技能介绍

要解决什么问题

拿到手的埋点数据往往躺在 CSV 或数仓导出（GA4、ClickHouse、Snowflake）里，格式各不相同。真要做用户分析时会发现两条路都有坑：定性类工具只给方法论脚手架，不跑真实数据、没有统计检验；Amplitude、Mixpanel 这类定量平台的 AI 层是闭源黑盒，结论无法复现，普遍也不覆盖因果推断、合规和洞察落地环节。

它如何工作

这套工具包把多个开源库缝成一个七层闭环，每层职责独立、可单独调用，也可整链编排：

core 数据地基：统一数据契约 (df, schema)，ingest 负责 from_csv/from_sql/read_any 多源接入，quality 层做完整性、重复、bot 和 SRM 检查，物化为 parquet。
quant 行为量化：run_funnel、run_cohorts、run_stattests、run_ltv（BG/NBD + Gamma-Gamma）、RFM、流失预警、segment_diff 细分对比。
exp 实验与因果：A/B 检验（显著性/样本量/MDE/SRM），causal 层用 PSM 和 DiD（双向去均值 + 聚类稳健 SE）把分析从相关推进到归因。
qual 定性研究：NPS/CSAT/CES 问卷与访谈编码、JTBD、close_loop 把定性假设转成定量验证，还能生成合成用户招募被试。
report_engine 长篇报告引擎：任何数字都必须登记进 ProvenanceLedger，CompletenessChecker 对捏造数字、缺失章节、重算不一致直接判 BLOCKER 并隔离报告，输出 HTML/PDF/LaTeX。
gov 合规治理默认开：PII 脱敏、同意与留存策略按 PIPL 执行，LineageLogger 每次运行写 lineage.jsonl 审计日志；nl.ask 提供自然语言入口，结论可追到「数据版本 + 代码函数 + 指标版本」。

适用边界与注意点

数据只需三列：user_id / event_type / event_time（+可选 price/user_session），且 path_cols 必须嵌套（user_id 需包含 session）。
底层依赖 retentioneering v5，它已砍掉 Cohorts 和 Stattests，请用包内的 run_cohorts/run_stattests；其 license 是专有许可而非 Apache 2.0，商用前需确认条款。
transition graph 的路径模型会系统性低估 cart→purchase 边，完整购买链路用 Funnel 读更准。
PostHog 是外部服务，collect.py 仅是客户端封装，dry_run 模式不联网。