back
loading skill details...
社区团购获客与用户留存全链路技能包。涵盖获客渠道矩阵、社群运营SOP、用户分层体系、复购激励、各平台获客策略差异及配套工具。适用于平台运营者、团长管理者。不含选品（模块一）、团长运营（模块二）。
---
name: community-group-buying-acquisition-retention
description: 社区团购获客与用户留存全链路技能包。涵盖获客渠道矩阵、社群运营SOP、用户分层体系、复购激励、各平台获客策略差异及配套工具。适用于平台运营者、团长管理者。不含选品（模块一）、团长运营（模块二）。
version: 1.0.0
created_at: 2026-04-14
license: MIT
github_url: null
---
# 模块三：获客与留存
> **模块边界说明**
> 本模块聚焦"用户"的获取与留存，即流量从哪里来、怎么留住用户、怎么让用户反复购买。
> 选品策略 → 模块一
> 团长运营 → 模块二
> 各模块边界独立，不重叠。
---
## 知识库
### 3.1 获客渠道全景图
社区团购获客有五类渠道，各有优劣：
```
获客渠道矩阵：
低成本 高成本
↑ ↑
存量裂变 ──────┤ 地推扫码 ─────┤
│ │
老带新 ──────┤ 线下摆摊 ─────┤
│ │
公众号 ──────┤ 广告投放 ─────┤
│ │
小程序分享 ──────┤ KOL合作 ─────┤
│ │
团长私域 ──────┤ 门店引流 ─────┤
```
#### 五类渠道详解
**渠道A：存量裂变（ROI 最高）
- 定义：老用户带动新用户
- 工具：拼团邀请、分享红包、助力免单
- 优点：成本极低（平台出优惠券，实为补贴）、信任度高
- 缺点：天花板明显（老用户有限）、传播链短
**渠道B：老带新（ROI 1:8-15）
- 定义：老团长推荐新团长、老用户推荐新用户
- 工具：推荐奖励（团长）、邀请有礼（用户）
- 优点：信任背书，转化率极高
- 缺点：规模受老用户基数限制
**渠道C：地推扫码（ROI 1:3-5）
- 定义：BD 人员在社区/菜市场摆摊，引导扫码关注
- 工具：扫码送鸡蛋/纸巾等小礼品
- 优点：可规模化、覆盖面广
- 缺点：成本高（地推人员 + 礼品成本）、用户质量参差不齐
**渠道D：团长私域（ROI 最高但依赖团长质量）
- 定义：团长在微信群/朋友圈发布内容，直接转化
- 工具：早报推送、限时秒杀、新品预告
- 优点：零成本（团长时间成本由佣金覆盖）、信任度高
- 缺点：完全依赖团长运营能力，平台无法直接控制
**渠道E：广告投放（ROI 1:1-2，适合品牌期）
- 定义：朋友圈广告/抖音/微信搜索
- 优点：可快速起量
- 缺点：ROI 低，用户留存差，不适合初创期
#### 各渠道 ROI 对比
| 渠道 | ROI | 适合阶段 | 适合平台 |
|------|-----|---------|---------|
| 存量裂变 | 1:15+ | 全阶段 | 任意 |
| 老带新 | 1:8-15 | 全阶段 | 任意 |
| 团长私域 | 1:10+ | 中后期（团长已成熟） | 任意 |
| 地推扫码 | 1:3-5 | 冷启动期 | 资金充足时 |
| 广告投放 | 1:1-2 | 品牌期 | 成熟平台 |
---
### 3.2 社群运营核心框架
社群是社区团购的主战场，用户 80%+ 的交易在社群内发生。
```
社群运营三角：
内容
/ \
/ \
/ \
互动 —— 交易
内容：让群有价值（不只是卖货）
互动：让群有温度（不只是公告板）
交易：让群能变现（最终目标）
```
---
### 3.3 用户分层体系
用户按价值分层运营：
```
用户分层模型（RFM 简化版）：
高价值用户：近30天购买 ≥ 4次 且 客单价 ≥ 50元
→ 占用户总数 15%
→ 占 GMV 贡献 50%+
→ 策略：VIP专属服务、优先新品试用
潜力用户：近30天购买 2-3次 或 客单价 ≥ 30元
→ 占用户总数 25%
→ 占 GMV 贡献 30%
→ 策略：提升频次、提升客单
普通用户：近30天购买 1次
→ 占用户总数 35%
→ 占 GMV 贡献 15%
→ 策略：激活复购、引导加购
沉默用户：近30天无购买，但注册 > 7天
→ 占用户总数 15%
→ 占 GMV 贡献 < 5%
→ 策略：召回激励、流失预警
流失用户：近60天无购买
→ 占用户总数 10%
→ 几乎不贡献 GMV
→ 策略：超低价召回、放弃（成本过高不投）
```
---
### 3.4 各平台获客策略差异
#### 美团优选
```
获客策略：流量互通 + 地推优先
核心打法：
1. 美团 APP 首页流量导入（美团 4 亿用户基础）
2. 地推团队规模化获客（BD 1万人）
3. 团长拉新：每新用户首单奖励 3 元
用户留存重点：
→ 美团品牌背书，用户天然信任
→ 依托美团外卖骑手做线下渗透
→ 会员体系：美团会员通用
弱点：用户对平台无情感连接，纯价格驱动
```
#### 多多买菜
```
获客策略：社交裂变 + 拼团驱动
核心打法：
1. 拼团机制：2-3 人成团，团长社交关系裂变
2. 邀请助力：帮砍价/助力免费拿，朋友圈刷屏
3. 低价爆品：1 分钱秒杀，引流进群
用户留存重点：
→ 拼团成功后留存（群主持续运营）
→ 拼多多用户本身价格敏感，复购依赖持续低价
→ 重度运营"限时秒杀"保持社群活跃
弱点：用户忠诚度极低，谁便宜买谁
```
#### 兴盛优选
```
获客策略：门店获客 + 社区渗透
核心打法：
1. 线下门店：进店顾客扫码关注，实体店信任背书
2. 团长推荐：门店老板即是团长，人情社会关系深
3. 本地化推广：社区公告栏/菜市场横幅/社区微信群
用户留存重点：
→ 团长与用户同社区，天然强关系
→ 实体店可见，用户信任感强
→ 社区活动（节日促销/免费试吃）增强粘性
优点：用户忠诚度最高，次月留存率 78%
```
#### 淘菜菜
```
获客策略：88VIP + 淘宝生态联动
核心打法：
1. 88VIP 会员专属价（会员有认同感）
2. 淘宝直播带团购（内容电商）
3. U先试（试用装发放）拉新
用户留存重点：
→ 阿里系会员体系，用户有归属感
→ 内容运营：淘宝直播/种草社区
→ 88VIP 会员复购率高（已付费会员）
弱点：拉新成本高，依赖阿里生态
```
---
### 3.5 复购驱动体系
复购是社区团购最核心的运营指标：
```
复购驱动三要素：
1. 习惯养成（让用户形成购买习惯）
→ 定时推送：每天同一时间发"今日爆品"
→ 频次提醒："您已 3 天没下单啦"
→ 周期购：每周三会员日/周末囤货节
2. 利益激励（让用户愿意回来）
→ 积分体系：积分抵现金/积分换赠品
→ 满返优惠：连续购买 3/5/7 次解锁满返
→ 会员专享价：高频用户享额外折扣
3. 情感连接（让用户不想离开）
→ 团长人设：团长是"邻居朋友"不只是卖货
→ UGC 内容：鼓励用户晒好评/买家秀
→ 社区归属：线下自提点变成社交场所
```
---
## 方法论
### 3.6 社群运营 SOP（日常版）
```
每日社群运营时间轴：
┌──────────┐
│ 07:00 │ 早报推送（今日爆品预告）
│ 10:00 │ 第一波下单提醒（限时优惠）
│ 11:00 │ 爆品种草（图文并茂）
│ 14:00 │ 午间加购（适合下午茶的轻食）
│ 16:00 │ 发货提醒（今日下单已发货）
│ 19:00 │ 限时秒杀（黄金时段，18-21点最佳）
│ 20:00 │ 好评展示（用户晒单 + 团长推荐）
│ 21:00 │ 明日预告 + 晚安互动
└──────────┘
注意：每天消息不超过 5-7 条，避免刷屏被用户屏蔽
```
#### 爆品推送话术模板
```
【限时秒杀 30 分钟】
🏆 今日王炸！山东大樱桃 250g
💰 秒杀价：9.9 元（市场价 19.9）
📦 仅限今日，售完即止
张姐说："上次买的特别甜，孩子爱吃"
李哥说："已经第 3 次回购了"
👇 点击链接下单 👇
[小程序链接]
━━━━━━━━━━━━━━━━━
留言"已买+1"，揪 3 位送 5 元优惠券
```
#### 早报推送话术模板
```
【 早安！今日团品已上线 🌟 】
📣 今日爆品预告：
① 🦐 厄瓜多尔白虾 400g → 秒杀价 23.9（超市 39）
② 🍑 阳山水蜜桃 4 个 → 拼团价 18.8
③ 🥬 有机小青菜 300g × 2 → 9.9（新用户专享）
⏰ 秒杀 10:00 开抢，定好闹钟！
💬 昨天买了鸡蛋的王姐说：
"比菜市场便宜 2 块，个头还大"
━━━━━━━━━━━━━━━
有问题找团长，24 小时在线～
```
### 3.7 用户召回 SOP
不同沉默程度的用户，召回策略不同：
```
召回分层策略：
轻度沉默（7-14天未购买）：
→ 推送高性价比刚需品（如大米/鸡蛋）
→ 文案："您好久没来了，这次有个秒杀您肯定感兴趣"
→ 优惠：首单满 30 减 5（限时 3 天）
中度沉默（15-30天未购买）：
→ 推送老用户专属价（比新用户更低）
→ 文案："我们想您了，这是您的专属优惠"
→ 优惠：老用户专属 8 折券（限时 7 天）
重度沉默（31-60天未购买）：
→ 推送大额召回红包
→ 文案："流失用户召回，专属福利仅此一次"
→ 优惠：满 20 减 8（仅限一次）
流失用户（>60天）：
→ 推送超低价引流品（近乎成本价）
→ 文案："我们升级了，想请您回来看看"
→ 优惠：1 分钱购指定商品（限新客）
→ 注意：成本过高，建议放弃或低预算测试
```
### 3.8 用户分层驱动的活动策略
> **MECE边界说明**：本节聚焦"针对哪类用户做什么活动"，即基于用户分层的活动策略制定。
> 具体的活动形式设计（秒杀/满减/拼团等）、优惠券体系、大促策划 → 模块六（营销与促销）
> 本节不重复 Module 06 的活动机制设计，只聚焦用户分层与活动目标的匹配。
```
用户分层活动匹配矩阵：
┌─────────────────────────────────────────────────────────────────────────────┐
│ 用户层级 活动目标 活动类型 预期效果 │
│ ───────────────────────────────────────────────────────────────── │
│ 高价值用户 留存维护 会员专享/积分体系/新品试用 月复购≥3次 │
│ 潜力用户 提升频次 满减阶梯/复购返券 月复购≥2次 │
│ 普通用户 激活复购 限时秒杀/首单礼 月复购≥1次 │
│ 沉默用户 召回激活 大额召回券/专属活动 召回率≥15% │
│ 流失用户 超低价召回 1分钱引流/专属福利 召回率≥3% │
└─────────────────────────────────────────────────────────────────────────────┘
Step 1：识别活动目标用户
数据来源：Module 08 用户画像 / RFM 分层
判定标准：
高价值：近30天≥4次购买 且 客单价≥50元
潜力用户：近30天2-3次购买 或 客单价≥30元
普通用户：近30天1次购买
沉默用户：距上次购买7-30天
流失用户：距上次购买>60天
Step 2：匹配合适活动类型
高价值用户 → 专属活动（不打折，保护品牌价值）
活动：会员日/新品抢先购/专属积分加倍
禁忌：不能用优惠券打扰（降低品牌调性）
潜力用户 → 提升频次（引导加购）
活动：满减阶梯/品类券/复购提醒
禁忌：不能用超低价（惯坏价格敏感度）
普通用户 → 激活复购（给一个下单理由）
活动：限时秒杀/今日特惠/老用户专享价
注意：限时紧迫感是关键
沉默用户 → 定向召回（大额激励）
活动：大额券（满25减10）/专属老用户价
注意：必须定向发送，避免全量发券浪费预算
流失用户 → 超低价召回（吸引回巢）
活动：1分钱商品/限时0元购
注意：成本高，仅用于挽回高潜力流失用户
Step 3：制定分层运营日历
日常运营（每日）：
高价值用户：07:00 推送新品/会员专享
潜力用户：14:00 推送限时加购提醒
普通用户：19:00 推送当日秒杀
周主题活动：
周一：潜力用户专属券发放日
周三：高价值用户会员日
周五至周日：普通用户秒杀高峰
月度召回：
每月1日：沉默用户定向券发放
每月15日：流失用户超低价召回活动
注意事项：
→ 避免同一用户同时收到多张冲突优惠券
→ 活动频率：每用户每周触达 ≤ 3次（避免骚扰）
→ 数据验证：活动后追踪各层级转化率，优化策略
```
---
## 工具集
### Tool 1: 用户分层分析器
```python
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
用户分层分析器
输入：用户近30天购买数据
输出：用户分层占比 + 重点运营建议
"""
def classify_user(
purchase_frequency: int, # 近30天购买次数
avg_order_value: float, # 平均客单价
days_since_last: int, # 距上次购买天数
):
"""
单用户分层
Returns:
str: 用户层级
str: 运营建议
"""
if days_since_last > 60:
return "流失用户", "超低价召回或放弃"
elif days_since_last > 30:
return "沉默用户", "大额优惠券召回"
elif purchase_frequency >= 4 and avg_order_value >= 50:
return "高价值用户", "VIP专属服务，优先新品试用"
elif purchase_frequency >= 2 or avg_order_value >= 30:
return "潜力用户", "提升频次，引导加购"
elif purchase_frequency == 1:
return "普通用户", "激活复购，引导加购"
else:
return "新用户", "首单优惠，培养习惯"
def analyze_user_portfolio(
user_data: list,
):
"""
用户组合分析
Args:
user_data: list of dicts with keys:
- user_id
- purchase_frequency (int)
- avg_order_value (float)
- days_since_last (int)
Returns:
dict: 分层统计 + 运营建议
"""
segments = {
"高价值用户": {"count": 0, "gmv_contribution": 0.0},
"潜力用户": {"count": 0, "gmv_contribution": 0.0},
"普通用户": {"count": 0, "gmv_contribution": 0.0},
"沉默用户": {"count": 0, "gmv_contribution": 0.0},
"流失用户": {"count": 0, "gmv_contribution": 0.0},
"新用户": {"count": 0, "gmv_contribution": 0.0},
}
for u in user_data:
seg, _ = classify_user(
u["purchase_frequency"],
u["avg_order_value"],
u["days_since_last"],
)
segments[seg]["count"] += 1
total = len(user_data) or 1
segment_summary = {}
priority_actions = []
for seg, data in segments.items():
pct = data["count"] / total * 100
segment_summary[seg] = {
"人数": data["count"],
"占比": f"{pct:.1f}%",
}
# 识别重点问题
if segments["沉默用户"]["count"] / total > 0.20:
priority_actions.append("⚠️ 沉默用户占比 > 20%，需立即召回")
if segments["流失用户"]["count"] / total > 0.10:
priority_actions.append("⚠️ 流失用户占比 > 10%，需评估召回价值")
high_value_pct = segments["高价值用户"]["count"] / total * 100
if high_value_pct < 10:
priority_actions.append("⚠️ 高价值用户占比 < 10%，需加强培养")
return {
"总用户数": total,
"分层明细": segment_summary,
"优先行动": priority_actions if priority_actions else ["✅ 各层级用户结构健康"],
}
def calculateRetentionMetrics(
week1_users: int,
week2_retained: int,
week3_retained: int,
week4_retained: int,
):
"""
计算留存率
Args:
week1_users: 第1周活跃用户数
week2_retained: 第2周仍活跃用户数
week3_retained: 第3周仍活跃用户数
week4_retained: 第4周仍活跃用户数
Returns:
dict: 次日/7日/30日留存率
"""
d1 = week2_retained / week1_users * 100 if week1_users > 0 else 0
d7 = week3_retained / week1_users * 100 if week1_users > 0 else 0
d30 = week4_retained / week1_users * 100 if week1_users > 0 else 0
return {
"次日留存率": f"{d1:.1f}%",
"7日留存率": f"{d7:.1f}%",
"30日留存率": f"{d30:.1f}%",
"健康标准": {
"次日留存率": "40-50%（优质）",
"7日留存率": "25-35%（优质）",
"30日留存率": "10-20%（优质）",
},
}
def run():
print("=" * 55)
print("用户分层分析器")
print("=" * 55)
mode = input("模式：1-演示数据 / 2-手动输入用户数据：").strip() or "1"
if mode == "1":
# 演示数据
demo_data = [
{"user_id": "U001", "purchase_frequency": 6, "avg_order_value": 68.0, "days_since_last": 2},
{"user_id": "U002", "purchase_frequency": 3, "avg_order_value": 45.0, "days_since_last": 5},
{"user_id": "U003", "purchase_frequency": 1, "avg_order_value": 28.0, "days_since_last": 10},
{"user_id": "U004", "purchase_frequency": 0, "avg_order_value": 0.0, "days_since_last": 35},
{"user_id": "U005", "purchase_frequency": 5, "avg_order_value": 55.0, "days_since_last": 3},
]
data = demo_data
else:
# 手动输入
n = int(input("用户数量：").strip() or "5")
data = []
for i in range(1, n + 1):
print(f"\n--- 用户 {i} ---")
uid = input("用户ID：").strip() or f"U{i:03d}"
freq = int(input(" 购买频次（月）：").strip() or "3")
aov = float(input(" 客单价（元）：").strip() or "35")
days = int(input(" 距上次购买天数：").strip() or "10")
data.append({"user_id": uid, "purchase_frequency": freq,
"avg_order_value": aov, "days_since_last": days})
result = analyze_user_portfolio(data)
print(f"\n用户总数：{result['总用户数']}")
print("\n分层明细：")
for seg, segdata in result["分层明细"].items():
print(f" {seg}：{segdata['人数']}人（{segdata['占比']}）")
print("\n优先行动：")
for action in result["优先行动"]:
print(f" {action}")
print("\n" + "=" * 55)
print("留存率参考指标")
print("=" * 55)
metrics = calculateRetentionMetrics(1000, 450, 300, 150)
for k, v in metrics.items():
if k != "健康标准":
ref = metrics["健康标准"].get(k, "")
print(f" {k}：{v} 参考：{ref}")
if __name__ == "__main__":
run()
```
### Tool 3: 社群活跃度分析器
```python
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
社群活跃度分析器
输入：社群每日发言数据 + 下单数据
输出：活跃度评分 + 健康诊断 + 优化建议
"""
def analyze_community_health(
community_name: str,
member_count: int,
daily_messages: int,
daily_orders: int,
active_members_7d: int,
new_members_7d: int,
quit_members_7d: int,
avg_response_time_minutes: float,
):
"""
分析社群健康度
Args:
community_name: 社群名称
member_count: 当前群成员数
daily_messages: 日均发言数（条）
daily_orders: 日均订单数
active_members_7d: 7日内活跃成员数
new_members_7d: 7日内新增成员数
quit_members_7d: 7日内退群成员数
avg_response_time_minutes: 团长平均响应时间（分钟）
Returns:
dict: 健康度评分 + 诊断 + 建议
"""
# 基础比率
active_rate = active_members_7d / member_count * 100 if member_count > 0 else 0
engagement_rate = daily_messages / member_count * 100 if member_count > 0 else 0
order_per_message = daily_orders / daily_messages if daily_messages > 0 else 0
growth_rate = (new_members_7d - quit_members_7d) / member_count * 100 if member_count > 0 else 0
# 社群活跃度评分（100分）
# 指标1：成员活跃率（30分）
if active_rate >= 60:
activity_score = 30
elif active_rate >= 40:
activity_score = 20
elif active_rate >= 20:
activity_score = 10
else:
activity_score = 3
# 指标2：发言率（20分）
if engagement_rate >= 10:
msg_score = 20
elif engagement_rate >= 5:
msg_score = 12
elif engagement_rate >= 2:
msg_score = 6
else:
msg_score = 2
# 指标3：转化率（30分）- 发言→下单
if daily_orders >= 20:
conv_score = 30
elif daily_orders >= 10:
conv_score = 20
elif daily_orders >= 5:
conv_score = 12
elif daily_orders >= 1:
conv_score = 5
else:
conv_score = 0
# 指标4：增长健康度（20分）
if growth_rate >= 2:
growth_score = 20
elif growth_rate >= 0:
growth_score = 12
elif growth_rate >= -1:
growth_score = 6
else:
growth_score = 0
total_score = activity_score + msg_score + conv_score + growth_score
# 健康诊断
issues = []
if active_rate < 30:
issues.append(f"🔴 成员活跃率仅 {active_rate:.1f}%，社群濒临死亡")
elif active_rate < 50:
issues.append(f"🟠 成员活跃率 {active_rate:.1f}%，低于健康线 50%")
if daily_messages < 10:
issues.append(f"🔴 日均发言仅 {daily_messages} 条，群已死寂")
elif engagement_rate < 5:
issues.append(f"🟡 发言率 {engagement_rate:.1f}%，低于健康线（目标 > 5%）")
if daily_orders < 3:
issues.append(f"🔴 日均订单仅 {daily_orders} 单，转化极差")
elif daily_orders < 10:
issues.append(f"🟠 日均订单 {daily_orders} 单，转化有提升空间")
if quit_members_7d > new_members_7d:
issues.append(f"🔴 退群人数 > 新增人数，群在萎缩")
if avg_response_time_minutes > 30:
issues.append(f"🟡 团长响应时间 {avg_response_time_minutes:.0f} 分钟，偏慢（目标 < 15 分钟）")
# 定级
if total_score >= 80:
grade = "🟢 优秀"
verdict = "社群活跃健康，用户粘性极强"
elif total_score >= 60:
grade = "🟡 良好"
verdict = "社群运营正常，但有提升空间"
elif total_score >= 40:
grade = "🟠 一般"
verdict = "社群活跃度不足，需加强运营"
else:
grade = "🔴 危险"
verdict = "社群濒临死亡，建议重组或解散"
# 优化建议
suggestions = []
if active_rate < 50:
suggestions.append("增加早报/晚安等日常互动内容，提升存在感")
if engagement_rate < 5:
suggestions.append("发起话题讨论（如：今天吃什么？），鼓励成员发言，提升发言率至 5% 以上")
if daily_orders < 10:
suggestions.append("增加限时秒杀/限量抢购等活动，刺激下单")
if growth_rate <= 0:
suggestions.append("启动老带新活动，邀请邻居进群")
if avg_response_time_minutes > 15:
suggestions.append("设置自动回复机器人，减少用户等待时间")
return {
"社群名称": community_name,
"社群规模": f"{member_count} 人",
"健康度评分": f"{total_score}/100",
"评级": grade,
"整体判断": verdict,
"核心指标": {
"成员活跃率": f"{active_rate:.1f}%（目标 > 50%）",
"日均发言率": f"{engagement_rate:.1f}%（目标 > 5%）",
"日均订单": f"{daily_orders} 单（目标 > 10 单）",
"7日净增长": f"{'+' if growth_rate >= 0 else ''}{growth_rate:.2f}%",
"团长响应时间": f"{avg_response_time_minutes:.0f} 分钟（目标 < 15 分钟）",
},
"分项得分": {
"成员活跃率（/30）": activity_score,
"发言率（/20）": msg_score,
"转化效果（/30）": conv_score,
"增长健康度（/20）": growth_score,
},
"健康诊断": issues if issues else ["✅ 暂无明显异常"],
"优化建议": suggestions if suggestions else ["✅ 继续保持当前运营节奏"],
}
def run():
print("=" * 55)
print("社群活跃度分析器")
print("=" * 55)
name = input("社群名称：").strip() or "XX小区群"
try:
members = int(input("群成员数：").strip() or "200")
except ValueError:
members = 200
try:
messages = int(input("日均发言数（条）：").strip() or "35")
except ValueError:
messages = 35
try:
orders = int(input("日均订单数（单）：").strip() or "15")
except ValueError:
orders = 15
try:
active = int(input("7日内活跃成员数：").strip() or "80")
except ValueError:
active = 80
try:
new_m = int(input("7日内新增成员：").strip() or "5")
except ValueError:
new_m = 5
try:
quit_m = int(input("7日内退群成员：").strip() or "2")
except ValueError:
quit_m = 2
try:
response = float(input("团长平均响应时间（分钟）：").strip() or "12")
except ValueError:
response = 12
result = analyze_community_health(
name, members, messages, orders, active, new_m, quit_m, response
)
print(f"\n{'='*55}")
print(f"社群健康度报告：{result['社群名称']}")
print(f"{'='*55}")
print(f"\n社群规模：{result['社群规模']}")
print(f"健康度评分：{result['健康度评分']}")
print(f"评级：{result['评级']}")
print(f"判断：{result['整体判断']}")
print(f"\n核心指标：")
for k, v in result['核心指标'].items():
print(f" {k}：{v}")
print(f"\n分项得分：")
for k, v in result['分项得分'].items():
print(f" {k}：{v}")
print(f"\n健康诊断：")
for issue in result['健康诊断']:
print(f" {issue}")
print(f"\n优化建议：")
for s in result['优化建议']:
print(f" → {s}")
if __name__ == "__main__":
run()
```
### Tool 2: 活动 ROI 计算器
```python
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
活动ROI计算器
输入：活动成本 + 预期GMV + 拉新目标
输出：ROI分析 + 定价建议
注意：详细ROI计算逻辑和品类敏感性分析，见模块六 Tool 1。
本工具提供基础计算，复杂活动策划请参考模块六。
"""
def calculate_activity_roi(
activity_name: str,
# 成本项
subsidy_cost: float, # 补贴成本（优惠券/红包）
marketing_cost: float, # 营销成本（广告/物料）
commission_cost: float, # 额外佣金（团长活动奖励）
# 收益项
expected_gmv: float, # 预期 GMV
expected_new_users: int, # 预期新增用户
baseline_gmv: float, # 同期基准 GMV（无活动时）
):
"""
计算活动 ROI
Returns:
dict: ROI 分析报告
"""
total_cost = subsidy_cost + marketing_cost + commission_cost
incremental_gmv = expected_gmv - baseline_gmv # 增量 GMV
net_contribution = incremental_gmv - total_cost # 净贡献
# 平台综合佣金率（估算）
platform_rate = 0.15
platform_revenue = expected_gmv * platform_rate
contribution_margin = platform_revenue - total_cost
# ROI
roi = (net_contribution / total_cost * 100) if total_cost > 0 else 0
# 每新用户成本
cac = total_cost / expected_new_users if expected_new_users > 0 else float("inf")
# 判断活动可行性
if roi > 50:
verdict = "🟢 极好（ROI > 50%）"
advice = "立即执行，可加大预算"
elif roi > 20:
verdict = "🟢 良好（ROI > 20%）"
advice = "可以执行，建议监控实时数据"
elif roi > 0:
verdict = "🟡 保本（ROI 0-20%）"
advice = "谨慎执行，需确保新用户留存"
else:
verdict = "🔴 亏损（ROI < 0）"
advice = "不建议执行，重新调整方案"
return {
"活动名称": activity_name,
"成本明细": {
"补贴成本": round(subsidy_cost, 2),
"营销成本": round(marketing_cost, 2),
"佣金成本": round(commission_cost, 2),
"总成本": round(total_cost, 2),
},
"收益明细": {
"预期 GMV": round(expected_gmv, 2),
"基准 GMV（无活动）": round(baseline_gmv, 2),
"增量 GMV": round(incremental_gmv, 2),
"平台佣金收益": round(platform_revenue, 2),
},
"核心指标": {
"ROI": f"{roi:.1f}%",
"净贡献": round(net_contribution, 2),
"贡献利润率": f"{net_contribution/expected_gmv*100:.1f}%" if expected_gmv > 0 else "0%",
"每新用户成本（CAC）": f"{cac:.1f}元" if cac != float("inf") else "∞",
},
"评估": verdict,
"建议": advice,
}
def compare_activities(activities: list):
"""活动横向对比（修复：ROI字符串→数值排序）"""
results = sorted(
activities,
key=lambda x: float(x["核心指标"]["ROI"].rstrip("%")),
reverse=True
)
for i, r in enumerate(results):
r["排名"] = i + 1
return results
def run():
print("=" * 55)
print("活动 ROI 计算器")
print("=" * 55)
activity = input("活动名称：").strip() or "限时秒杀"
try:
subsidy = float(input("补贴成本（优惠券/红包，元）：").strip() or "5000")
except ValueError:
subsidy = 0
try:
marketing = float(input("营销成本（广告/物料，元）：").strip() or "2000")
except ValueError:
marketing = 0
try:
commission = float(input("佣金成本（团长活动奖励，元）：").strip() or "1000")
except ValueError:
commission = 0
try:
expected_gmv = float(input("预期 GMV（元）：").strip() or "80000")
except ValueError:
expected_gmv = 0
try:
new_users = int(input("预期新增用户（人）：").strip() or "200")
except ValueError:
new_users = 0
try:
baseline = float(input("基准 GMV（无活动同期，元）：").strip() or "60000")
except ValueError:
baseline = 0
result = calculate_activity_roi(
activity, subsidy, marketing, commission, expected_gmv, new_users, baseline
)
print(f"\n{'='*55}")
print(f"【{result['活动名称']}】ROI 分析报告")
print(f"{'='*55}")
print("\n成本明细：")
for k, v in result["成本明细"].items():
print(f" {k}：{v:.0f} 元")
print("\n收益明细：")
for k, v in result["收益明细"].items():
print(f" {k}：{v:.0f} 元")
print("\n核心指标：")
for k, v in result["核心指标"].items():
print(f" {k}：{v}")
print(f"\n评估：{result['评估']}")
print(f"建议：{result['建议']}")
if __name__ == "__main__":
run()
```
---
### 3.9 各渠道获客话术模板
```
五类渠道话术：
渠道A：地推扫码话术（面对面）
开场白（3秒吸引注意）：
"您好，打扰一下！我是XX社区团购的推广员，
我们在帮社区居民省钱，买菜水果比超市便宜20-30%。
扫码关注就送6枚鸡蛋，您看看了解一下？"
需求挖掘：
"您平时在哪里买菜呀？
菜市场还是超市？
我们比菜市场还便宜，而且明天就能送到小区门口。"
处理抗拒（用户说"不需要"）：
"完全理解！您可以先看看，不买也没关系。
关注了以后有优惠活动您就知道了，
反正不花钱，先占个便宜呗😊"
促成（用户犹豫不扫码）：
"这样吧，我送您一袋小橘子，
您扫码进群了解一下，不喜欢随时退出来就行。
群里的东西真的比超市便宜很多！"
---
渠道B：老带新（团长推荐）话术
团长推荐团长话术（私信）：
"XX姐，您做团长做得真好！
我们现在招募新团长，您有没有朋友住在别的社区想做的？
推荐成功的话，您和您朋友都能拿200元奖励！
她们要是做得好，您还能拿她们GMV的永久分成呢~"
邀请新用户话术（私信）：
"您好，我是XX团长的助理～
XX姐推荐您来了解我们的团购！
她的社群口碑特别好，您在她的群里买东西特别靠谱。
我给您发个链接，您可以先看看有什么实惠的～"
---
渠道C：微信群裂变话术
群发话术（邀请好友进群）：
"【福利到】🎉
邀请2位邻居进群，双方各得5元无门槛券！
蔬菜水果比超市便宜20%+，明日送达～
想省钱的邻居扫码进群👇"
助力话术（分享链接）：
"【0元免费拿】🎁
帮我点一下，助力成功就能0元拿这箱牛奶！
感谢感谢🙏 [链接]
（这活动真的免费，我已经拿到了）"
拼团话术：
"【2人成团】智利车厘子2斤，原价58，两人拼团只要38！
差1人，快来和我一起拼！
点击链接立即参与👇"
---
渠道D：流失用户召回话术
轻度流失（7-14天）私信：
"您好，我是团长小XX！
您之前在我们这买过土鸡蛋，还记得吗？
最近到了特别好吃的草莓，给您留了一份专属价¥19.9（市场价¥35）
这是您的专属优惠哦，点击领取👇"
中度流失（15-30天）私信：
"您好！我是XX，好久没见您来了～
想问一下是不是最近比较忙呀？
我们上了很多新品，给您申请了一张20元无门槛券，
有效期7天，不用就浪费啦，点击领取👇"
重度流失（31-60天）私信：
"【专属召回福利】🎁
您已经60天没来啦，我们非常想念您！
为您准备了一份超级回归礼包：
1分钱换购任意商品 + 10元无门槛券
仅限您一人，戳链接领取👇"
---
渠道E：朋友圈推广话术
日常推广（图文）：
"【社区团购日记】🏠
今天到了一批阳山水蜜桃，邻居们都说特别甜！
比超市便宜一半，明日送达，扫码下单👇
[配图：实物图+价格对比图]"
活动预告：
"【明早10点 限量秒杀】⏰
土鸡蛋30枚，市场价32，我们只要19.9！
只有100份，手慢无，扫码进群预约👇"
好评晒单：
"今天邻居们的反馈来了👏
张姐说'鸡蛋特别新鲜，比菜市场好还便宜'
李哥说'排骨收到了，很嫩，推荐！'
想买的邻居，点下面链接下单👇"
```
---
### 3.10 各平台获客成本（CAC）详细对比
```
各平台真实获客成本数据（基于2021-2023年行业调研）：
多多买菜：
┌─────────────────────────────────────────────────┐
│ 获客渠道 成本/人 用户质量 备注 │
│ ───────────────────────────────────── │
│ 1分钱秒杀引流 ¥30-45 极低（羊毛党） 已停 │
│ 邀请助力 ¥8-15 中等（真实用户） 主力 │
│ 拼团裂变 ¥5-12 较高（目标用户） 最佳 │
│ 团长私域转化 ¥3-8 高（信任关系） 最低 │
│ 朋友圈广告投放 ¥25-40 中等 补充 │
│ 加权平均 CAC ¥12-18 — — │
└─────────────────────────────────────────────────┘
注：多多买菜重拉新轻留存，实际有效用户CAC更高
美团优选：
┌─────────────────────────────────────────────────┐
│ 获客渠道 成本/人 用户质量 备注 │
│ ───────────────────────────────────── │
│ 美团APP流量导入 ¥2-5 高（既有用户） 优势 │
│ 地推扫码 ¥15-25 中等 主力 │
│ 团长拉新 ¥5-10 高（团长信任） 主力 │
│ BD团队拓展 ¥20-35 中等 早期 │
│ 社交裂变 ¥8-12 较高 辅助 │
│ 加权平均 CAC ¥8-15 — — │
└─────────────────────────────────────────────────┘
注：美团APP流量是核心竞争力，CAC显著低于行业
兴盛优选：
┌─────────────────────────────────────────────────┐
│ 获客渠道 成本/人 用户质量 备注 │
│ ───────────────────────────────────── │
│ 门店自然流量 ¥1-3 极高（进店顾客） 核心 │
│ 团长社交推荐 ¥3-8 极高（强关系） 核心 │
│ 社区活动 ¥5-15 高（情感连接） 低频 │
│ 口碑传播 ¥0（几乎0） 极高 最优 │
│ 加权平均 CAC ¥2-6 — 最低 │
└─────────────────────────────────────────────────┘
注：兴盛CAC最低，用户质量最高，LTV/CAC表现最优
淘菜菜：
┌─────────────────────────────────────────────────┐
│ 获客渠道 成本/人 用户质量 备注 │
│ ───────────────────────────────────── │
│ 88VIP会员导入 ¥5-10 极高（付费会员） 优势 │
│ 淘宝直播导流 ¥15-25 中等 流量大 │
│ 地推扫码 ¥20-30 中等 成本高 │
│ U先试拉新 ¥12-18 较高 试用转化 │
│ 加权平均 CAC ¥12-20 — 偏高 │
└─────────────────────────────────────────────────┘
注：依托阿里生态，但CAC偏高，规模效应不明显
行业健康标准参考：
CAC < ¥10：优秀（兴盛优选水平）
CAC ¥10-20：良好（美团优选水平）
CAC ¥20-30：一般（多多买菜/淘菜菜水平）
CAC > ¥30：危险（纯补贴拉新模式）
```
---
## 案例库
### 案例1：多多买菜"1分钱秒杀"裂变活动复盘
```
活动设计：
→ 每天 10:00 上线 100 份 1 分钱秒杀商品
→ 用户需邀请 2 位好友助力才能购买
→ 邀请链接分享到朋友圈/微信群
分渠道数据效果：
活动期间（2021年3月，日均）：
日均新增用户：+15 万（峰值）
活动页面 UV：80 万
邀请转化率：35%（80万UV→28万完成助力）
每邀请 1 人成本：约 ¥0.8（平台补贴0.01元商品）
实际CAC：¥8-12/人（均摊运营成本）
用户质量分层（1分钱活动专项分析）：
┌─────────────────────────────────────────────────┐
│ 用户类型 占比 30日复购率 60日复购率 │
│ ───────────────────────────────────── │
│ 真实消费者 35% 42% 28% │
│ 羊毛党 45% 8% 3% │
│ 沉默用户 20% 15% 8% │
│ 整体均值 100% 15% 8% │
└─────────────────────────────────────────────────┘
ROI 分析：
活动成本：¥15万 × 30天 = ¥450万/月（补贴+运营）
带来新用户：15万 × 30天 = 450万用户
实际CAC：¥450万 / 450万用户 = ¥1/人（表面）
真实CAC（含羊毛党剔除）：¥450万 / (450万×35%) = ¥2.9/人
但留存价值：30日复购率仅15%，LTV < ¥5
结论：ROI 为负，长期亏损
教训：
→ 低价拉新用户质量极低（45%羊毛党），不是目标用户
→ 真实消费者 CAC = ¥2.9，但 LTV < ¥5，LTV/CAC < 2，不合算
→ 建议：取消纯补贴拉新，改用"拼团+内容"组合（真实用户占比提升至60%+）
```
### 案例2：兴盛优选社区活动留存打法
```
活动设计（湖南某社区）：
→ 端午节：团长组织"包粽子大赛"，社区免费参加
→ 参与用户现场下单可领粽子材料包
→ 赛后合影发朋友圈，额外领 5 元无门槛券
数据效果：
活动参与人数：50 人（社区 200 户家庭）
活动当天 GMV：3.2 万（日常 5000 元）
参与用户 30 日复购率：82%
参与用户 90 日留存率：71%
核心逻辑：
→ 用社区活动建立情感连接，不是纯利益交换
→ 用户记住了团长这个人，不只是记住"便宜"
→ 线下见过面，信任感翻倍
可复用经验：
→ 节日/节气活动 = 天然的社群活跃机会
→ 团长主办 + 平台补贴 = 最低成本的活动形式
→ 活动后的 UGC 晒单 = 最好的口碑传播
```
### 案例3：美团优选"早市经济"留存体系
```
策略设计：
→ 每天 07:00 推送"早市"专属优惠（限 2 小时）
→ 主打生鲜/蔬果/早餐食材
→ 文案强调"新鲜"、"今天吃"
→ 早市 GMV 单独统计，不计入日常 GMV 考核
数据效果：
早市用户月均购买频次：8-10 次（行业最高）
早市用户平均客单价：35 元（略高于均值）
早市专属用户 30 日留存率：65%
早市用户向全品类延伸率：40%
核心逻辑：
→ 习惯养成：每天同一时间推送，用户形成"早餐买菜"习惯
→ 场景绑定：早市 = 新鲜 = 兴盛优选
→ 频次优先：先养成频次，再提升客单价
可复用经验：
→ 固定时间 + 固定内容 = 最简单的习惯养成机制
→ 早起用户 = 高价值用户（有时间购物 = 家庭采购决策者）
```
### 案例4：某平台"广告投放ROI崩溃"的获客教训
```
背景：2022年某中型社区团购平台（月GMV约5000万）为快速扩张，大量投放信息流广告
问题：获客效率持续恶化，广告成为纯烧钱机器
数据暴露问题：
→ 月均广告投放：¥300万
→ 月均新增用户：3万
→ 实际 CAC：¥100/人（目标 ¥30/人，严重超标）
→ 新用户30日复购率：8%（目标 > 30%）
→ 计算：¥100 × 3万 × 30天 = 月亏损 ¥900万
根因分析（Step 1：用户来源拆分）：
投放渠道效果对比：
┌────────────────────────────────────────────────────────────┐
│ 渠道 投放占比 CAC 30日复购率 ROI │
│ ───────────────────────────────────────────────────── │
│ 抖音信息流 50% ¥150 5% 0.2 │
│ 微信朋友圈 30% ¥80 10% 0.4 │
│ 百度搜索 15% ¥60 15% 0.6 │
│ 团长老带新 5% ¥15 35% 2.5 │
└────────────────────────────────────────────────────────────┘
发现：80%的预算花在ROI<0.5的渠道，只有5%预算在团长老带新（ROI最高的渠道）
根因分析（Step 2：用户质量验证）：
→ 广告用户 vs 团长用户对比：
广告用户：首单¥12（多为凑单），7日复购率5%，30日复购率8%
团长用户：首单¥38，7日复购率30%，30日复购率35%
→ 广告用户几乎100%是"羊毛党"，有补贴就下单，没补贴就消失
应急处置：
→ 第1周：立即暂停抖音/朋友圈广告投放（ROI<0.5的一律暂停）
→ 第2周：将80%预算转移到团长老带新（ROI 2.5）
→ 第3周：保留百度搜索（ROI 0.6但品牌价值），降低投放
→ 第4周：建立广告ROI红线，任何渠道CAC>¥50立即暂停
数据效果（调整后3个月）：
月均CAC：¥100 → ¥35（下降65%）
新用户30日复购率：8% → 28%（提升20pp）
月均获客成本：¥300万 → ¥120万（下降60%）
但月GMV从¥5000万 → ¥4500万（牺牲了扩张速度）
核心教训：
→ 社区团购获客绝对不能依赖广告投放（用户太容易薅羊毛）
→ 团长老带新是ROI最高的获客方式，应占预算60%以上
→ 广告投放CAC红线：>¥50立即暂停，>¥80全面审查
→ 获客质量比获客数量重要10倍：10个真实用户 > 100个羊毛党
```
### 案例5：某平台"拉新裂变活动被薅羊毛导致巨额损失"
```
失败背景：2023年某平台中秋活动，推出"邀请好友得20元红包"裂变机制
事故经过：
① 活动设计：
→ 邀请1个新用户注册，得20元红包（无门槛提现）
→ 预算：活动期间发出红包上限100万元
→ 预期：5万新用户（CAC约20元）
② 风险识别失败：
→ 活动上线前，风控团队未做"羊毛党识别"测试
→ 技术团队未设置"一人多邀请"上限（允许无上限邀请）
→ 黑产发现漏洞：一人控制100+账号邀请，套取红包
③ 发现时损失：
→ 活动上线4小时，发出红包50万元
→ 核实发现：80%红包被约200个账号薅走（人均套取2000元）
→ 实际新用户仅8000人（大量虚假注册）
→ 当日紧急停止活动，最终损失：¥38万（仅2.8万真实用户）
损失分析：
→ 红包成本：¥50万（其中¥38万被薅走）
→ 实际有效获客：2.8万人，CAC实际约¥17元（看起来还行）
→ 但虚假用户：7.2万人，贡献GMV为0，平台额外承担¥12万补贴成本
→ 更严重后果：虚假团长入驻后，平台商誉受损，真实团长流失
整改措施：
① 邀请活动必须设置上限：每人最多邀请10个新用户
② 引入风控系统：识别设备指纹/IP异常/账号关联
③ 新用户必须完成首单才可提现红包（不能仅注册）
④ 活动预算分批释放：先放20%预算，观察数据再决定是否继续
⑤ 建立"薅羊毛监控大屏"：实时监控异常邀请行为
核心教训：
→ 任何"邀请得红包"活动必须预设风控措施，不能上线后再补救
→ 羊毛党的组织化程度远超想象，要有专人负责风控
→ 活动预算不能一次性全放出，必须分批+实时监控
→ 虚假用户不仅是钱的问题，还会破坏平台生态（真实团长流失）
```
---
## 附录：获客与留存检查清单
```
月度获客与留存健康检查：
□ 1. 获客成本：本月 CAC 是否 < 50 元？（超过则预警）
□ 2. 拉新质量：本月新用户 30 日复购率是否 > 30%？
□ 3. 社群活跃：团长社群发言率是否 > 5%？（日均发言数/群成员数）
□ 4. 流失预警：轻度/中度沉默用户是否已推送召回？
□ 5. 复购激励：本周是否有限时复购活动？
□ 6. 内容运营：每天推送消息条数是否控制在 5-7 条？
□ 7. 用户分层：高价值用户是否有专人维护？
□ 8. 活动策划：本周是否安排了主题活动？
□ 9. 好评展示：是否每天固定晒出 2-3 条用户好评？
□ 10. 留存复盘：本月留存率环比是否提升？
红线预警（任一触发立即复盘）：
→ CAC > 100 元
→ 月流失率 > 30%
→ 团长社群退群率 > 5%/月
→ 沉默用户占比 > 30%
```
don't have the plugin yet? install it then click "run inline in claude" again.