影刀RPA店群自动化：买家行为追踪与智能营销自动化实战

店群运营的终点不是卖出第一单，而是持续复购。

但大多数店群系统只关注“卖货”，不关注“人”。买家来了就走，没有任何互动。店铺评分、复购率、粉丝粘性都上不去。

我们做了两年店群自动化后，开始把目光从“商品”转向“用户”。用影刀RPA和Python搭建了一套买家行为追踪与智能营销自动化系统。

这篇文章不讲价格监控，也不讲脚本调度。专门聊聊如何用自动化技术感知买家行为（浏览、加购、下单、评价），并自动触发精准的营销动作（优惠券、短信、私信）。

适用场景：店群规模大、希望提升复购率和用户粘性的项目。技术栈：影刀RPA + Python + 埋点采集 + 事件驱动 + 营销API。

一、店群为什么要关心买家行为？

很多人觉得店群就是铺货+低价，不需要精细化运营。这是误解。

平台算法越来越倾向于“店铺权重”而非“单品权重”。复购率、粉丝互动、评价质量直接影响流量分配。

我们分析过100个店铺的数据：

复购率超过15%的店铺，自然流量比同行高40%
买家收货后48小时内邀请评价，评价率提高3倍
加购未支付的用户，发一张5元券，转化率提升25%

picture.image

picture.image 这些运营动作靠人工做，成本太高。必须自动化。

买家行为追踪的关键是：在合适的时机，用合适的方式，触达合适的用户。

二、系统架构：从行为采集到营销触达

整体分为五层。

采集层：影刀RPA定时从店铺后台拉取订单、买家信息、评价、消息。同时通过浏览器插件埋点采集前端的浏览和加购行为（需要接入平台允许的API）。

事件层：将原始数据转化为标准事件（如“order.paid”、“cart.add”、“product.view”），发布到Kafka。

规则层：规则引擎定义“当XX事件发生时，执行YY营销动作”。

动作层：调用平台API或影刀脚本发送优惠券、短信、私信。

分析层：追踪营销效果（触达率、转化率、ROI），优化规则。

下面详细展开每一层的工程实现。

picture.image

三、买家行为数据采集

picture.image 采集分两个渠道。

渠道一：店铺后台数据（离线，定时拉取）

影刀RPA脚本登录店铺后台，抓取：

新订单（实时性要求高，每5分钟一次）
待评价订单（每天一次）
客户消息（每10分钟一次）
退款/售后单（每30分钟一次）

影刀脚本输出结构化数据到Kafka：

{
  "event_type": "order.paid",
  "shop_id": "pdd_123",
  "buyer_id": "user_456",
  "order_id": "order_789",
  "amount": 129.00,
  "items": [{"product_id": "p_001", "quantity": 2}],
  "timestamp": "2025-01-15T14:30:00Z"
}

渠道二：前端埋点（实时，需平台授权）

对于有API的平台，我们调用“用户行为查询接口”获取买家的浏览、加购、收藏记录。对于没有开放接口的平台，我们通过影刀脚本模拟登录买家账号（需要合规授权），抓取“我的足迹”、“购物车”页面。这部分注意隐私合规，只采集脱敏数据。

采集的数据经过清洗，去掉异常IP、机器人行为。

四、事件流处理与用户画像

Kafka中的原始事件需要聚合，形成每个用户的行为轨迹和画像标签。

我们用Flink做实时流处理，按buyer_id分组，维护滑动窗口（最近30天）。

画像标签示例：

价格敏感度：平均客单价、是否经常使用优惠券
品类偏好：购买/浏览最多的商品类目
活跃时段：下单时间分布
复购周期：平均间隔天数
流失风险：最后访问距今超过X天

# user_profile_updater.py
class UserProfileUpdater:
    def process(self, event):
        buyer_id = event["buyer_id"]
        profile = redis.hgetall(f"user_profile:{buyer_id}") or {}
        if event["event_type"] == "order.paid":
            profile["last_order_time"] = event["timestamp"]
            profile["total_order_count"] = profile.get("total_order_count", 0) + 1
            profile["avg_order_amount"] = (profile.get("avg_order_amount", 0) * (profile["total_order_count"]-1) + event["amount"]) / profile["total_order_count"]
        elif event["event_type"] == "cart.add":
            profile["cart_add_count"] = profile.get("cart_add_count", 0) + 1
        # 更多字段...
        redis.hmset(f"user_profile:{buyer_id}", profile)

画像数据存储在Redis（热数据）和ClickHouse（历史分析）。

五、营销规则引擎

规则引擎是系统的核心。运营可以在后台配置“事件-动作”规则。

规则示例：

买家下单后2小时未支付 → 发送“您有一张订单未支付，再不下单优惠券要过期了”私信
买家签收后48小时未评价 → 发送“写评价抽大奖”优惠券
买家连续30天未访问 → 发送“老用户回归8折券”
买家加购商品超过3件 → 发送“满减券”促使用下单
买家购买A类目商品 → 推荐B类目关联商品（站内信）

规则用JSON表示：

{
  "rule_id": "unpaid_reminder",
  "trigger": "order.created",
  "condition": "order.status == 'pending' AND order.created_at < now() - 2h",
  "action": "send_private_message",
  "params": {
    "template_id": "unpaid_reminder_v2",
    "coupon_id": "coupon_5off"
  },
  "cooldown": "24h",
  "enabled": true
}

规则引擎每秒扫描事件流，评估条件，执行动作。

# rule_engine.py
class MarketingRuleEngine:
    def __init__(self, rules):
        self.rules = rules
        
    def evaluate(self, event):
        for rule in self.rules:
            if rule["trigger"] != event["event_type"]:
                continue
            # 评估condition表达式
            if self.eval_condition(rule["condition"], event):
                # 检查冷却期
                if not self.in_cooldown(event["buyer_id"], rule["rule_id"], rule.get("cooldown")):
                    self.execute_action(rule["action"], event, rule["params"])
                    self.record_execution(event["buyer_id"], rule["rule_id"])

为防止骚扰用户，每个买家-规则组合有冷却期（如24小时内不重复触发）。同时支持全局限流（每分钟最多发100条私信）。

六、营销动作的实现

营销动作分为几类，通过不同通道触达。

优惠券发放：调用平台API直接发到买家账户。最有效，且不打扰。

私信/客服消息：通过平台的IM接口或影刀RPA脚本自动发送。注意不要营销过度，否则可能被买家投诉或平台限制。

短信发送：针对授权获取手机号的买家，通过短信网关发送。成本较高，用于高价值用户。

站内信/公告：平台后台的“客户运营”功能，批量发送。

我们统一封装了一个营销动作网关：

class MarketingGateway:
    def __init__(self):
        self.api_clients = {
            "coupon": CouponAPIClient(),
            "message": MessageAPIClient(),
            "sms": SMSGateway()
        }
        
    def send_coupon(self, buyer_id, coupon_id):
        return self.api_clients["coupon"].issue(buyer_id, coupon_id)
        
    def send_private_message(self, buyer_id, template_id, params):
        content = self.render_template(template_id, params)
        return self.api_clients["message"].send(buyer_id, content)

所有营销动作记录在ClickHouse，用于效果分析。

七、效果追踪与优化

营销不是发了就结束。我们需要追踪每个规则的投入产出比。

效果追踪的核心是归因：买家后续下单，是因为收到优惠券，还是自然转化？

我们采用简单的“最后一次触达归因”。在订单事件中记录attribution_rule_id（触发该订单的最后一次营销规则）。如果订单发生在营销触达后72小时内，且没有其他触达干扰，则归因于该规则。

def attribute_order(order, marketing_log):
    recent_touch = max(
        [log for log in marketing_log if log["buyer_id"] == order["buyer_id"]],
        key=lambda x: x["timestamp"]
    )
    if order["timestamp"] - recent_touch["timestamp"] < timedelta(hours=72):
        return recent_touch["rule_id"]
    return None

每周生成营销效果报表：

各规则触达人数、转化人数、转化率
优惠券核销率、ROI
分时段/分用户群体的响应率

效果差的规则自动降权或暂停；效果好的规则扩展预算。

八、真实踩坑与经验

坑1：私信发送频率过高被平台限制

某个规则没设置冷却期，同一用户短时间内收到3条私信，被系统判定为骚扰，限制了该店铺的客服消息权限。

解决：增加全局用户级限流（每个用户每天最多2条营销私信），以及平台级限流（根据平台规则动态调整）。

坑2：优惠券发放失败（用户已领过同类型券）

平台API返回错误，脚本未处理，导致流程中断。

解决：增加重试机制和降级（尝试发另一种券），并记录失败原因。对于高频失败的用户，暂停营销动作。

坑3：新用户被过度营销

用户刚注册还没下单，就收到一堆优惠券和私信，反而产生反感。

解决：为新用户设置“静默期”（注册后24小时内不触发营销），并只发送欢迎券等低打扰内容。

坑4：行为数据采集不及时，错过最佳触达时机

订单支付事件是每5分钟拉取一次，导致“未支付提醒”延迟，用户可能已经支付了。

解决：对关键事件启用Webhook（平台支持的情况下），实时接收。不支持Webhook的平台，缩短轮询间隔到1分钟，并接受极小概率的延迟。

九、效果数据与运营案例

这套系统上线半年后，我们统计了关键指标：

营销触达用户数：12万人次
平均转化率：18.7%（自然转化率为9.2%）
优惠券核销率：34%
复购率提升：从12%到21%
店铺粉丝增长：每月平均增加15%

一个典型案例：针对“加购未支付”的用户，系统在15分钟后自动发送一张5元无门槛券。该策略转化率高达32%，单月带来额外8万元销售额。

另一个案例：针对“签收后48小时未评价”的用户，发送“写评价抽奖”活动链接，评价率提升了3倍，店铺评分从4.6上升到4.8。

十、总结：店群的下半场是用户运营

店群自动化的早期，拼的是铺货速度和成本控制。当这些做到极致后，竞争的焦点会转向用户运营。

买家行为追踪与智能营销自动化，是店群从“货”到“人”的转型关键。

我们的经验：

从最有价值的规则开始：未支付提醒、好评邀请、复购优惠，这些效果最直接
尊重用户体验：频率控制、个性化内容、提供真实价值而非骚扰
数据闭环：追踪归因，持续优化规则
合规优先：遵守平台营销规则，避免封号

如果你还在用Excel管理客户，不妨尝试用影刀RPA搭建第一条自动化营销规则。从“订单支付后自动发送感谢优惠券”开始，门槛低、见效快。

店群不是冰冷的货架，而是有温度的用户关系网络。自动化让这种关系规模化。

作者：林焱