客户画像

适用场景

1 销售团队在跟进大客户前，自动生成客户画像简报，包含行业、规模、采购偏好、近期行为动态。

2 市场部门根据客户画像进行分群，针对不同群体推送个性化内容和活动。

3 客户成功团队识别高流失风险客户，提前制定挽留策略。

4 产品团队分析目标客户功能使用行为，指导产品迭代优先级。

核心Prompt（安装配置用）

你是一个企业级客户画像分析Agent。你的任务是基于客户的多源行为数据，构建360度客户画像，为销售、市场和客户成功团队提供可执行的洞察。

角色设定：你是一名资深客户数据分析师，擅长从CRM、网站行为、邮件互动、工单记录中提取关键信息，并转化为结构化画像。

任务描述：接收客户ID或客户名称，输出该客户的完整画像，包括：基本信息（行业、规模、地域）、行为特征（最近30天访问频次、内容偏好、邮件打开率）、交易历史（成交金额、产品线、续约状态）、风险与机会（流失风险评分、交叉销售机会）、推荐行动（下一步跟进建议）。

输出格式：严格按以下JSON结构输出：
{
  "customer_id": "",
  "basic_info": {"industry": "", "size": "", "region": ""},
  "behavior": {"visit_freq_30d": 0, "top_content": [], "email_open_rate": 0.0},
  "transaction": {"total_amount": 0, "products": [], "renewal_status": ""},
  "risk_opportunity": {"churn_risk": 0.0, "cross_sell": []},
  "recommended_actions": []
}

约束条件：1) 只使用已连接数据源中的真实数据，不得编造；2) 若某字段无数据，填null并注明；3) 输出必须为合法JSON，不得包含额外解释；4) 所有评分保留两位小数；5) 推荐行动不超过3条，且必须具体可执行。

所需工具 / API对接

需要对接：CRM系统（Salesforce/HubSpot）获取客户基本信息和交易记录；网站分析平台（Google Analytics/Matomo）获取访问行为；邮件营销平台（Mailchimp/ SendGrid）获取打开点击数据；客服工单系统（Zendesk/ServiceNow）获取交互记录；数据仓库（Snowflake/BigQuery）用于聚合计算。

安装部署步骤

11. 环境准备：确认服务器具备Python 3.9+、Docker、网络访问权限。执行 `python --version` 和 `docker --version` 验证。

22. 安装依赖：创建虚拟环境 `python -m venv venv && source venv/bin/activate`，安装核心库 `pip install requests pandas sqlalchemy openai`。

33. 配置参数：复制 `config.example.yaml` 为 `config.yaml`，填入各系统API密钥、数据库连接串、Agent运行参数（如刷新频率、风险阈值）。

44. 导入Prompt：将核心Prompt保存为 `prompt_customer_profile.txt`，在Agent配置中通过 `prompt_file: ./prompt_customer_profile.txt` 引用。

55. 连接工具API：在 `config.yaml` 中配置各系统API端点及认证方式，运行 `python test_connections.py` 验证每个数据源连通性。

66. 测试验证：使用示例客户ID运行 `python run_agent.py --customer_id TEST_001`，检查输出JSON是否符合格式且数据准确。

77. 上线部署：使用Docker构建镜像 `docker build -t customer-profile-agent .`，启动容器 `docker run -d --name cp-agent -v $(pwd)/config.yaml:/app/config.yaml customer-profile-agent`。

88. 监控与迭代：配置日志收集和告警，定期评估画像准确率，根据反馈调整Prompt和参数。

配置参数

参数名	说明	默认值
`refresh_interval_hours`	画像数据刷新间隔（小时）	24
`churn_risk_threshold`	流失风险预警阈值（0-1）	0.7
`max_recommendations`	推荐行动最大条数	3
`data_retention_days`	行为数据保留天数	90
`api_timeout_seconds`	API调用超时时间（秒）	30

效果示例

输入：客户ID CUST_12345。输出：{"customer_id": "CUST_12345", "basic_info": {"industry": "制造业", "size": "500-1000人", "region": "华东"}, "behavior": {"visit_freq_30d": 12, "top_content": ["产品白皮书", "案例研究"], "email_open_rate": 0.65}, "transaction": {"total_amount": 250000, "products": ["CRM标准版", "数据分析模块"], "renewal_status": "即将到期"}, "risk_opportunity": {"churn_risk": 0.45, "cross_sell": ["营销自动化"]}, "recommended_actions": ["联系客户确认续约意向", "推荐营销自动化模块试用"]}

常见问题

Q: 数据源无法连接怎么办？
A: 检查API密钥和网络白名单，运行test_connections.py定位具体失败项。
Q: 画像输出缺少某些字段？
A: 检查对应数据源是否已接入且数据同步，若确实无数据，Agent会填null。
Q: 如何调整流失风险计算逻辑？
A: 修改config.yaml中的churn_risk_threshold及相关权重参数，或更新Prompt中的评分规则。
Q: 支持实时更新吗？
A: 支持，将refresh_interval_hours设为0.1（6分钟）可实现近实时，但需考虑API限流。
Q: 如何保证数据安全？
A: 所有API调用使用HTTPS，敏感字段加密存储，建议部署在内网环境。

企业落地建议

部署方式：推荐Docker容器化部署，便于扩展和运维；可部署在企业内网或私有云。成本估算：主要成本为API调用费（视数据量，约500-2000元/月）和服务器资源（2核4G，约300元/月）。注意事项：1) 确保各数据源API权限已开通；2) 初期建议人工审核画像准确性；3) 定期更新Prompt以适应业务变化；4) 遵守数据隐私法规，对客户敏感信息脱敏处理。需要我们帮你落地吗？可以试试免费AI诊断→