法。
- 与现有体系兼容：沿用现有
BaseIndexTask的映射逻辑（P5/P95 → 压缩 → MinMax 0–10 → 可选 EWMA）。 - 运营闭环导向：SPI 不是单独使用，需与 NCI/WBI/RS/OS/MS/ML 组合使用。
补充说明：RFM（Recency/Frequency/Monetary）是成熟的客户价值/客户分层框架，SPI 在其基础上强化“消费速度”与门店场景的可执行性。
3. 指数定义
3.1 指数名称
- 中文：消费力指数
- 英文：Spending Power Index
- 缩写：SPI
3.2 粒度
- 客户级（member）
- 主键建议：
(site_id, member_id)
3.3 业务含义
SPI 用于衡量客户在门店体系内的综合消费力层级，回答：
- 这个客户整体消费能力在门店内属于什么层级？
- 近期消费推进速度是否明显变快？
- 是稳定高消费，还是偶发冲高？
4. 数据来源与口径
4.1 数据来源（建议）
A. 消费订单明细（核心）
-
来源：结算/订单主表及明细表（按现有 DWD 口径）
-
字段（至少）：
site_idmember_idpay_timepay_amount（实付）settle_type（必要时过滤）- 明细项分类（台费、商品、服务等）
B. 充值订单明细（辅助）
-
来源：
dwd_recharge_order -
字段（至少）：
site_idmember_idpay_timepay_amountsettle_type = 5
C. 可选增强
- 储值卡余额（用于解释）
4.2 时间窗口（定稿）
稳定性最长只用 90 天。
- 短窗口：30 天（近期消费速度）
- 中窗口：90 天（消费层级、速度基线、稳定性）
4.3 统计口径（建议）
- 消费金额：使用
pay_amount（实付） - 按天去重的消费日：用于计算消费日密度
- 若同一天多笔消费：计入总额，消费日数仅计 1 天
- 充值金额：使用充值订单
pay_amount - 金额单位：与现有系统保持一致（元）
5. SPI 算法设计（v1）
v1 采用“主分 + 子分”的结构，保证解释性：
Level（消费水平）Speed（消费速度）Stability（消费稳定性，作为修正项；最长 90 天）SPI = f(Level, Speed, Stability)
5.1 基础特征定义（客户级）
设：
spend_30：近30天消费总额spend_90：近90天消费总额recharge_90：近90天充值总额orders_30 / orders_90：近30/90天消费笔数visit_days_30 / visit_days_90：近30/90天有消费的营业日数（按营业日去重，营业日以 08:00 为分割点）avg_ticket_90 = spend_90 / max(orders_90, 1)：90天客单weekly_spend_90：近90天按周汇总消费额序列（约13周）daily_spend_series_90：近90天按日消费额序列（用于 EWMA）
5.2 子分一：消费水平（Level）
目的
衡量客户的消费金额层级与客单水平，兼顾充值规模（预算能力代理信号）。
建议公式
[ L = w_{s30}\cdot \ln(1+\frac{spend_{30}}{M30})
- w_{s90}\cdot \ln(1+\frac{spend_{90}}{M90})
- w_{ticket}\cdot \ln(1+\frac{avg_ticket_{90}}{T0})
- w_{r90}\cdot \ln(1+\frac{recharge_{90}}{R90}) ]
说明
- 使用
log1p压缩长尾，避免大额客户过度支配排序 - 30天与90天并用：兼顾近期层级与稳定层级
- 充值是辅助信号，不应压过真实消费金额
5.3 子分二：消费速度（Speed）
目的
衡量“近期消费推进快不快”，体现消费节奏变化。
A. 绝对速度（近期强度）
[ V_{abs} = \ln \left(1+\frac{spend_{30}}{\max(visit_days_{30},1)\cdot V0}\right) ]
含义：近30天“每个消费日平均消费强度”。
B. 相对速度（近期 vs 基线）
[ v_{30}=\frac{spend_{30}}{30}, \quad v_{90}=\frac{spend_{90}}{90} ] [ V_{rel} = \ln\left(\frac{v_{30}+\epsilon}{v_{90}+\epsilon}\right) ]
V_rel > 0：近期消费速度快于90天基线（加速）V_rel < 0：近期消费速度低于基线（放缓）
C. 平滑速度（EWMA，可选）
对 daily_spend_series_90 做 EWMA，得到 daily_spend_ewma_90：
[
V_{ewma}=\ln(1+\frac{daily_spend_ewma_{90}}{E0})
]
Speed 子分（建议）
[ S = w_{abs}\cdot V_{abs} + w_{rel}\cdot max(0, V_{rel}) + w_{ewma}\cdot V_{ewma} ]
v1 建议仅对“加速”加分（
max(0,V_rel)），不对“减速”直接扣分；减速信号已在 WBI 中承担召回压力逻辑。
5.4 子分三：消费稳定性（Stability，最长 90 天）
目的
识别“稳定高消费”与“偶发冲高”，防止单笔大单导致 SPI 虚高。
窗口要求（定稿）
只使用近90天
建议特征（v1 可二选一或组合）
[ Stab_{cover} = \frac{#(\text{近90天有消费的周数})}{13} ]
Stability 子分（v1 推荐）
[ P = Stab_{cover} ] （v1 先采用覆盖率，简单、稳健、工程成本低）
5.5 SPI 总分（Raw）
建议结构（v1）
[ SPI_{raw} = w_L \cdot L + w_S \cdot S + w_P \cdot P ]
建议默认权重（v1）
w_L = 0.60w_S = 0.30w_P = 0.10
若你希望先简化上线，也可 v1.0 不启用稳定性（
w_P=0），v1.1 再开启。 但本需求已明确“稳定性最长 90 天即可”，建议直接纳入 v1，权重先低配。
6. 展示分映射（Raw → Display 0–10）
SPI 与子分（Level/Speed/Stability）展示分均建议复用现有统一逻辑：
- 收集全体 Raw 分数
- 计算
P5/P95 - Winsorize 截断到
[P5, P95] - 可选压缩（
none/log1p/asinh） - MinMax 映射到
[0,10] - 可选 EWMA 平滑分位点
- 展示分保留 2 位小数
该映射适合金额类/长尾分布指标，可降低极端值造成的排序失真。
7. 输出表设计（新增）
7.1 表名建议
billiards_dws.dws_member_spending_power_index
7.2 主键
(site_id, member_id)
7.3 字段建议（v1）
基础特征（解释与排查）
spend_30spend_90recharge_90orders_30orders_90visit_days_30visit_days_90avg_ticket_90active_weeks_90daily_spend_ewma_90（若启用）
子分
score_level_rawscore_level_displayscore_speed_rawscore_speed_displayscore_stability_rawscore_stability_display
总分
raw_score（SPI_raw）display_score（SPI_display）
元数据
calc_timecreated_atupdated_at
8. 配置体系（cfg_index_parameters）新增项
8.1 index_type
新增：
SPI
8.2 参数清单（建议默认值）
窗口与平滑
| 参数 | 默认值 | 说明 |
|---|---|---|
spend_window_short_days |
30 | 短窗口（速度） |
spend_window_long_days |
90 | 长窗口（层级/稳定性上限） |
ewma_alpha_daily_spend |
0.3 | 日消费 EWMA 平滑系数 |
金额压缩基数
| 参数 | 默认值 | 说明 |
|---|---|---|
amount_base_spend_30 |
按门店分布校准 | 30天消费压缩基数 |
amount_base_spend_90 |
按门店分布校准 | 90天消费压缩基数 |
amount_base_ticket_90 |
按门店分布校准 | 90天客单压缩基数 |
amount_base_recharge_90 |
按门店分布校准 | 90天充值压缩基数 |
amount_base_speed_abs |
按门店分布校准 | 绝对速度压缩基数 |
amount_base_ewma_90 |
按门店分布校准 | EWMA速度压缩基数 |
权重（总分）
| 参数 | 默认值 | 说明 |
|---|---|---|
weight_level |
0.60 | Level 权重 |
weight_speed |
0.30 | Speed 权重 |
weight_stability |
0.10 | Stability 权重 |
权重（Level 子分）
| 参数 | 默认值 | 说明 |
|---|---|---|
w_level_spend_30 |
0.30 | Level 中 30天消费项 |
w_level_spend_90 |
0.35 | Level 中 90天消费项 |
w_level_ticket_90 |
0.20 | Level 中 90天客单项 |
w_level_recharge_90 |
0.15 | Level 中 90天充值项 |
权重（Speed 子分）
| 参数 | 默认值 | 说明 |
|---|---|---|
w_speed_abs |
0.50 | 绝对速度项 |
w_speed_rel |
0.30 | 相对速度项（加速） |
w_speed_ewma |
0.20 | EWMA速度项 |
稳定性参数（90天上限）
| 参数 | 默认值 | 说明 |
|---|---|---|
stability_window_days |
90 | 稳定性窗口（固定上限90） |
use_stability |
1 | 是否启用稳定性子分 |
stability_mode |
1 | 1=周覆盖率（v1推荐） |
映射与平滑（复用 BaseIndexTask）
| 参数 | 默认值 | 说明 |
|---|---|---|
percentile_lower |
5 | 下分位 |
percentile_upper |
95 | 上分位 |
compression_mode |
1 | 0=none, 1=log1p, 2=asinh |
use_smoothing |
1 | 是否启用分位平滑 |
ewma_alpha |
0.2 | 分位 EWMA 平滑系数 |
9. 任务与计算策略（建议）
9.1 任务形态
- 新增客户级任务：
SpendingPowerIndexTask - 粒度：
(site_id, member_id) - 建议频率：每日（与 NCI/WBI 接近，便于客户级看板统一刷新）
9.2 计算流程
- 抽取消费订单明细（近90天）
- 抽取充值订单明细（近90天）
- 聚合客户级特征（30天/90天）
- 计算
Level/Speed/Stability子分 Raw - 计算
SPI_raw - 映射为展示分（0–10）
- 写入
dws_member_spending_power_index（delete-before-insert 或 upsert）
10. SPI 参与的所有相关运营场景（完整清单）
原则：SPI 不单独决定“要不要触达”，而是与 NCI/WBI（紧急度）+ RS/OS/MS/ML（执行关系）组合使用。
10.1 新客运营（NCI 场景）
场景 A1：新客欢迎优先级（欢迎建联）
-
主用指数：
NCI_welcome -
SPI 作用：决定欢迎动作投入强度（轻触达/强服务）
-
策略
NCI_welcome 高 + SPI 高：优先人工建联、安排更高质量接待与后续方案NCI_welcome 高 + SPI 中低：标准欢迎流程，重点推动二访而非高价增值
场景 A2：新客二访转化
-
主用指数：
NCI_convert -
SPI 作用：判断适合推“基础二访”还是“升级体验包/储值方案”
-
配合指数
OS：谁负责触达ML：若涉及充值/储值，由谁推更容易成交
场景 A3：新客近期活跃（避免过度打扰）
-
主用指数：
NCI（内置活跃抑制） -
SPI 作用：不用于提高打扰频率，而用于现场服务策略分层
-
运营建议
- 高 SPI 新客：现场体验升级、服务深度设计
- 低 SPI 新客：降低销售压力，先建立习惯
10.2 老客召回（WBI 场景）
场景 B1：老客召回名单排序
-
主用指数：
WBI -
SPI 作用：决定召回资源优先级（投入强度/人工优先）
-
策略
WBI 高 + SPI 高：优先人工召回、重点维护WBI 高 + SPI 中低：先低成本触达（消息/轻优惠）
场景 B2：充值未回访专项召回
-
主用指数：
WBI（充值未回访压力） -
SPI 作用：判断值得投入多大召回成本
-
配合指数
ML：选执行人（谁推更容易成）OS：定责（避免撞单）
场景 B3：高消费力沉默客户（价值保全）
- 触发逻辑：
SPI 高且WBI进入召回区间 - 运营重点：不是纯促销，而是“关系修复/体验恢复/高价值保留”
10.3 活跃客户跟进与升温承接（MS 场景）
场景 C1：近期消费/来店升温客户承接
-
主用指数：
MS（关系动量） -
SPI 作用：判断承接动作的强度与档位
-
配合指数
OS：由谁跟进RS：关系强弱决定话术深浅ML：如涉及储值推荐，决定由谁推
场景 C2：关系强但消费层级下滑（潜在降档预警）
- 组合信号：
RS 高+SPI_speed 下降（或 SPI 总分下滑） - 运营动作：先做需求确认/体验诊断，再决定促销或产品调整
10.4 增值服务与储值推荐（ML + SPI 场景）
场景 D1：筛选“值得重点推增值”的客户
-
主用指数：
SPI -
配合指数：
MS（时机）、RS（关系）、WBI/NCI（是否当前应触达） -
策略
SPI 高 + MS 高：优先推增值（最佳时机）SPI 高 + WBI 高：先召回再推，不要直接硬销SPI 低 + RS 高：可做低门槛增值尝试，不推高价方案
场景 D2：确定“由谁来推更可能成功”
-
主用指数：
ML -
SPI 作用：决定是否值得高成本人力投入
-
配合指数
OS：责任边界RS：关系基础MS：时机窗口
10.5 客户分层与运营资源配置（门店/店长视角）
场景 E1：客户池分层（高/中/低消费力）
-
主用指数：
SPI_display -
作用：作为全店客户分层基础维度（可与活跃度、风险度交叉）
-
建议分层
- 高消费力（Top 10–20%）
- 中消费力
- 低消费力
场景 E2：人力资源分配（助教时间预算）
-
组合指数
- 客户优先级：
NCI/WBI - 客户消费力：
SPI - 执行人选择：
OS/ML
- 客户优先级：
-
规则示例
- 高 NCI/WBI + 高 SPI：优先人工跟进
- 高 NCI/WBI + 低 SPI：半自动/标准化触达
- 低 NCI/WBI + 高 SPI：低频但重点维系
场景 E3：活动名单筛选
-
SPI 作用：筛选活动档位与名单
-
示例
- 高 SPI 客户：高阶体验/高客单活动
- 中低 SPI 客户：入门体验/拉频次活动
10.6 管理与复盘（分析场景）
场景 F1：增值策略复盘
-
组合指标：
SPI（客户层级） +ML（执行人付费关联） -
看什么
- 高 SPI 客户是否被正确触达
- 高 SPI 客户的增值转化是否集中在正确助教（ML 高者）
场景 F2：客户结构变化监控
-
主用指数：
SPI -
看什么
- 高 SPI 客户数量变化
- 各层级客户占比变化
- 高 SPI 客户的活跃/沉默迁移（结合 WBI）
场景 F3：门店经营质量诊断（非直接派单）
-
组合信号
SPI 高客户群体的WBI是否整体抬升（高价值流失预警）SPI 高客户群体的MS是否持续走低（热度下降）
11. 运营使用规则（落地建议）
11.1 统一原则
- NCI/WBI 决定“要不要优先触达”
- SPI 决定“投入多大资源、用什么档位策略”
- OS/RS/MS/ML 决定“谁来做、什么时候做、谁更容易做成”
11.2 一个实用的组合模板
新客转化
- 选人群：
NCI_convert 高 - 分档：
SPI 高/中/低 - 落人：
OS（若已有关系）否则新客官 - 增值时机：
MS 高再推，执行人选ML 高
老客召回
- 选人群：
WBI 高 - 分档：
SPI 高优先人工，SPI 低低成本触达 - 落人：
OS=MAIN，若无归属则公海召回组 - 若涉及储值：执行人优先
ML 高
12. 验收标准（数据与业务）
12.1 数据正确性
SPI_raw在新增消费/充值后总体应单调不减（同等其他条件下）score_speed_raw在近30天消费速度高于近90天基线时应提升score_stability_raw仅使用近90天数据（不引用 180 天）- 展示分稳定：在总体分布无大变化时，
display_score不应异常跳变（启用 EWMA）
12.2 业务可用性
- 运营可基于 SPI 完成客户分层（高/中/低）
- 运营可在 NCI/WBI 队列中使用 SPI 做资源投入分层
- 增值推荐场景可用 SPI + ML + OS 形成可执行规则
13. 风险与控制
-
异常大单抬高 SPI
- 控制：Winsorize + 压缩变换 + 稳定性子分（90天覆盖率）
-
充值替代真实消费导致高估
- 控制：充值在 Level 子分中权重较低（辅助信号）
-
短期活动造成速度异常升高
- 控制：速度项只部分加权；稳定性项用于修正
-
跨门店可比性问题
- 控制：SPI 默认用于门店内排序；如需跨店对比，需后续增加门店标准化层
14. 上线计划（建议）
Phase 1：影子跑数（1–2 周）
- 后台计算 SPI，不对运营展示
- 验证分布、极值、客户样本解释性
Phase 2：看板展示与规则试运行（2–4 周）
- 接入 NCI/WBI 队列的辅助分档
- 先用于“投入强度分层”，不直接自动派单
Phase 3：策略联动
- 用于活动名单筛选、增值推荐档位
- 与
ML/OS/MS联动形成自动建议
15. 研发实现清单（交付物）
-
新增任务：
SpendingPowerIndexTask -
新增结果表：
dws_member_spending_power_index -
新增配置：
cfg_index_parameters中index_type='SPI' -
新增看板字段：
SPI_displayLevel/Speed/Stability子分展示
-
新增运营策略读取逻辑（可选）：
- NCI/WBI 队列中读取 SPI 做资源分档
16. 附录：公式与约定（实现参考）
16.1 指数衰减（如后续引入时间衰减特征）
[
decay(d; h)=exp(-ln(2)\cdot d / h)
]
（半衰期形式，d=h 时权重降为 0.5）([维基百科][2])
16.2 展示分映射（沿用现有 BaseIndexTask）
- P5/P95 Winsorize
compression_mode:none / log1p / asinh- MinMax →
[0,10] - 可选 EWMA 分位平滑（
ewma_alpha）([维基百科][1])