# 创建虚拟环境
python3 -m venv venv
source ./venv/bin/activate
# 安装依赖
pip install -r requirements.txt

# 创建.env文件
cp .env.example .env

# 编辑.env文件，填入你的API密钥
# OPENAI_API_KEY=your_key_here

# 启动 main.py
python3 ./main.py
# 输出报告路径为 out/analysis_report.md

# 在 main.py 同级路径运行测试脚本
python3 -m agents.test_planning_agent

from hello_agents import HelloAgentsLLM

from agents.react_agent import NewReActAgent
from agents.agent_prompts import PLAN_AGENT_PROMPT
from tools.data_exploration import create_data_exploration_registry


if __name__ == "__main__":
    llm = HelloAgentsLLM()
    registry = create_data_exploration_registry()
    planning_agent = NewReActAgent(
        name="PlanningAgent",
        llm=llm,
        custom_prompt=PLAN_AGENT_PROMPT,
        tool_registry=registry,
        max_steps=5
    )

    question = "请开始分析"
    try:
        plan_result = planning_agent.run(question)
        print(f"任务规划: {plan_result}")
    except Exception as e:
        print(f"执行过程中出现错误: {e}")

# 执行摘要
本报告整合了客户细分、产品表现及订阅忠诚度等多维度分析。核心发现包括：**青少年客户展现出最高的消费能力，而服装品类是各群体的绝对偏好**；**秋季是销售旺季，但当前的订阅计划未能有效提升客户忠诚度与消费水平**。

## 详细分析

### 发现一：客户消费偏好与能力存在显著的年龄与性别差异
客户细分分析揭示了不同群体的独特行为模式。从性别看，女性平均消费（60.25美元）略高于男性（59.54美元），但两者在品类偏好上高度一致，均最青睐服装品类（占比约44.5%）。从年龄看，消费能力和次级偏好差异显著：**青少年（<20岁）平均消费最高（60.53美元）**，而40-49岁群体消费最低（58.49美元）。品类偏好上，20岁以下及20-29岁群体最偏好服装（~46%），而30-39岁及老年（60+）群体则最偏好配饰（~34%），50-59岁群体对鞋类的偏好最高（18.4%）。交叉分析进一步显示，在特定年龄段性别差异明显，例如老年女性消费（61.40美元）显著高于老年男性（58.65美元）。

![图1：各年龄段平均购买金额对比](figures/average_spending_by_age_group.png)
*图1：青少年（<20）平均消费最高，40-49岁群体消费最低。*

![图2：不同性别客户的品类偏好分布](figures/category_preference_by_gender.png)
*图2：男性和女性客户的品类偏好结构高度相似，服装均为首要选择。*

## 结论与建议
**结论**：业务的核心驱动力在于以服装为主的品类结构和具有高消费潜力的年轻客群（尤其是青少年），销售受季节影响显著。然而，旨在提升忠诚度的订阅计划目前并未产生预期效果。

**具体行动建议**：
1.  **深化年轻客群运营**：针对消费能力最强的青少年及20-29岁客群，设计专属的营销活动与产品组合，强化其在核心品类（服装）上的偏好，并尝试引导其对配饰、鞋履等品类的消费。