# 统计计算逻辑

## 基础统计

### 成功率
```
成功率 = 接受次数 / 总邀约次数 × 100%
```

排除"未回应"数据（对方未回应不算有效数据点）。

### 分类成功率
按 `familiarity`、`method`、`response` 三个维度分别计算。

当某分类样本量 <3 时，标注"样本不足，数据仅供参考"。

## 模式识别

### 高分邀约共同特征
筛选 `selfScore >= 7` 且 `response = 接受` 的记录，提取：
- 共同的 `familiarity` 分布
- 共同的 `method` 分布
- `content` 中的关键词/模式（如：共同兴趣、低压力、具体时间地点）

### 常见被拒原因
筛选 `response = 拒绝` 的记录，统计 `keyPoint` 和 AI 分析中的高频关键词。

### 有效话术类型
对成功记录的 `content` 做模式分类：
- **共同兴趣型**：提到双方都知道/喜欢的事物
- **低压力型**：随意提出，给对方留退路
- **具体型**：有明确的时间、地点、活动
- **间接型**：不直接说是约会，而是"顺便一起"

## 进步曲线

### 对比维度
每条记录对比 30 天前的记录：
- 成功率变化
- 平均 selfScore 变化
- 话术长度/自然度变化（定性）

### 情绪趋势
计算最近 5 次记录 selfScore 的移动平均，识别：
- 上升趋势 → 正向反馈
- 下降趋势 → 触发心态干预
- 剧烈波动 → 提醒稳定性