工程参考

预测模型参考

Flash 的预测层是一个透明盒子：十二个经典的确定性模型——没有黑盒评分。每个模型都完全使用 TypeScript 编写，从构建上就具有确定性（固定的优化器和调度器，没有随机初始化，没有采样——相同的数据总是生成相同的模型，因此分数变化总是可以追溯到数据变化），每天晚上根据每个租户自身的数据重新拟合，并且具有诚信门控：低于每个模型规定的最低真实历史记录，输出为 NULL/缺失——表面不渲染任何内容，而是进行猜测。预测结果会进行排名和建议；执行过程则受到平台的审批、限制和同意检查的约束。

本页面是每个模型的工程参考：每个模型的计算内容、方法、输入、输出及其结果的流向、诚信机制以及使用它的接口。有关面向业务的说明，请参阅预测智能产品页面；有关每个模型运行所依据的治理规则，请参阅AI 治理指南。

四项保障，所有模型均适用

基于构建的确定性

每个模型都是纯 TypeScript 编写的，优化器和调度器都是固定的——没有随机初始化，也没有采样。相同的数据始终生成相同的模型，因此分数变化总是源于数据变化。

每晚根据租户情况进行调整

每个模型每天晚上都会根据租户自己的数据进行改装——它自己的分类账、自己的发送、自己的订单。没有跨租户池。

诚信门槛

低于每个模型规定的最低真实历史记录时，输出为 NULL/缺失——界面不显示任何内容，而是进行猜测。此页面列出了所有门槛。

排名和建议，无需执行

预测排名和建议；执行仍需经过平台的批准、上限和同意检查。没有任何模式能够自行转移资金或联系会员。

1. 流失风险与 12 个月客户生命周期价值 (CLV)

对于每位买家：客户已悄然流失的概率（churn_risk（0-100）以及未来十二个月的预期支出（predicted_clv_12m).

方法	BG/NBD — 购买频率和退出率的帕累托家庭购买模式模型 — 与 Gamma-Gamma 支出模型相结合。两者均通过确定性 Nelder-Mead 按团队每晚进行安装。
输入	购买账簿（团队自身的积分赚取交易记录）是每位成员购买历史的唯一来源。租户账簿之外的任何信息均不包含在内。
输出及其应用	`member_behavior_rollup` 列： `churn_risk` （0-100，计算公式为 100 × (1 − P(alive)))， `predicted_clv_12m` (E[365 天内重复交易次数] × E[每次交易消费金额]) 和 `predictive_confidence`.
诚信验证	团队匹配度门槛：≥200 位买家，≥50 位回头客，且两项匹配度必须趋于一致。Gamma-Gamma 模型还要求总体均值有限——否则客户生命周期价值 (CLV) 将退而求其次，采用会员自身平均消费额作为基准。会员门槛：非买家不计分；购买次数少于 3 次或历史记录不足 2 个月 → NULL。
消费界面	该配置文件的预测展望， `churn_risk` 以及 `predicted_clv_12m` 细分条件、挽回排名和推荐操作卡片。

2. 预计下次购买日期

预测每位会员的下次购买时间，以及该日期前后的时间范围。预计日期可能已过——这是有意为之的、诚实的逾期提醒，并非错误。

方法	基于时刻表的伽马视图，展现会员自身购买间隔。
输入	同样的积分赚取交易量（SSOT）指标，与流失率/客户生命周期价值（CLV）指标类似——即会员观察到的自身购买间隔。
输出及其应用	`next_order_expected_at` （可能已过期 = 已过期）和 `next_order_window_days` （± 样本标准差，至少 1 天）。
诚信验证	≥3 次观察到的差距，变异系数 ≤1.5（不规则的节奏将被拒绝，绝不猜测），且平均差距 ≥0.25 天——否则为 NULL。
消费界面	个人资料板块和 `days_until_expected_order` 细分条件（负值 = 逾期；补货受众范围为“-14 至 3”之间）。

3. 点击倾向

每个会员的点击/发送概率 (P(click | send))，表示为 click_propensity 评分范围：0-100

方法	在过去 90 天的发送中，按团队进行 L2 正则化逻辑回归，并按固定计划通过确定性全批次梯度下降进行训练。该标签仅是点击 — 打开被排除在外，因为 Apple MPP 预取会使它们膨胀。泄漏防护确保每个训练发送的先前点击率功能排除该发送自己的结果，并且一个共享功能构建器同时服务于训练和评分，因此训练和评分行不会分开。
输入	团队过去 90 天的发送效果。
输出及其应用	`click_propensity` (0-100) 及以上 `propensity_computed_at`.
诚信验证	队伍匹配门槛：≥500次发送，≥30次点击，≥50名不同成员。成员门槛：≥3次近期发送——否则为NULL。
消费界面	个人资料板块和 `click_propensity` 细分市场条件。

4. 最佳发送时间

每位成员在其本地时区的首选互动时间，以及针对整个营销活动的受众级互动时间建议。

方法	以会员本地时区为基准，绘制每位会员 90 天内的互动时长直方图：点击量加权 3 倍（非代理打开），已排除机器人，并剔除 Apple MPP 代理打开。首选小时数为圆形平滑模式（第 23 小时和第 0 小时相邻）。
输入	会员自己的参与活动的 90 天，映射到会员的本地时区。
输出及其应用	`preferred_send_hour` (0-23，本地) 以及 `send_timing_sample`受众推荐是基于受众偏好时间段的模式，并附有覆盖率统计。
诚信验证	没有有效互动记录的会员没有首选时间。当自动应用未检测到信号时，它会保留调用者配置的时间——绝不会静默延迟发送。
消费界面	日程安排步骤卡， `preferred_send_hour` 细分条件，并通过发送自动应用 API (`optimizeSendTime`)，用于安排下次推荐时段的出现时间。

5. A/B流量自动优化

根据实时点击效果，在循环广告系列的实验变体中，按小时分配投放权重。

方法	基于实时每个变体点击量的确定性分配器：将拉普拉斯平滑的后验均值点击率提升至一定温度，然后归一化至高于 10% 的单臂探索阈值。它从不宣布统计意义上的赢家——这仍然是单独的正式 A/B 测试结果。
输入	实时查看各变体在活动中的投放量和点击量。
输出及其应用	发送时会覆盖最新的分配结果——配置的拆分永远不会改变。每小时重新计算一次，并在列表中添加一行。 `bandit_allocations` 包含权重和易于理解的决策逻辑的决策日志。
诚信验证	仅定期活动（自动化/旅程），每个活动选择加入。流量保持均匀分布，直到每个分支的交付次数≥100 次——无需对精简数据进行重新分配。
消费界面	在已选择加入的循环营销活动中，发送时间权重叠加；仅附加 `bandit_allocations` 日志是审计界面。

6. 赢回提升

挽回代理应该优先关注哪些有流失风险的会员——基于可说服性而非仅仅是风险价值的排名。

方法	基于项目自身随机对照实验的双模型逻辑提升：uplift(x) = P(转化 \| 处理组, x) − P(转化 \| 对照组, x)。每个成员的分组不可更改；转化率 = 归因窗口中 ≥1 个订单。
输入	成熟 `winback_attribution` 行。特征数据来源于任务入队时的快照（如有），否则来源于当前汇总数据（为近似值）。
输出及其应用	工作列表排名键 = 风险价值 × 提升值。负提升值（请勿打扰）会降至底部，优先级降至 0。 `task.reason` 包含完整的算术运算。
诚信验证	≥200个成熟的处理行，≥50个成熟的保留行，≥20次转化，并且两项指标必须一致——否则排名将仅基于风险价值。
消费界面	SoClaw客户挽回工作列表排序——代理从中领取任务的排名队列。

工作清单本身（包括任务、权限和完成情况）已记录在 SoClaw 挽回集成指南中。

7. 项目相似度（项目-kNN)

“还购买了”产品之间的相似性。

方法	基于余弦归一化共现性评分的夜间共同购买实例： `co_count / sqrt(buyers(A) × buyers(B))` — 标准化处理可以纠正受欢迎程度偏差。原始数据 `co_count` 作为一列保存，作为可查阅的证据。
输入	租户自己的共同购买历史——谁一起购买了什么。
输出及其应用	物化的项目对相似度得分，每个得分都存储有原始共现次数。
诚信验证	配对需要 ≥2 个共同买家才能实现。薄箱或冷箱回落至品类畅销品，然后是全球畅销品；冷酷的会员除了随机产品之外什么也得不到。
消费界面	电子邮件推荐模块、会员门户和公共 + v2 推荐 API。

8. 协会规则

“A 的买家也购买 B”形式的交叉销售规则具有支持、信心和提升。

方法	每晚挖掘订单级别的商品对。阈值：≥3 个订单对且置信度≥5%；保留每个前提条件的前 25 条规则，并按提升度排序。
输入	商家的订单行
输出及其应用	`catalog_association_rules` 包含支持度/置信度/提升度的行，以及它们所源自的原始计数（配对、前件和后件的订单计数）——因此每个指标都可以手动重新计算。
诚信验证	≥3 个配对顺序且置信度≥5%——低于此条件，则无规则适用。
消费界面	个人资料交叉销售行动卡 - 仅限活跃买家，不包括已拥有的产品。

9. 相似度分析

分析每位基础用户与种子受众的相似度，并逐一分析原因。

方法	种子 → Rocchio 质心：IDF 加权标签余弦相似度 + Gower 归一化数值距离（RFM、购买次数、最近购买时间），加上种子数据包含时的用户画像融合——价值层匹配、主要类别匹配、流失率与前景接近度——权重根据实际存在的维度重新归一化，因此，不包含用户画像数据的种子将降级为标签 + 数值层。
输入	将种子会员的标签、数值行为（RFM、购买次数、最近一次购买时间）和个人资料字段与租户自身的会员库进行匹配。
输出及其应用	基于每个会员的相似度得分，并按维度进行细分，从而生成“相似原因”摘要。
诚信验证	小种子用户会受到缩水处理，并收到明确的警告，而不是获得可靠的评分。
消费界面	寻找相似受众流程。仅限内部使用——相似受众绝不会上传到广告平台。

10. 行为异常欺诈检测器

会员30天积分活动是否与团队自身的会员分布存在显著的统计差异？

方法	基于团队的 30 天积分活动统计数据——包括赚取交易次数、已赚取积分和账本兑换次数——每个功能的中位数 + MAD，稳健 z 值 = 0.6745 × (x − 中位数) / MAD，z ≥ 6 且赚取交易次数 ≥ 10 时发出标记。
输入	团队成员 30 天的积分活动记录。
输出及其应用	冻结会员现有积分，以及 `fraud_points_hold` 审核任务。标记仅冻结待审核的分数——它不会自动失效。有效载荷包含每个特征值/中位数/稳健 Z 值的原因。
诚信验证	活跃成员少于 50 人的团队将被完全跳过（没有有意义的基线）；MAD = 0 的功能将被跳过；已冻结的成员不会被添加到数据中；去重数据按月分组。
消费界面	积分欺诈审核工作列表。

此检测器所支持的“冻结后判决”流程（包括保留、判决语义和管理控制）已在“积分欺诈防护指南”中进行了详细说明。

11. 保留存活率（KM + Cox）

按月注册用户群划分的留存曲线，以及哪些会员属性与留存率相关。

方法	基于每月注册用户群的Kaplan-Meier产品限额曲线；流失事件定义为90天内未购买（流失时间 = 上次购买时间 + 90天），近期购买者数据被右删失，从未购买者数据被排除在外。使用 Breslow 偏似然函数的 Cox 比例风险模型，并采用相同的确定性 Nelder-Mead 算法进行最大化。
输入	租户自身的注册和购买历史记录。
输出及其应用	队列生存曲线和 Cox 风险比呈现为简单的句子 - 比率在 0.95 到 1.05 之间报告为“没有有意义的差异”，所有内容都标记为相关性，而不是因果关系。
诚信验证	队列需要至少 30 名成员；曲线永远不会外推超出队列的观察范围。Cox 拟合最多使用 3 个协变量，需要至少 30 个事件，并且在未收敛时返回 null。
消费界面	保留队列视图及其相关面板。

12. 收入展望（霍尔特-温特斯）

包含合理误差范围的14天每日收入预测。

方法	采用加性三重指数平滑法，每周季节性 m = 7，固定常数 α = 0.3、β = 0.05、γ = 0.3 — 自适应调整并非目标 — 由前两个季度确定性初始化。
输入	每日通过认证指标语义层读取GMV（无需二次聚合）；缺失天数已清零；首笔销售前的零值已剔除。
输出及其应用	14 天预测，钳制值 ≥0，带 = 样本内平均绝对单步误差 × 1.5（已声明的基准，而非分布置信区间）。
诚信验证	≥28 天的非零历史记录 — 否则为空，并且不会渲染任何内容。
消费界面	仪表盘收入展望。

使用评分

会员等级评分以滚动列的形式呈现，并按覆盖范围递增的顺序从四个表面向外展开：

汇总列。夜间修改将每个成员的分数（churn_risk、predicted_clv_12m、click_propensity、preferred_send_hour、next_order_expected_at ...）写入成员行为汇总 - 只要未满足门控，则为 NULL。
细分条件。 六个预测条件针对以下分数：churn_risk、predicted_clv_12m、preferred_send_hour、click_propensity、days_until_expected_order，以及标签。得分为 NULL 的成员永远不会匹配——细分市场继承了诚信门控机制。
会员资料 API / 洞察有效载荷。 会员资料读取界面会显示相同的分数，因此集成商读取的内容与资料页面显示的内容完全一致。
MCP 用于代理。 人工智能代理通过受管 MCP 服务器上的 get_member_profile 读取分数——相同的数据，相同的范围和治理。

有关这些功能面向业务的故事，请参阅预测智能；有关每个模型背后运行的审批齿轮、决策日志和 PII 屏蔽，请参阅AI 治理：内省与审批。

预测智能概述 AI 治理指南 MCP 集成指南 SoClaw 挽回集成积分欺诈保护返回开发者中心