# 详细操作指南

## 完整工作流

### 阶段一：准备与确认

#### 1. 欢迎消息

```
您好～我是 DMP 画像洞察分析助手！
基于您的数据，我会为您产出：
✓ 用户画像总结
✓ 多维度详细分析
✓ 地域深耕方向
✓ 综合策略建议
✓ 深度分析方向
```

#### 2. 数据准备清单

**检查你的文件：**

- [ ] 格式正确（Excel 或 CSV）
- [ ] 包含多个数据维度（≥3个）
- [ ] 每个维度有标签名称、占比、TGI值
- [ ] 数据完整，没有空值或错误

**标准维度列表：**

```
核心维度（推荐包含）
├── 人口属性（年龄、性别、婚育、学历等）
├── 地域分布（省份、城市）
├── 收入与职业（收入水平、职业类型）
└── 消费特征（消费能力、品类偏好）

补充维度
├── 兴趣偏好（显性兴趣、隐性兴趣）
├── 应用偏好（APP 使用、平台选择）
├── 场景偏好（购物场景、娱乐场景）
└── 手机品牌（iPhone、Android、小品牌）
```

#### 3. 上传与确认

**发送给 AI 助手：**

```
请帮我分析这份用户画像数据

数据包含维度：
- 基础属性（年龄、性别、婚育）
- 地域分布（省份、城市）
- 兴趣偏好（TOP 15标签）
- 应用偏好（TOP 10应用）
- 消费特征（消费能力、品类）

预期输出：Markdown报告 + PPT演示
```

---

### 阶段二：系统分析处理

#### 自动执行的处理步骤

**步骤 1：数据加载与验证**
- 读取上传的 Excel/CSV 文件
- 检查数据完整性和格式
- 识别各维度和标签

**步骤 2：特征筛选与分析**
- 自动识别核心特征
- 计算 TGI 和其他关键指标
- 检查逻辑一致性

**步骤 3：画像构建**
- 提取最有代表性的特征
- 构建四层用户画像
- 生成一句话核心特征

**步骤 4：地域分析**（如有地域数据）
- 分析各省份/城市的 TGI
- 推荐优先布局地域
- 识别潜力市场

**步骤 5：策略生成**
- 基于特征推导产品定位
- 生成渠道和内容策略
- 输出用户运营建议

---

### 阶段三：报告生成与输出

#### 输出内容结构

**1. 用户画像（核心部分）**

```markdown
## 用户画像

### 一句话核心特征
[完整、具体、可操作的特征描述]

### 核心定位
[提炼的商业标签，1-2 个词]

### 特征支撑数据
- 年龄特征：[占比%] (TGI=X.X)
- 婚育特征：[占比%] (TGI=X.X)
- 消费特征：[占比%] (TGI=X.X)
- ...
```

**2. 地域深耕方向**

```markdown
## 地域分析

### 优先布局省份
江苏、浙江、广东
（TGI 高，占比大，投资回报好）

### 潜力城市
苏州、杭州、深圳、南京
（TGI 高，占比适中，增长空间大）

### 减少投入地区
西部部分地区
（TGI < 0.8，转化率低）
```

**3. 各维度详细分析**

```markdown
## 维度分析

### 年龄分布
核心特征：30-40 岁（45%，TGI=1.8）
次要特征：26-35 岁（35%，TGI=1.5）
含义：核心用户是职场成熟人士

### 婚育特征
核心特征：已婚已育（60%，TGI=2.1）
含义：家庭消费需求强，决策稳定性高

### 消费能力
核心特征：月收入 1-2 万（38%，TGI=1.6）
含义：中高收入，追求品质消费
```

**4. 综合策略建议**

```markdown
## 策略建议

### 产品定位
面向追求品质生活、注重家庭的 30-40 岁职场人士，
提供专业、高效、智能的产品和服务。
强调：家庭友好、品质保证、省时高效、技术领先

### 渠道布局
- 专业平台优先（获取信任）
- 主流电商布局（提升转化）
- 社交电商补充（增强互动）

### 内容营销
- 专业知识输出（建立权威）
- 生活方式分享（引发共鸣）
- 用户案例展示（增强信任）

### 用户运营
- 关注家庭类话题，建立社群
- 定期输出育儿、家居、消费类内容
- 建立用户反馈机制，持续优化
```

**5. 深度分析建议**

```markdown
## 深度分析方向

### 单维度深挖（优先级排序）
1. **地域特征** - 各城市用户特征差异分析
   - 价值：精准投放，提高 ROI
   
2. **消费品类** - TOP 品类组合分析
   - 价值：优化产品线，增加交叉销售
   
3. **应用行为** - APP 使用场景分析
   - 价值：改进用户体验，提高粘性

### 交叉维度分析（高价值组合）
- 「30-40 岁+已婚已育+高收入」→ 高端家居市场
- 「女性+职场+一线城市」→ 职业女性社群
- 「有娃+健康意识+电商活跃」→ 亲子产品

### 执行优先级
- 🔴 高优先级：地域差异 + 品类组合
- 🟡 中优先级：应用行为 + 跨维度组合
- 🟢 低优先级：微观特征优化
```

---

## 报告格式选择

### 1️⃣ Markdown 文档（推荐）

**优点：**
- ✅ 快速生成，即时查看
- ✅ 易于分享和编辑
- ✅ 包含完整分析内容

**用途：** 内部讨论、决策参考

**导出方式：** 复制内容 → Notion、Word 或本地 MD 文件

### 2️⃣ PPT 演示文稿

**内容结构（12页）：**

```
P1  - 标题页
P2  - 用户画像总结 + 地域方向 + 核心策略
P3  - 维度概览（人口、地域、兴趣、消费）
P4-P8 - 各维度详细分析（含数据可视化）
P9-P10 - 综合策略建议（产品、渠道、内容、运营）
P11 - 深度分析建议（单维度、交叉分析、优先级）
P12 - 末页（数据来源、时间等）
```

**视觉风格：**
- 专业蓝色主色调
- 清晰的信息层级
- 数据图表展示
- 每页 5-6 个内容块

**用途：** 管理层汇报、融资演示、团队分享

### 3️⃣ Excel 表格

**包含内容：**
- 各维度的核心特征列表
- TGI 和占比数据对比
- 地域分析数据表
- 策略建议汇总

**用途：** 数据存档、深度分析基础、二次加工

---

## 数据质量检查

### 验证清单

**数据完整性**
- [ ] 所有工作表都有标签名称、占比、TGI值
- [ ] 没有空白行或错误值
- [ ] 数据格式一致（百分比用 % 或小数）

**逻辑一致性**
- [ ] 性别分布与其他特征逻辑合理
- [ ] 年龄与消费能力、职业匹配
- [ ] 没有逻辑互斥的标签同时出现

**数据有效性**
- [ ] TGI 值在合理范围（通常 0.5-3.0）
- [ ] 占比百分比总和接近 100%
- [ ] 没有异常数据（如占比 > 100%）

### 常见问题与解决

| 问题 | 症状 | 解决方案 |
|------|------|--------|
| 数据维度不足 | 分析内容简单，画像不立体 | 补充 2-3 个维度 |
| TGI 缺失 | 无法判断特征的集中度 | 系统可自动计算 |
| 性别数据偏差大 | 分析结果性别失衡 | 检查数据源是否代表性好 |
| 占比加不到 100% | 数据有遗漏 | 补充"其他"类别 |

---

## 最佳实践

### 📊 数据准备建议

**维度配置：**
```
最小化配置（3-5 维）：
- 基础属性（年龄、性别）
- 地域分布
- 兴趣或消费偏好

标准配置（7-10 维）[推荐]：
- 人口属性（年龄、性别、婚育、教育）
- 地域分布（省份、城市）
- 收入职业
- 兴趣偏好
- 应用偏好
- 消费特征
- 行为特征

完整配置（10+ 维）：
所有标准配置 + 手机品牌 + 场景偏好 + 其他
```

### 💡 报告使用建议

**给不同角色的报告：**

**CEO / 投资者：**
- 推荐：PPT 演示文稿
- 重点：用户画像 + 地域策略 + 市场机会

**产品经理：**
- 推荐：Markdown 报告 + Excel 数据
- 重点：详细特征 + 用户行为 + 深度分析建议

**营销团队：**
- 推荐：Markdown 报告 + PPT
- 重点：策略建议 + 渠道选择 + 内容方向

**数据分析师：**
- 推荐：Excel 表格
- 重点：原始数据 + 统计指标 + 深度分析方向

---

## 进阶使用

### 对标分析

如果你有竞品用户画像数据，可以：
1. 分别上传竞品数据
2. 获得竞品用户画像
3. 人工对比找出差异化机会

### 迭代优化

基于第一次分析结果：
1. 补充遗漏的数据维度
2. 深挖推荐的分析方向
3. 验证策略执行效果
4. 再次分析，优化画像

### 联动其他分析

- 与市场调研数据结合
- 与销售反馈数据融合
- 与用户访谈结果对标
- 形成闭环的用户理解