方法库

Great Expectations提供声明式数据校验及校验结果管理能力，可用于检查非空、唯一性、类型、取值范围等条件。可迁移为淘宝、拼多多导出数据的质量门禁；平台字段映射、指标口径和失败后的业务处理须自行定义。该方法检查输入可信度，不进行账单核算或敏感实体脱敏。当前接口与仓库维护情况本次未核验。

核心做法：为订单行、广告日表和库存快照分别声明数据粒度、业务键、币种、时区及更新时间要求。

Presidio提供可扩展的敏感实体识别和匿名化处理能力，可迁移为经营分析前的实体检测、替换及人工复核流程。贡献包括识别器、检测结果和可配置处理操作；任务字段白名单、中文识别补充、重识别风险检查与审批规则是本报告设计。工具不构成隐私合规认证，本次未核验仓库更新和README示例。

核心做法：为每项分析任务定义必要字段、用途、保留期限及允许访问人员，先移除不需要的字段。

DuckDB提供本地数据查询、聚合、连接和窗口计算能力，可用于批量关联订单与账单、计算事件级差额。来源贡献的是可执行计算工具；订单资金事件模型、对账顺序和异常分类由本报告设计，不能视为仓库提供的电商财务模板。当前版本及示例未实时核验。

核心做法：分别获取平台官方订单、退款、费用和结算账单，记录导出范围、时区、币种及文件校验值。

lifelines提供生存分析与右删失数据处理能力，可迁移的步骤是定义事件、计算观察时长、标记未观察到事件的样本并估计事件发生曲线。本报告将这些能力用于广告转化成熟度审查；该仓库不是淘宝、拼多多广告操作教程，也不直接提供投放结论。当前版本、README及平台事件数据可用性未核验。

核心做法：先固定点击到有效支付的事件定义、平台归因规则、最长观察窗和订单去重方法。

Evidently提供参考数据与当前数据的分布比较和漂移报告能力，可迁移为广告流量构成变化的检测环节。它不直接判定广告素材疲劳，也不提供淘宝、拼多多投放策略。本报告增加素材版本、归因成熟期、同期参照和人工更新决策。项目最新接口、检测配置及README示例本轮未核验。

核心做法：确认实际US业务关联与平台可取得字段；若无法证明广告触达US用户，只分析支持US业务的店铺经营数据，不标注为US广告受众分析。

Presidio提供个人信息识别、可扩展识别器与匿名化处理能力。可迁移的是识别、替换和复核流程；淘宝、拼多多订单编号、中文地址及混合语言识别器需额外配置。项目不能保证识别全部敏感信息，也不构成美国或中国法律合规认证；当前README与维护状态未实时核验。

核心做法：为每项分析写明用途和最小字段集，先删除不需要的订单及客户字段。

Robyn是营销组合建模开源项目，其方法包括广告滞后与饱和响应建模、模型选择和预算分配。可迁移的是汇总数据建模与受约束预算模拟，不是直接套用其任何平台接口。未核实当前README、安装示例和最近更新，也不声称项目已验证淘宝或拼多多效果。

核心做法：核对平台、渠道、地区和时间口径，选择可稳定获得的日或周汇总数据；不得混合平台归因成交额作为无重叠总收入。

BERTopic提供文本嵌入、聚类和主题表示能力，可用于生成评论主题、代表文本及主题占比。迁移到淘宝、拼多多后，用合法导出的商品评论和售后描述识别商品问题；跨期稳定性、供应商可修复性和经济性门槛是本研究增加的经营步骤，并非仓库给出的电商效果结论。本次未核验当前README、示例及维护状态。

核心做法：确认样本对应淘宝或拼多多商品，并单独标识具有真实US使用场景的反馈；不能用境内评论直接证明美国需求。

StatsForecast提供时间序列预测、交叉验证及Croston类等间歇需求模型，可贡献标准化序列输入、候选模型比较和滚动预测步骤。可迁移到淘宝、拼多多的授权销量数据；库存成本模拟、采购约束和US业务筛选为本报告补充。当前模型服务、README及更新记录未现场核验。

核心做法：按SKU建立等间隔销量序列，将真实零需求与缺货、下架、数据缺失分别标记。

Presidio提供敏感实体识别与匿名化处理能力，其可执行贡献是识别、配置检测规则和替换或遮盖等处理流程。迁移到淘宝、拼多多时，需要增加中文客服文本、订单编号和地址等业务规则，并以英文美国地址样本测试。字段最小化和外发审批属于本报告补充的治理措施，工具不提供法律合规认证；当前版本与README示例尚未现场核验。

核心做法：为每项分析定义用途与必需字段，优先删除姓名、电话、完整地址和无需保留的自由文本。

Meridian是营销组合建模开源项目，其可迁移贡献包括媒体滞后、饱和响应、控制变量和预算情景分析。迁移到淘宝、拼多多时，需要从合法报表构建统一时间粒度的媒体投入和经营结果，不依赖Google专有渠道字段。本次未检查最近提交、版本及README示例，实际字段和功能以核验版本为准。

核心做法：按店铺实际可归属的美国业务口径整理销售、媒体投入、曝光和经营控制变量，避免混入不可分辨的国内业务。

lifetimes提供基于frequency、recency、T等交易摘要的重复购买模型及预测工具，可支持订单汇总、模型拟合和留出期验证。迁移到淘宝、拼多多的是脱敏订单分析流程，不依赖Amazon或Shopify接口。维护状态、最近更新及README示例本次均未核验，不能视为可直接投入生产的技术选型。

核心做法：限定有可靠US业务标记的数据，按平台内部稳定脱敏客户标识整理已完成订单，排除取消及测试订单。

BERTopic 提供基于文本嵌入、聚类及主题词表示的主题发现框架，可迁移为问题文本归并、离群文本检查和代表性样本复核。它本身不提供电商需求验证、利润评估或采购决策；相关步骤为本报告设计。尚未现场核验仓库当前 README、最近更新和示例运行状态。

核心做法：限定有美国业务证据的样本，分别记录淘宝、拼多多来源；美国外部反馈仅作为独立参考集，不与店内订单混算发生率。

mlxtend提供频繁项集和关联规则工具，可贡献购物篮编码、频繁组合提取以及support、confidence、lift等判断指标。迁移到淘宝、拼多多时，使用商家授权订单构建交易矩阵；利润校验、退款成熟窗口和履约排除属于本报告补充的经营规则。未实时核验仓库维护状态与当前示例。

核心做法：分别导出两个平台的已支付订单明细，排除取消订单，并等待预设退款观察期结束；保留平台、活动和日期字段。

Meridian是营销组合建模开源项目，其框架涉及媒体效果、滞后与饱和响应及预算分析。迁移时使用淘宝、拼多多授权导出的广告投入和经营结果，不能默认项目具有目标平台接口。贡献利润转换、样本准入和人工预算审批为本次扩展；本次未能核验README示例、当前版本和最近提交。

核心做法：确认能取得口径一致、覆盖多个经营周期的媒体投入与经营结果，并检查模型所需的数据结构。

项目提供基于字段相似性和人工标注的记录去重、实体匹配能力。可迁移为候选字段整理、样本配对标注、重复簇输出和人工边界复核。商品是否同款、供应商是否独立必须分开判断；独立供给证明和US适用性判断是本报告增加的业务步骤。最近更新、README示例和当前许可未实时核验。

核心做法：从授权候选清单中提取标题、品牌、型号、规格、尺寸、材质和商家标识，保留原始链接与采集日期。

项目提供时间序列预测、基线模型和交叉验证能力，可迁移为日销量整理、滚动回测、模型比较和预测结果输出。平台数据须由商家授权导出；缺货标记、促销隔离、业务分层及验收规则是本报告补充设计。当前未核验README示例、最近更新时间和安装兼容性。

核心做法：确认US订单或US需求数据的来源，按SKU、日期整理净销量，并单列退款、缺货、促销和停售日期。

DuckDB提供本地SQL分析及文件数据查询能力，支持本方法的数据连接、聚合和差异检查。仓库本身不提供淘宝、拼多多财务规则，也不提供现成的三账勾稽经营方法；勾稽流程与判断指标是本报告的应用设计。本次未检查仓库最近提交、当前README或运行示例，部署前需补核。

核心做法：导入订单、退款、平台结算和到账文件，保留原文件、行号、导出时间与币种。

Great Expectations提供将数据质量要求表达为可重复验证规则并输出验证结果的能力。可迁移到淘宝、拼多多的检查包括订单标识、字段完整性、状态取值、日期范围和金额合理性；跨表对账、阻断等级与业务隔离机制需自行实现或集成。本方法检查订单、成本和结算数据质量，不复用已入库的事件漏斗分析框架。本轮未核验当前版本服务和示例。

核心做法：为订单、退款、结算、广告和成本表定义粒度、主键、时区、币种、字段含义及负责人。

来源给出了view_item、add_to_cart、begin_checkout、purchase、refund等电商事件及商品参数，可迁移为淘宝、拼多多的曝光—点击—详情—收藏/加购—下单—支付—退款事件字典，并据此计算步骤转化率、流失率、收入和退款影响。平台无法取得的客户端事件需由商家数据工具或平台报表做代理。

核心做法：建立淘宝、拼多多原始字段与统一事件、SKU、订单及用户匿名标识的映射表

来源贡献了CAC的计算口径、营销支出与新增客户匹配、CAC与客户价值联合判断等指标。迁移到淘宝、拼多多时应按店铺、渠道、活动和首购客群拆分，并以去除退款、履约和补贴后的贡献毛利计算回收期。

核心做法：定义新增客户及归因窗口，统一淘宝、拼多多不同报表中的客户身份和订单状态。

MLForecast提供多序列预测、滞后特征、日期特征、交叉验证及预测区间等可执行组件。迁移时可对淘宝、拼多多SKU日销量建模，按渠道和SKU保留层级，在滚动窗口中比较模型与季节性朴素基线，再把区间结果交给采购规则而非直接自动下单。

核心做法：按渠道、SKU和日期构造净销量序列，分离退款、缺货与异常订单

项目提供数据准备、协同过滤、排序、离线评估和示例Notebook，可迁移为淘宝、拼多多订单共现建模流程；可执行指标包括Precision@K、Recall@K、NDCG及覆盖率。模型产生的是候选关系，不是可直接采购的商品结论。

核心做法：抽取脱敏后的订单、浏览、加购及SKU属性，并统一用户、商品和时间字段

Great Expectations贡献了expectation suite、批次验证、数据文档和checkpoint等结构化步骤，可检查字段存在性、类型、唯一性、取值范围及跨批次异常。迁移时应按淘宝、拼多多导出字段建立本地字段映射，并让业务人员定义平台活动、延迟退款和订单状态变化的例外规则。

核心做法：列出订单、商品、流量、广告、退款和库存数据的责任人、刷新频率及下游用途