Update README and project cleanup

analyze_issue.md

@@ -0,0 +1,190 @@
+# 🔍 数据质量分析报告
+
+## 问题描述
+
+选择了11个标签组合后，转化率变成了 **0%**：
+- 母亲主导
+- 一线城市  
+- 高收入 (>5w)
+- 独生子女
+- 初中阶段
+- 初一 (7年级)
+- 培优拔高
+- 数学薄弱
+- 重点/示范校
+- 体制内/国企
+- **日活用户** ← 这个导致了 0 人
+
+---
+
+## 分析结果
+
+### ✅ 数据不是质量太低的问题
+
+实际上，数据质量还不错：
+- 总用户数：50,000 人
+- 前 10 个条件交集：**4 人** ✅
+- 加上第 11 个条件（日活用户）：**0 人** ❌
+
+### 🎯 真实原因
+
+**不是数据太少，而是标签相关性设计不够合理**
+
+这4个符合前10个条件的用户，他们的活跃特征分别是：
+1. 用户 16727：**考前突击**
+2. 用户 20002：**沉默用户**
+3. 用户 28755：**周末活跃**
+4. 用户 29105：**考前突击**
+
+**没有一个是"日活用户"！**
+
+---
+
+## 根本问题
+
+### 当前种子数据生成逻辑（seed.js 第 363 行）
+
+```javascript
+// 活跃特征 (同时存在两项的概率加大)
+tags.push(weightedPick([
+  { value: 'eng_active_daily', weight: 15 },  // 只有 15% 概率
+  { value: 'eng_weekend', weight: 35 },       // 35%
+  { value: 'eng_exam', weight: 25 },          // 25%
+  { value: 'eng_dormant', weight: 25 }        // 25%
+]));
+```
+
+### 问题点
+
+1. **日活用户比例太低**（15%）
+2. **活跃特征与其他属性无相关性**
+   - 逻辑上，"高收入 + 培优拔高 + 重点学校"的家长**应该更可能是日活用户**
+   - 但代码中，活跃特征是完全随机分配的
+
+3. **没有考虑用户画像的合理性**
+   - 体制内/国企 + 全职妈妈 → 更可能日活
+   - 高收入 + 培优拔高 → 更可能付费+日活
+   - 沉默用户不应该同时是付费会员
+
+---
+
+## 改进方案
+
+### 方案 1：提高日活用户比例（快速）
+
+修改权重：
+```javascript
+tags.push(weightedPick([
+  { value: 'eng_active_daily', weight: 30 },  // 提高到 30%
+  { value: 'eng_weekend', weight: 30 },
+  { value: 'eng_exam', weight: 25 },
+  { value: 'eng_dormant', weight: 15 }        // 降低沉默用户
+]));
+```
+
+### 方案 2：基于用户画像的智能分配（推荐）
+
+```javascript
+// 活跃特征 - 基于用户画像智能分配
+let engWeights;
+
+// 高收入 + 培优拔高 + 重点学校 → 大概率日活
+if ((actualIncome === 'inc_high' || actualIncome === 'inc_mid_high') 
+    && tags.includes('sp_top')) {
+  engWeights = [
+    { value: 'eng_active_daily', weight: 40 },  // 40%
+    { value: 'eng_weekend', weight: 30 },
+    { value: 'eng_exam', weight: 20 },
+    { value: 'eng_dormant', weight: 10 }
+  ];
+}
+// 全职妈妈 → 高概率日活
+else if (tags.includes('pj_fulltime')) {
+  engWeights = [
+    { value: 'eng_active_daily', weight: 50 },  // 50%
+    { value: 'eng_weekend', weight: 25 },
+    { value: 'eng_exam', weight: 15 },
+    { value: 'eng_dormant', weight: 10 }
+  ];
+}
+// 体制内/国企 → 中等日活概率
+else if (tags.includes('pj_gov')) {
+  engWeights = [
+    { value: 'eng_active_daily', weight: 25 },
+    { value: 'eng_weekend', weight: 35 },
+    { value: 'eng_exam', weight: 25 },
+    { value: 'eng_dormant', weight: 15 }
+  ];
+}
+// 其他情况
+else {
+  engWeights = [
+    { value: 'eng_active_daily', weight: 15 },
+    { value: 'eng_weekend', weight: 35 },
+    { value: 'eng_exam', weight: 30 },
+    { value: 'eng_dormant', weight: 20 }
+  ];
+}
+
+tags.push(weightedPick(engWeights));
+```
+
+### 方案 3：重新生成数据（最佳）
+
+运行改进后的种子脚本：
+```bash
+npm run seed
+```
+
+---
+
+## 数据统计
+
+### 逐步筛选过程
+
+| 步骤 | 添加条件 | 剩余人数 | 占比 |
+|------|---------|---------|------|
+| 1 | 母亲主导 | 30,006 | 60.01% |
+| 2 | + 一线城市 | 4,492 | 8.98% |
+| 3 | + 高收入 | 1,390 | 2.78% |
+| 4 | + 独生子女 | 804 | 1.61% |
+| 5 | + 初中阶段 | 483 | 0.97% |
+| 6 | + 初一 | 174 | 0.35% |
+| 7 | + 培优拔高 | 85 | 0.17% |
+| 8 | + 数学薄弱 | 34 | 0.07% |
+| 9 | + 重点学校 | 11 | 0.02% |
+| 10 | + 体制内/国企 | **4** | **0.008%** |
+| 11 | + 日活用户 | **0** | **0%** ❌ |
+
+### 两两标签相关性（Jaccard 相似度）
+
+| 标签对 | 交集人数 | 相似度 |
+|--------|---------|--------|
+| 母亲主导 ∩ 一线城市 | 4,492 | 13.61% |
+| 一线城市 ∩ 高收入 | 2,319 | 20.76% |
+| 高收入 ∩ 独生子女 | 3,315 | 10.98% |
+| 独生子女 ∩ 初中阶段 | 16,633 | 37.80% |
+| 初中阶段 ∩ 初一 | 11,964 | 35.50% |
+
+---
+
+## 建议
+
+### 短期方案（5分钟）
+重新生成种子数据，提高日活用户比例和相关性
+
+### 长期方案
+1. 添加更多真实的用户行为数据
+2. 基于实际业务逻辑设计标签相关性
+3. 定期分析标签组合的覆盖情况
+4. 对于极端稀少的组合，可以在 UI 上给出提示
+
+---
+
+## 结论
+
+✅ **这不是数据质量问题**，数据生成逻辑运行正常
+⚠️ **这是标签相关性设计问题**，需要优化种子数据生成算法
+🎯 **解决方案**：重新生成数据，让标签之间有更合理的相关性
+
+生成时间: $(date)