Collectors.groupingBy 实现精准营销统计的核心是分组键设计与下游收集器组合：单标签用字段+counting()；复合标签用SimpleEntry或record封装，配合averagingDouble等；需导出明细时用toList()再处理；带条件统计用filtering()避免丢失空分组。

用 Collectors.groupingBy 实现按用户标签变量的精准营销统计，核心是把用户数据按一个或多个业务标签（如地域、会员等级、活跃度、兴趣标签）分组，再聚合计算关键指标（如人数、平均消费、转化率等）。重点不在“分组”本身，而在分组键的设计和下游收集器的组合使用。

按单个标签分组并统计人数

最常见场景：统计各城市用户数、各会员等级人数等。直接用字段作为分组键，配合 Collectors.counting() 即可。

• 示例：按 user.getCity() 分组统计人数
• 写法：Map cityCount = users.stream().collect(Collectors.groupingBy(User::getCity, Collectors.counting()));
• 注意：若字段可能为 null，需提前过滤或用 Objects.toString(user.getCity(), "unknown") 避免空指针

按复合标签分组并计算多维指标

真实营销常需交叉分析，比如“一线城市 + 高净值会员”的用户平均月消费。这时分组键应是自定义对象或字符串拼接，下游用 Collectors.averagingDouble 或 Collectors.summarizingDouble。

• 推荐方式：用 AbstractMap.SimpleEntry 或 record（Java 14+）封装双标签，如 new AbstractMap.SimpleEntry(user.getCity(), user.getLevel())
• 下游聚合可嵌套：例如统计每组平均订单金额：Collectors.averagingDouble(u -> u.getOrderAmount())
• 若需同时获取均值、总和、计数，用 Collectors.summarizingDouble 返回 DoubleSummaryStatistics 对象

按标签分组后筛选高价值人群并导出明细

精准营销不仅要看聚合结果，还需导出符合条件的用户列表用于发券、推送等。此时下游用 Collectors.toList() 或 Collectors.toSet()，再对每个分组结果做二次处理。

• 示例：按兴趣标签分组，只保留“运动”和“美妆”两个标签下的用户列表
• 写法：Map> tagUsers = users.stream().filter(u -> Set.of("运动", "美妆").contains(u.getTag())).collect(Collectors.groupingBy(User::getTag, Collectors.toList()));
• 后续可对每个 List 计算 RFM 值、打分排序，或转成 CSV 导出

结合下游收集器实现带条件的分组统计

有些指标需“分组内满足某条件才计入”，比如统计“各城市中近30天有购买行为的用户数”。不能先 filter 再 groupingBy（会丢失无购买用户的分组），而应使用 Collectors.filtering（Java 9+）或手动映射。

• Java 9+ 推荐：Collectors.groupingBy(User::getCity, Collectors.filtering(u -> u.getLastOrderDays()
• 低版本替代：用 Collectors.collectingAndThen 先分组再 map 每个 value 列表，但性能略低
• 注意：filtering 的 predicate 是针对每个元素单独判断，不是对整个分组生效