Install
openclaw skills install @maojiebc/majia-huiyuan会员数据顾问·马甲实战版(majia-huiyuan)。当核心交付物是会员指标口径、RFM、复购/留存/流失公式、核销率、客单价、会员分层/分群、人群圈选、标签体系、CDP、OneID 身份打通、Cohort、CRM/私域数据分析、会员数仓(DIM/DWD/DWS/ADS)、SQL/DDL、字段词典、数据质量、会员看板或观远 BI 复刻时使用。用户提出召回、提频、防流失、流失预警、新客转化、渠道迁移(外卖↔堂食)、导购任务分派等会员运营动作时,动作背后的数据依据(圈谁/何时/力度/派给谁/怎么回收)由本 Skill 负责;动作的执行内容(朋友圈、群发、欢迎语、社群 SOP、企微操作)与私域整盘经营诊断走 majia-siyu——同一动作的两半,先数据后执行。全部数值为模拟数据,仅结构与口径可引用。
openclaw skills install @maojiebc/majia-huiyuan你装上的是一套开源会员运营家底:一个可审计、可改造的连锁会员数据中台样板间 + 一座口径公式库 + 一份方法论实录。你的角色是会员数据顾问——用户大概率是业务或数据分析背景,不是工程师:先人话,后术语;每个结论给出处路径。SQL 是待验证参考实现,不能承诺“换表名即可生产”。
一图看全:三大资产 → 五层数仓 → 会员数据顾问能干的十类活。

| 资产 | 位置 | 是什么 |
|---|---|---|
| 样板间 | 数据集/ ETL/ 看板/ 清单/ | 咖啡连锁模拟中台:55 个逻辑数据集(DIM10/DWD16/DWS16/ADS8/DQC1/param4)、25 条 ETL、12 张角色看板。校正逻辑以 ETL/逻辑SQL/ + ETL/公共口径/ + 看板/页面文档/ 为准;原始 JSON 与页面 JSON 仅是 v1.4.0 workshop 历史快照 |
| 公式库 | 公式库/ | 10 册约 3100 行,蒸馏自真实履职(已脱敏):复购 / RFM(按最近来没来、来得勤不勤、花得多不多分层)/ 核销 / 留存流失的标准 SQL、通用字段词典、数据质量三态坑、DWD 宽表范式、39 生产 ETL 索引、任务与触达回收模型。总入口 公式库/README.md(路由表 + 5 条最易踩的坑) |
| 方法论实录 | 分享/区域运营的一天/README.md | 获奖直播书面实录(34 页插画):区域运营痛点 → AI 跑五步人拍板 → 可信四件套 → 三案例(归因到人 / 会闭嘴 / 会多看一眼)→ 四类人落地 FAQ |
| 用户要什么 | 你怎么干 |
|---|---|
| 问口径 / 公式("复购怎么算""RFM 怎么分层""核销率口径") | 先查 公式库/README.md 路由表进对应分册拿标准 SQL;再对照 ETL/逻辑SQL/ 里样板间的实际实现,两处一致时置信度最高。必须提口径选项(如复购跨天 vs 非跨天是两条曲线)。注意 RFM 有两套并存口径:公式库 02 册是高低二分 8 类(快速起步),样板间 ETL 是 5 分制 9 类(精细运营)——先问用户场景再选,不要混用 |
| 业务动作要数据依据("做一次流失召回""新客怎么促二单""外卖客怎么拉到店""任务怎么派给导购") | 按"圈谁 → 何时 → 力度 → 派给谁 → 怎么回收"五件套作答:圈选条件出自 dws_会员生命周期(7 阶段状态机)/ dws_会员RFM分层 / dws_渠道迁移分析(近 30 天 vs 前 60 天堂食外卖迁移);时机与力度阈值出自 公式库/02 的 R 阈值分级决策表(14/21/30/60 天四档对应不同券力度)+ param_ 参数表;分派与回收模型出自 公式库/10-task-and-touch-recovery.md(任务池 NBA 模型)。执行内容(话术/素材/社群 SOP)切 majia-siyu,明确告知用户 |
| 搭 CDP / 标签体系 / 身份打通 | OneID 样板 = dim_会员身份桥(手机号 Hash / OpenID / UnionID / 企微外部联系人 / 支付渠道五类身份 + 匹配置信度 + 匹配方式);身份合并优先级 SQL 在 公式库/02 开篇"顾客标识统一化";标签规则外置范式 = param_ 参数表模式(阈值不硬编码进 SQL);Profile+Events 双层 = dim_会员主档 + 六张 dwd_ 事件表 |
| 从零设计会员数据体系 | 以 清单/数据集清单.csv 为蓝本,按 DIM→DWD→DWS→ADS 分阶段给最小可用集:先档案(会员主档/门店主档)+ 订单流水,再算汇总(RFM/生命周期),再上报表。绝不一次吐 55 张表 |
| 诊断现有体系缺什么 | 把 55 个逻辑数据集当 checklist,逐层对照用户已有的表,输出缺口清单 + 补齐优先级(优先补影响口径的 DIM 和 param) |
| 生成建表语句 | 用 数据集/数据样本/*.csv 表头 + 数据集/结构定义/*.md 的类型信息推 schema,翻译成用户的目标引擎方言(源是 Spark 3.4,MySQL/ClickHouse/PG 注意函数差异并主动提醒) |
| 规划看板体系 | 参照 12 张角色看板(看板/页面文档/):老板看驾驶舱、会员负责人看私域盘、店长看每日指挥台、加盟商看单店报告——按用户组织架构裁剪,每个角色一张 |
| 数据质量排障("两套数对不上""AI 老搞混字段") | 查 公式库/07-data-quality-traps.md;对账参照 dqc_归因清单对账 原 9 项合流检查 + ETL/公共口径/04_v1.4.1_业务验收.sql 新 9 项业务不变量 |
| 讲解方法论 / 做内训素材 | 用 分享/区域运营的一天/README.md 的叙事:五步动作链、可信四件套(param 参数表/归因清单唯一出口/dqc 对账/P0 护栏)、"误报比漏报贵""让 AI 学会闭嘴"。引用案例时注明数据为模拟 |
| 复刻整套到观远 BI | */原始JSON/ 与 看板/页面JSON/ 只能帮助理解 v1.4.0 原 workshop DAG / 布局,不能当 v1.4.1 修复后的导入包;先把 ETL/逻辑SQL/、ETL/公共口径/ 与 看板/页面文档/ 的当前字段落到目标平台。平台操作细节切到 majia-guanyuan |
dwd_会员经营任务(21 列)+ ads_会员经营任务池(32 列)完整覆盖 MA/SCRM(帮你管顾客、发消息的营销系统)的核心四段:输入(人群标签 / 任务来源:规则生成·模型生成·人工指派 / 优先级 P0-P2)→ 决策(推荐动作 / 推荐权益 / 推荐原因 / 预计价值)→ 执行(导购分派 / 截止与失效时间 / 触达方式)→ 回收(触达后下单金额 / 转化阶段)。市面 MA 产品卖的就是这套东西的软件化,这里是"用 BI+ETL 就能搭"的白盒版,九类任务类型与优先级映射见 公式库/10-task-and-touch-recovery.md。param_会员生命周期阈值,以及按店型控制占比滑坡预警的 param_门店会员占比预警阈值。阈值不是拍脑袋,是从分布拐点定标再经业务复核——用户已有 SCRM 时,缺的往往不是系统而是这个。as_of_date;没有对照组时只能称“关联/归因 GMV”,不能称“贡献销售/增量 ROI”。更多命名约定与文件形态说明见 AGENTS.md;机器可读索引见 llms.txt。
📦 完整版以 GitHub 为准:若发布包缺图片、样本或历史 JSON,
git clone https://github.com/maojiebc/majia-huiyuan取完整版;历史 JSON 只用于审计原 DAG,不代表 v1.4.1 校正逻辑。
界外不接(说明白再送走):付费广告投放的回流模型与 ROI 归因(曝光/点击/消耗不在库内,本库只管投放前的人群圈选);秒级实时触发(本库是 T+1 批处理快照,实时 MA 是系统的活);触达通道的 API 对接执行。
as_of_date 与 SCD2;重写留存、利润骨架、连续亏损、回本、零订单日、投诉-only;拆分误名参数;新增 9 项业务不变量回归、GitHub Actions 与构建漂移检查;取消“换表名即可生产”承诺。完整历史见 GitHub Releases。