以 PythonAnywhere、Python／Django、Vibe Coding 與 Vibe Design 完成可部署的教學範例

主題：智慧銷售平台｜顧客行為分析｜Django ORM｜資料視覺化

本文以「水井村特色商品智慧銷售平台」為情境，示範如何將顧客、商品、訂單與訂單明細資料轉換成可自動更新的行銷洞察。每當新增一筆已完成訂單，系統便重新計算顧客總消費、購買次數、平均客單價、最近購買日期、回購狀態、商品偏好及顧客分群，並在 Dashboard 顯示行銷建議。

圖 1　智慧銷售平台教學文章與分析儀表板整體示意

圖片說明：圖片呈現完整教學文章的視覺架構，包含地方特色商品情境、顧客與訂單資料表、分析結果、Django ORM 程式區塊，以及銷售趨勢、熱銷商品、顧客分群與行銷建議等 Dashboard 元件。可作為文章首圖或社群分享圖。

一、先定義「自動分析」要回答的問題

智慧銷售平台不應只是一個商品展示網站，而要能協助經營者回答具體的行銷問題：

哪些顧客的累積消費金額最高？
哪些顧客曾再次購買，整體回購率是多少？
哪些商品最熱銷，哪些商品分類最受偏好？
哪些顧客已長時間未消費，需要啟動喚回活動？
應該對不同顧客提供什麼優惠或推薦？

交易資料→Django ORM 彙整→ 行為指標→顧客分群→ Dashboard→行銷建議

二、範例情境與資料

平台可銷售水井姻緣花、玉米籜金魚、在地農產禮盒、水井村導覽體驗券與智慧農業體驗課程。課堂實作建議至少準備 10 位顧客、8 項商品、30 筆訂單與 50 筆訂單明細。

顧客資料

顧客編號	姓名	加入日期
C001	王小明	2026-01-10
C002	李小華	2026-02-15
C003	陳美玲	2026-03-20

商品資料

商品編號	商品名稱	分類	單價
P001	水井姻緣花	文創商品	350 元
P002	玉米籜金魚	永續工藝	250 元
P003	農產禮盒	在地農產	600 元
P004	水井村導覽券	體驗活動	300 元

三、Django 資料模型

最小可行版本使用四個模型：Customer、Product、Order、OrderItem。顧客與商品的購買關係，透過訂單與訂單明細串接。

程式碼 1　核心資料模型（models.py）

from decimal import Decimal
from django.db import models

class Product(models.Model):
    name = models.CharField(max_length=100)
    category = models.CharField(max_length=50)
    price = models.DecimalField(max_digits=10, decimal_places=2)
    is_active = models.BooleanField(default=True)

    def __str__(self):
        return self.name

class Customer(models.Model):
    name = models.CharField(max_length=100)
    email = models.EmailField(blank=True)
    joined_at = models.DateField(auto_now_add=True)

    def __str__(self):
        return self.name

class Order(models.Model):
    STATUS_CHOICES = [
        ("pending", "待處理"),
        ("completed", "已完成"),
        ("cancelled", "已取消"),
    ]
    customer = models.ForeignKey(
        Customer, on_delete=models.CASCADE, related_name="orders"
    )
    ordered_at = models.DateTimeField(auto_now_add=True)
    status = models.CharField(
        max_length=20, choices=STATUS_CHOICES, default="completed"
    )

    @property
    def total_amount(self):
        return sum(
            (item.subtotal for item in self.items.all()),
            Decimal("0.00")
        )

class OrderItem(models.Model):
    order = models.ForeignKey(
        Order, on_delete=models.CASCADE, related_name="items"
    )
    product = models.ForeignKey(
        Product, on_delete=models.PROTECT, related_name="order_items"
    )
    quantity = models.PositiveIntegerField(default=1)
    unit_price = models.DecimalField(max_digits=10, decimal_places=2)

    @property
    def subtotal(self):
        return self.unit_price * self.quantity

程式碼說明：訂單價格應保存當下的 unit_price，避免商品日後調價時改變歷史交易。分析時只納入狀態為 completed 的有效訂單。

四、建立顧客購買行為指標

指標	計算方式	行銷用途
總消費金額	有效訂單明細小計加總	辨識高價值顧客
購買次數	有效訂單數	判斷回購與忠誠度
平均客單價	總消費金額 ÷ 購買次數	規劃滿額優惠與組合銷售
最近購買日期	有效訂單日期最大值	辨識沉睡或流失風險
回購率	購買兩次以上顧客數 ÷ 購買顧客總數	評估會員經營成效

程式碼 2　使用 Django ORM 彙整顧客行為（services.py）

from decimal import Decimal
from django.db.models import (
    Count, DecimalField, ExpressionWrapper,
    F, Max, Q, Sum, Value
)
from django.db.models.functions import Coalesce
from .models import Customer

def get_customer_analysis():
    completed = Q(orders__status="completed")

    item_total = ExpressionWrapper(
        F("orders__items__quantity")
        * F("orders__items__unit_price"),
        output_field=DecimalField(
            max_digits=12, decimal_places=2
        ),
    )

    return Customer.objects.annotate(
        total_spending=Coalesce(
            Sum(item_total, filter=completed),
            Value(
                Decimal("0.00"),
                output_field=DecimalField(
                    max_digits=12, decimal_places=2
                ),
            ),
        ),
        purchase_count=Count(
            "orders", filter=completed, distinct=True
        ),
        last_purchase=Max(
            "orders__ordered_at", filter=completed
        ),
    ).order_by("-total_spending")

程式碼說明：annotate() 會將每位顧客的分析結果附加到查詢物件上；Coalesce() 可把沒有消費紀錄時的 NULL 轉為 0；distinct=True 可避免訂單因多筆明細而被重複計數。

五、顧客自動分群

初學課程可先使用規則式分群，不必立即導入機器學習。判斷順序要明確，避免同一位顧客同時落入多個主要類型。

顧客類型	範例條件	建議策略
沉睡顧客	90 天以上未購買	發送限期喚回優惠
高價值顧客	總消費達 1,000 元以上	VIP 服務、新品優先通知
忠誠顧客	購買 3 次以上	會員集點、專屬活動
一般顧客	購買 2 次	推薦關聯商品
新顧客	購買 1 次	第二次購買優惠
潛在顧客	尚無購買紀錄	首次購買優惠

程式碼 3　顧客分類函式（services.py）

from decimal import Decimal
from django.utils import timezone

def classify_customer(customer):
    inactive_days = None

    if customer.last_purchase:
        inactive_days = (
            timezone.now() - customer.last_purchase
        ).days

    if inactive_days is not None and inactive_days >= 90:
        return "沉睡顧客"

    if customer.total_spending >= Decimal("1000"):
        return "高價值顧客"

    if customer.purchase_count >= 3:
        return "忠誠顧客"

    if customer.purchase_count >= 2:
        return "一般顧客"

    if customer.purchase_count == 1:
        return "新顧客"

    return "潛在顧客"

六、自動產生行銷建議

程式碼 4　顧客類型對應行銷建議

def get_marketing_suggestion(customer_type):
    suggestions = {
        "新顧客": "提供第二次購買優惠，鼓勵完成首次回購。",
        "一般顧客": "推薦相關商品組合，提高購買頻率。",
        "忠誠顧客": "提供會員集點、專屬活動及新品通知。",
        "高價值顧客": "提供 VIP 服務與新品優先購買。",
        "沉睡顧客": "發送限期回購優惠，搭配過去偏好商品。",
        "潛在顧客": "推薦熱門商品與首次購買優惠。",
    }
    return suggestions.get(
        customer_type,
        "持續觀察顧客購買行為。"
    )

七、將分析結果傳給 Dashboard

程式碼 5　View 整合顧客分析結果（views.py）

from django.shortcuts import render
from .services import (
    classify_customer,
    get_customer_analysis,
    get_marketing_suggestion,
)

def customer_analysis_dashboard(request):
    customers = get_customer_analysis()
    rows = []

    for customer in customers:
        customer_type = classify_customer(customer)
        average_order_value = (
            customer.total_spending / customer.purchase_count
            if customer.purchase_count else 0
        )

        rows.append({
            "customer": customer,
            "total_spending": customer.total_spending,
            "purchase_count": customer.purchase_count,
            "average_order_value": average_order_value,
            "last_purchase": customer.last_purchase,
            "customer_type": customer_type,
            "suggestion": get_marketing_suggestion(customer_type),
        })

    return render(
        request,
        "sales/customer_analysis.html",
        {"analysis_rows": rows},
    )

程式碼 6　顧客分析結果表格（customer_analysis.html）

<table class="table table-striped">
  <thead>
    <tr>
      <th>顧客</th>
      <th>總消費</th>
      <th>購買次數</th>
      <th>平均客單價</th>
      <th>顧客類型</th>
      <th>行銷建議</th>
    </tr>
  </thead>
  <tbody>
  {% for row in analysis_rows %}
    <tr>
      <td>{{ row.customer.name }}</td>
      <td>{{ row.total_spending }}</td>
      <td>{{ row.purchase_count }}</td>
      <td>{{ row.average_order_value|floatformat:0 }}</td>
      <td>{{ row.customer_type }}</td>
      <td>{{ row.suggestion }}</td>
    </tr>
  {% endfor %}
  </tbody>
</table>

圖 2　Django 智慧銷售平台自動分析教學資訊圖

圖片說明：圖片由左至右呈現範例情境、顧客與訂單資料、Customer／Order／OrderItem／Product 關聯、前端 KPI 與圖表，以及 ORM 查詢、顧客分群程式與行銷應用。適合放在文章中段，協助讀者快速掌握「資料建模—分析—視覺化—決策」的完整流程。

八、Dashboard 應呈現哪些資訊？

建議至少包含四張 KPI 卡、三張圖表與三類顧客名單：

KPI：總銷售額、訂單數、平均客單價、回購率。
圖表：每月銷售趨勢、熱銷商品排行、顧客分群比例。
名單：高價值顧客、忠誠顧客、沉睡顧客。

程式碼 7　Chart.js 熱銷商品長條圖

<canvas id="topProductsChart"></canvas>
<script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
<script>
const ctx = document.getElementById("topProductsChart");

new Chart(ctx, {
  type: "bar",
  data: {
    labels: {{ product_labels|safe }},
    datasets: [{
      label: "銷售數量",
      data: {{ product_values|safe }}
    }]
  },
  options: {
    responsive: true,
    indexAxis: "y",
    plugins: {
      legend: { display: false }
    }
  }
});
</script>

九、Vibe Coding 的課堂使用方式

學生可先用自然語言描述功能，再請生成式 AI 產生程式骨架，但必須自行驗證欄位、關聯、計算公式與錯誤處理。

提示詞範例：
請扮演 Django 開發工程師。我已有 Customer、Order 與 OrderItem 模型，請使用 Django ORM 計算每位顧客的總消費金額、有效訂單數、平均客單價及最近購買日期。分析邏輯放在 services.py，需排除 cancelled 訂單，並提供測試資料與預期結果。

十、課堂最低完成規格

商品、顧客、訂單與訂單明細管理。
總消費、購買次數、平均客單價、最近購買日期與回購率。
至少四種顧客類型的規則式分群。
至少三張分析圖表與一份顧客清單。
每類顧客至少一項自動行銷建議。
部署至 PythonAnywhere，新增訂單後分析結果能自動更新。

結語

這個範例的核心不是建立複雜的人工智慧模型，而是讓學生先理解：只要資料模型正確、指標定義清楚、查詢經過驗證，Django ORM 就能把日常交易資料轉換成具行銷價值的顧客洞察。完成規則式分析後，還可再延伸至 RFM、商品關聯分析、個人化推薦或生成式 AI 行銷文案。

AI協作說明： 本文由作者主導內容規劃，並使用生成式AI協助文字整理、程式碼初稿、版面設計與圖片生成；所有內容均經作者審核、修訂與測試。

智慧生活科技專業社群

2026年7月24日星期五

如何設計自動分析顧客購買行為的智慧銷售平台？

以 PythonAnywhere、Python／Django、Vibe Coding 與 Vibe Design 完成可部署的教學範例

一、先定義「自動分析」要回答的問題

二、範例情境與資料

顧客資料

商品資料

三、Django 資料模型

四、建立顧客購買行為指標

五、顧客自動分群

六、自動產生行銷建議

七、將分析結果傳給 Dashboard

八、Dashboard 應呈現哪些資訊？

九、Vibe Coding 的課堂使用方式

十、課堂最低完成規格

結語

沒有留言:

張貼留言

2026年7月24日 星期五

如何設計自動分析顧客購買行為的智慧銷售平台？

一、先定義「自動分析」要回答的問題

二、範例情境與資料

顧客資料

商品資料

三、Django 資料模型

四、建立顧客購買行為指標

五、顧客自動分群

六、自動產生行銷建議

七、將分析結果傳給 Dashboard

八、Dashboard 應呈現哪些資訊？

九、Vibe Coding 的課堂使用方式

十、課堂最低完成規格

結語

沒有留言:

張貼留言

2026年7月24日星期五