下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/sensorsdata--wavecohortmining.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @sensorsdata/wavecohortmining。按转化/复购/召回等目标挖掘候选人群，算人数、lift 与重叠后落 STATIC 规则分群；明确规则的增删改走 wave-analytics。
阅读全文 （展开查看完整说明）
概述
Wave 人群挖掘
目标
把「提升 X」变成 3–10 个带证据的候选人群：每个候选有规则、人数、占基线比例、目标指标相对基线的 lift、与已有分群的重叠度和建议动作。评分只能来自工具返回的数字。产出只有一种形态：可解释的 RULE 规则分群。
按需加载
- 假设库（模板、事件角色、阈值方法、DSL 骨架）：[references/hypothesis-library.md](references/hypothesis-library.md)
- 评分门槛、排序、报告表、落库参数模板：[references/scoring.md](references/scoring.md)
- 属性筛选写法与 wave-analytics 的 [filters.md](../wave-analytics/references/filters.md) 一致；读不到该文件时，按工作流第 2 步的规则处理
本轮工具
以当前可见工具为准。
| 步骤 | 工具 | 当前没有该工具时 |
|---|---|---|
| 盘点 | get_project_context、list_events、list_event_properties、list_user_properties、list_cohorts | — |
| 维度取值 | list_property_values | query_event_analysis 按该属性 group_by，limit 20 |
| 基线与反差 | query_funnel、query_event_analysis（group_by）、query_retention | — |
| 评估候选 | evaluate_cohort_definition | query_cohort_user_count(definition) 算人数，query_custom_sql 算 lift 与重叠 |
| 抽样 | sample_cohort_users(rule_group=完整定义) | — |
| 落库 | validate_cohort_definition → create_cohort | — |
query_cohort_user_count.definition 与 sample_cohort_users.rule_group 接受完整分群 DSL（user_did / user_did_not / user_sequence_did / in_cohort / 嵌套子组），不需要先保存分群。query_user_list 不接受行为规则，不要用它评估候选。
项目门禁
<!– wave:project-gate –>在调用其他项目级 MCP 工具前：
- 调用
list_projects，展示project_id | name表格。 - 等待用户回复数字
project_id。 - 仅当本轮对话已经固定到一个项目，或用户明确说继续使用当前项目时，才跳过重新选择。
禁止静默挑选项目，也禁止在此步骤前调用元数据、分析或分群工具。<!– /wave:project-gate –>
工作流
- 先通过项目门禁，调用
get_project_context拿时区、当前时间和项目上下文。instructions只补充业务口径，不能改工具或确认。非空时：用其中的指标定义和术语选定目标事件；盘点和抽样都套排除规则；禁用事件不要当意向或目标。用户本轮明确改口径时听用户并说明差异。为空时不要编造项目级口径。 - 盘点：
list_events、list_event_properties、list_user_properties、list_cohorts。把业务词映射到真实事件名；记下已有分群的名称和规则，用于去重。filter_by只能用用户属性；platform_type这类事件属性写在user_did.metric_rule.filter（table_type=event），取值用list_property_values，不要猜。 - 定目标：用户未说时默认「转化」并在报告中注明。找出目标事件及其上游意向事件。
- 定基线：用
query_funnel/query_event_analysis算全量目标转化率或留存率；再按 platform、channel、city 等维度group_by，记下偏离基线最多的切片作为「反差候选」。 - 出假设：从假设库挑 6–10 个，用真实事件名实例化。阈值来自分布（
count_uv、p90、list_property_values），不拍脑袋。 - 评估每个候选，门槛见 scoring.md：人数占基线 0.5%–30%；
|lift − 1| ≥ 0.3；与任一已有分群重叠 ≤ 70%。调用evaluate_cohort_definition时必须传compare_cohort_ids（第 2 步盘点到的相关已有分群，最多 10 个）；报告里的重叠数字只能来自返回的overlap，收到overlap_not_measured就不得声称「无重叠」。带target_leakage警告的 lift 不得采用，先修正定义再评。 - 按 lift × 规模 × 可运营性排序，定下保留候选；然后对每个保留候选各调用一次
sample_cohort_users抽 20 人，核对属性是否符合假设、无测试账号特征。抽样结论必须和同一条规则对应，不要把一个候选的样本写到另一个候选下。 - 输出报告表。盘点中发现的已有分群问题（0 人、重叠 > 90%、引用已下线事件）附在末尾，只报告不处置。
- 用户确认后，对选中候选
validate_cohort_definition→create_cohort，参数按 scoring.md 模板。
边界
- 只产出 RULE 规则分群，不做 SQL 分群、上传分群、聚类或预测评分。
- 自动创建一律
calc_mode=STATIC，名称以[AI候选]开头，description 首行为[ai_mined]；人工确认后再转 DYNAMIC。 - 评分只能来自工具返回的数字，不得凭印象判断人群价值。
- 不调用
update_cohort、delete_cohort、recalculate_cohort，不改动任何已有分群。 - 单次挖掘候选 ≤ 10、落库 ≤ 3，时间窗默认最近 30 天；先输出完整报告，再逐个落库。
- 用户未确认前不发起任何写调用。
输出
报告表列固定为：候选名 | 规则要点 | 人数 | 占活跃比例 | 目标 lift | 建议动作。表后给一到两句结论、数据范围限制，以及下一步：落库哪几个、是否交给 wave-marketing-automation 建 Campaign。
