答案是需先上传并清洗数据，确认5个核心漏斗字段存在且为数值型；再构建五阶漏斗计算转化率，定位最低转化环节并给出可执行优化建议；最后生成漏斗柱状图+转化率折线图及统计热力图。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在2小时内完成一次电商用户行为漏斗分析，数据来自小红书爬虫导出的86条笔记运营数据，字段包含曝光、点击、加购、下单、支付5个关键节点，要求自动识别断点、定位流失率最高环节、生成可视化图表并输出可执行优化建议。
导入与结构化理解原始数据
打开CodeBuddy Craft模式，上传名为“通义灵码小红书数据.xlsx”的文件。
输入提示词：“请加载这份小红书电商数据文件，用Python读取并输出：总记录数、所有字段名、各字段数据类型、前5行样例。”
这一步操作起来很简单，直接把文件拖进去就行。CodeBuddy会自动调用pandas读取，并判断数值型/文本型/时间型字段——【若字段含中文空格或特殊符号，需先手动清理再上传，否则后续清洗会报错】。
确认返回结果中存在“曝光量”“点击量”“加购数”“下单数”“支付金额”5个核心漏斗字段，且均为数值型。如缺失任一字段，立即中止流程并检查原始Excel表头是否被合并单元格遮挡。
构建五阶漏斗并计算各环节转化率
方法一：用单条指令生成完整漏斗逻辑
输入提示词：“基于已加载数据，按曝光→点击→加购→下单→支付顺序构建用户行为漏斗，计算每阶转化率（后一阶数值 ÷ 前一阶数值），保留4位小数，结果以DataFrame形式输出，新增‘转化率’列。”
方法二：分步验证式构建（推荐用于首次使用）
第一步：先计算曝光到点击的转化率 → 输入：“新增一列‘曝光-点击转化率’，值为点击量除以曝光量，结果四舍五入至小数点后4位。”
CodeBuddy Code CLI 的安装、配置与使用指南。CodeBuddy Code 是腾讯推出的 AI 驱动 CLI 编程助手，支持自然语言驱动开发。 - 必备触发词：CodeBuddy, codebuddy, AI CLI, Tencent AI coding, @tencent-ai/codebuddy-code, terminal AI assistant - 适用场景：安装 CodeBuddy CLI、配置 CodeBuddy、使用 CodeBuddy 命令、排查 CodeBuddy 问题
第二步：再计算点击到加购的转化率 → 输入：“新增一列‘点击-加购转化率’，值为加购数除以点击量，同样保留4位小数。”
第三步：依次补全加购→下单、下单→支付两阶 → 注意：下单数和支付金额单位不同，必须统一为“订单数”而非“金额”，否则转化率失去业务意义。
这一步必须校验分母不为零——【若某环节点击量为0，CodeBuddy默认返回NaN，需手动替换为0或标注‘无数据’，否则后续图表会中断】。
定位断点与生成归因建议
输入提示词：“找出转化率最低的一阶漏斗环节，输出该环节名称、具体数值、与上一阶的差值，再结合字段含义给出1条可立即执行的优化建议（例如：若‘加购-下单’转化率最低，建议检查购物车页面跳失率或优惠券领取路径）。”
CodeBuddy会自动比对5个转化率数值，锁定最小值所在环节。它给出的建议必须带具体动作指向，不能只说“提升用户体验”这类虚话。
如果返回建议含技术实现细节（如“增加微信一键下单按钮”），说明它已识别出你项目的技术栈是微信小程序——这证明上下文理解生效，可直接采纳。
一键生成双维度可视化图表
输入提示词：“用Matplotlib绘制两张图：左侧为漏斗各环节绝对值柱状图（横轴为环节名，纵轴为数值），右侧为对应转化率折线图（横轴同左，纵轴为百分比），两图共享X轴标签，标题为‘小红书电商用户行为漏斗分析’。”
输入提示词：“再生成一张热力图，横轴为‘曝光’‘点击’‘加购’‘下单’‘支付’，纵轴为‘均值’‘标准差’‘最大值’，数值取原始字段统计结果。”
这两张图会自动保存为plot_1.png和plot_2.png。不要手动截图——【CodeBuddy生成的图表默认分辨率300dpi，手动截图会导致文字模糊无法汇报】。
