数据说明与清洗。交易表共 29,971 笔订单、覆盖 29,944 个去重买家；用户表共 953 人含宝宝出生日与性别，且全部出现在交易表中。由于原始数据不含金额字段，本报告以 buy_mount(购买数量) 作为用户价值与经营规模的代理指标，财务部分全部基于显式假设测算。交易表为交易级抽样，99.9% 的用户仅有 1 笔订单，因此 RFM 中的 F(频次)维度在样本内几乎不提供区分度，本报告改以 R(近度)×M(数量) 为核心分层。出生日字段存在异常：22 例为 2007 年前(疑似成人/大龄)出生年份、22 例为 2015 年及以后(晚于多数购买日)，共 143 笔交易月龄为负，分析时统一将负月龄归为“出生前(孕期/备货)”，其余异常在局限中说明。属性字段有 144 条缺失；类目/属性均为编码，中文名按天猫类目体系推测，建议以官方类目表最终核对。
核心发现 1 · 用户分层与画像
用 R(最近一次购买距今天数)与 M(累计购买量)对全量买家做四象限分层，再叠加 953 个带宝宝画像用户的年龄段与性别。
纵轴对数刻度；虚线为 R=180 天、M=1 件的分层阈值。
高价值客群(活跃+沉睡)以约 12% 的用户贡献约 65% 的购买量。
核心人群：仅 3.2%(963 人)的“高价值活跃”用户贡献了 29.7% 的购买量；另有 9.0%(2,689 人)的“高价值沉睡”用户贡献 35.8%，二者合计 12.2% 的用户贡献约 65.5%。沉睡高价值客群是最值得唤醒的存量资产，也是营销资源应优先倾斜的对象。
| 分层 | 用户数 | 用户占比 | 购买量 | 购买量占比 |
|---|
| 高价值活跃 | 963 | 3.2% | 22,648 | 29.7% |
| 高价值沉睡 | 2,689 | 9.0% | 27,310 | 35.8% |
| 活跃一般 | 7,847 | 26.2% | 7,847 | 10.3% |
| 流失/沉睡 | 18,445 | 61.6% | 18,445 | 24.2% |
高亮为贡献最集中的“出生前+0-1岁”人群。
| 宝宝年龄段 | 用户数 | 购买量 | 购买量占比 |
|---|
| 出生前(孕期) | 142 | 236 | 15.3% |
| 0-1岁 | 284 | 547 | 35.6% |
| 1-2岁 | 194 | 331 | 21.5% |
| 2-3岁 | 121 | 158 | 10.3% |
| 3-6岁 | 173 | 222 | 14.4% |
| 6岁及以上 | 39 | 44 | 2.9% |
资源倾斜依据：“出生前(孕期)+0-2岁”人群合计贡献 72.4% 的购买量，其中 0-1 岁是绝对主力(35.6%)。结合类目来看，0-1 岁集中于奶粉/辅食类(50014815)，3 岁以上则明显转向童装(50008168)。建议将核心营销预算、爆款备货与仓储资源向 0-2 岁高频刚需品类倾斜。
核心发现 2 · 品类结构与商品洞察
从一级类目结构、子类目帕累托与高频属性三个视角，定位头部爆款与长尾机会。
一级类目共 6 类，购买量前三为玩具/模型、奶粉/辅食、童装(推测含义)。
头部高度集中、长尾明显：销量 TOP10 子类目贡献 44.5% 的购买量，TOP1 子类目 50018831 单类贡献 16.6%；同时 11.8% 的子类目(78 个)累计贡献 80% 的购买量，说明应集中资源做强头部爆款，同时用长尾品类承接关联销售。
属性维度：属性编码 1628665 出现频次远超其他属性，是样本内最核心的商品属性维度(推测为尺码/颜色类选择维度)；建议在商品详情与库存 SKU 管理上重点保障该维度数据的完整性。
核心发现 3 · 假设驱动的利润测算
在没有金额字段的情况下，用显式假设把购买量折算为收入与利润，并按月、按类目拆解。
假设驱动测算：在“件均售价 ¥80、毛利率 35%、单均履约 ¥6、营销 10%、平台运营 5%”的基准假设下，样本期测算营业收入 ¥610.0万，测算净利 ¥104.0万，净利率 17.1%。真正的“效率黑洞”不是绝对亏损，而是 尿片/洗护、童鞋 这类低件均、低客单件数品类：其净利率被每单固定履约成本显著拉低至 12.9%~14.5%。应在价格、包邮门槛与组合销售上做优化，把履约成本摊薄。
情景敏感性
同一套模型，仅调整核心假设参数即可观察净利率变化。
| 情景 | 营业收入 | 净利 | 净利率 |
|---|
| 基准 | ¥610.0万 | ¥104.0万 | 17.1% |
| 谨慎(售价降/成本升) | ¥533.8万 | ¥56.1万 | 10.5% |
| 乐观(售价升/效率高) | ¥686.2万 | ¥177.2万 | 25.8% |
行动建议
营销侧唤醒 9% 的高价值沉睡客群
以“召回券 + 专属礼包 + 短信/推送”组合触达高价值沉睡用户，设置 90 天未购预警；把资源向“孕期+0-2岁”高频刚需人群倾斜，用会员生命周期运营替代泛投放。
商品侧做强头部爆款，同时优化低件数品类
对 TOP10 子类目做爆款深度备货与供应链锁量；对低件数、高履约占比的品类设计“多件组合装/凑单包邮/加购推荐”，提升客单件数以摊薄单均履约成本。
财务侧建立假设驱动的月度利润看板
将件均价、毛利率、单均履约、营销费率设为可调参数，按月、按类目滚动测算净利率，对连续低于阈值的“效率黑洞”品类自动预警，并纳入采购与促销的复盘闭环。
局限性说明
① 样本无金额字段，财务结果完全依赖假设参数，仅用于方法论演示，不代表真实经营数据；② 交易表为交易级抽样，用户几乎无重复购买记录，RFM 的 F 维度失真，分层结论需在完整数据上复核；③ 仅有 953 个用户具备宝宝画像，画像结论样本量有限；④ 出生日、类目/属性字段存在异常或为编码，中文类目名为推测，需官方数据字典核对；⑤ buy_mount 含极端值(最大 10000)，可能为批发/数据噪声，建议在完整数据中做离群值治理。