# 二次复核与分析维度优化建议

> 复核日期：2026-11-12　|　对象：俄罗斯平行进口四维分析报告 / TOP100 客户 Excel / HTML 看板 / 线上站点
> 这一轮查的不是「数字算错没有」，而是「**分析框架本身成不成立**」。结论先说：数值已自洽，但框架有一处硬伤、三处内部矛盾，以及一个会改变客户选择的口径问题。

---

## 一、先给结论

| # | 结论 | 影响 |
|---|---|---|
| 1 | **数值层面干净了**：TOP100 金额 / 台数 / 均价 0 处矛盾，累计 $7.3922 亿，S 41 家 + A 59 家 = 100 家 | 已交付名单可以继续用 |
| 2 | **但有一个口径问题比数字错误更严重**：385 家经中亚名单根本没有「原产国」字段，$11.16 亿里明确原产中国只有 0.85% | 直接影响「这批客户是不是中国车买家」 |
| 3 | **四维框架和 100 家名单是两套逻辑**：客户表里 ①②③ 三列是模板文案，评分 6 个维度全来自关单，①②③ 零权重 | 报告讲四维，名单打分用另一套，对不上 |
| 4 | **政策变了，评分没变**：2026-04-01 EAEU 补差新规堵死低价转口，但「有转口记录」仍在加分 | 19 家客户的优先级被高估 |
| 5 | **名单还不能直接打**：100 家里 0 家有电话 / 邮箱 / WhatsApp，最新关单距今约 20 个月 | 它是「待验真线索池」，不是成交客户清单 |

---

## 二、复核范围与方法

1. 重新读取 6 份源 Excel 全部字段，独立统计归一后重名行、原产国字段有无、金额/台数聚合方式；
2. 对 `ranked_v2.json` 的 771 家池与 100 家名单逐户做金额、台数、均价、标记位自洽检查；
3. 把 MD / PDF / HTML / Excel 四份交付物里的关键数字与表述逐项对账，专查「同一份报告里前后打架」；
4. 统计客户表 ①②③④ 四列的文本去重数、联系方式字段覆盖率、最后活跃月分布；
5. 重算评分模型的权重占比、分位映射量纲、并列名次处理；
6. 构造 v3 示范评分（771 家全量重算），量化按新口径重排会换掉多少客户。

---

## 三、确认无误（第二轮）

| 项目 | 复核结果 |
|---|---|
| TOP100 累计进口额 | $739,221,916（$7.3922 亿），与报告 KPI 一致 |
| 列间自洽 | 累计额 = 直采 + 转口、均价 = 金额 ÷ 台数，100 户全部通过，0 处矛盾 |
| 分级 | S 41 家 / A 59 家，「全部 S/A 级」表述准确 |
| 结论里的举例 | $942 万 АВТОТРЕЙД КРАСНОДАР 排第 1、$8,906 万 ЖЕФКО 排第 5，举例成立 |
| 「$7.41M」 | 是某客户金额 $7.41 **百万**，不是旧版 $7.41 **亿**，无需修 |
| 线上下载文件 | PDF / XLSX / MD / 核验报告 4 个文件与本地 MD5 全部一致 |
| 源表金额合计 | 424 家 $8,115,941,218、385 家 $1,116,192,381、22 家 $9,510,727，与上一轮一致 |

---

## 四、新发现的问题（11 项）

### 4.1 已直接修掉的（5 项）

| # | 问题 | 怎么修的 |
|---|---|---|
| 1 | 结论② / Excel 政策行把「2024-10 报废税 +70~85%」写成确定事实，但第 09 章核验明明把它列为「年份存疑」——**同一份报告自己打自己** | 改为「有 2024-10 / 2025-10 两种记载，待核政府令原文」，并补 2025-12-01 功率门槛、2026-04-01 EAEU 新规 |
| 2 | 四维③ / Excel 来源表把 RFQ 实例写成带具体日期、台数的确定事实，核验却标为「平台示例、落地前复核」 | 实例统一加【平台示例·待复核】，注明未在原始采购平台核到公告编号 |
| 3 | 385 家名单被当作「中国车平行进口线索」，口径不成立（详见 4.2） | 结论③、数据审计表、四维④、渠道链路、风险清单全部改口径 |
| 4 | MD / PDF 结尾写「Excel 6 个工作表」，实际 7 个（本轮新增后 8 个） | 改为 8 个 |
| 5 | 评分模型说明只写 v1 权重，没说 v2 移除 14 分后权重被动放大 | 补齐 v2 量纲与权重说明 |

### 4.2 最严重的一处：385 家名单口径混用

用源表实际字段说话：

| 事实 | 数值 |
|---|---|
| 385 家名单的字段 | 只有 进口商 / 千克重量 / 数量 / 美元总价 / 两个均价 / 贸易次数 / 占比 —— **没有原产国** |
| 385 家合计 | $1,116,192,381，均价 $16,023/台 |
| 明确「原产地是中国」的 | 22 家 / $9,510,727，占 **0.85%**，均价 $441/台（ATV、雪地车） |
| 剩下 99.15% | **原产国未标注**，从均价看更像经中亚转口的欧/日/韩系整车 |

也就是说：**这张表证明的是「这些公司会走第三国转口渠道」，不是「这些公司买过中国车」**。做中国汽车出口业务时，把 385 家整体算成中国车线索池，会把大量非中国车买家混进来。

本次已改成三级证据口径：

1. **424 家对华直采名单** —— 中国来源明确，纯度最高（TOP100 里 96.8% 的金额来自这里）；
2. **22 家 / 1084 条原产地中国转口明细** —— 中国来源明确，但是低价特种车；
3. **385 家经中亚汇总名单** —— 无原产国字段，只作「渠道能力」线索，金额不再等权计入硬证据。

顺带解决了一个阅读困惑：结论④说「1084 条是 ATV 特种车」、审计表说「385 家多为高单价豪车」，看起来矛盾，其实是**不同颗粒度、不同原产国口径**，现在已写清楚。

### 4.3 登记在案、建议下一版改的（4 项）

| # | 问题 | 量化 | 为什么这轮不改 |
|---|---|---|---|
| 6 | 源表同名多行用 `max` 聚合，丢数 | 385 名单 14 组重名，丢弃 $2.5718 亿（其中吉利官方主体 $2.4862 亿已被排除，**对有效客户约 $856 万 / 60 台**）；424 名单 1 组丢 $14,505 | 改 `sum` 会再次改变已交付金额，避免第三轮数字变动；已登记，等补 INN 复核后一起改 |
| 7 | `score_v2` 是 50–90 的分位映射，不是绝对分 | TOP100 全挤在 72.2~89.9，几乎没区分度；与 v1 加总分（63.3~86.0）量纲不同却并列展示 | 已加说明；建议下一版改线性归一化 |
| 8 | 6 组客户 `score_v2` 相同但 `rank_v2` 不同 | 并列处理不一致（分位映射给同分、`rank_v2` 用金额做 tiebreak） | 同上，下一版按同一排序赋分 |
| 9 | v2 移除 14 分「频次」后仍按 86 分制 | 金额权重 28%→**32.6%**、平行属性 22%→**25.6%**，等于悄悄改了模型 | 已在报告中披露；v3 重新显式配平 |

### 4.4 数据完备度与时效（2 项）

| 项目 | 实测 | 含义 |
|---|---|---|
| 有 INN / 地址 / 品牌 / 关单明细 | TOP100 中 **64 家**，全池 771 家中 127 家 | 36 家只有一行汇总金额，品类、品牌全部未知 |
| 电话 / 邮箱 / WhatsApp / 联系人 | **0 家** | 客户表里没有任何联系方式字段，「最值得跟进」目前还跟不进去 |
| 最后活跃月 | 2025 年 6 家、2024 年 49 家、2023 年 9 家、无记录 36 家 | 数据最新 2025-03，距今约 20 个月；「新鲜度 14 分」衡量的是陈旧样本内谁更晚，不是现在还活不活跃 |

---

## 五、分析逻辑维度审查（本次重点）

### 5.1 核心问题：四维框架与客户评分完全脱节

做了一次文本去重，结果很直白：

| 客户表列 | 100 家里有几种不同文本 | 最高频一句有多少家 |
|---|---|---|
| ① 有人抱怨 | **3 种** | 75 家 |
| ② 有人在搜索 | **5 种** | **94 家** |
| ③ 招标 / RFQ / 比价 | **9 种** | **90 家** |
| ④ 已有人花钱买 | **100 种** | 1 家 |

也就是说：**①②③ 是市场级证据被复制成了模板文案，只有 ④ 是逐户硬数据**。而 100 家名单的 6 个评分维度（采购实力 / 频次 / 新鲜度 / 平行属性 / 需求匹配 / 可切入性）**全部由关单推导**，①②③ 一分权重都没有。

结果就是：报告前 4 章讲「四维需求信号」，第 6 章的名单按另一套「客户价值分」排，两者没有因果关系。用户按四维做的分析，落不到名单上。

### 5.2 建议的框架升级：从「四维」到「三层」

| 层 | 做什么 | 补上原框架缺的什么 |
|---|---|---|
| **① 证据层（市场级）** | 保留四维，逐条标注证据等级、时间、一手/二手 | 原来把市场级证据直接写成客户级信号，中间缺一层派生 |
| **② 客户层（可打分）** | 从 ④ 派生硬指标；把 ①②③ 降维成客户级标签（痛点包 / 品牌增速命中 / 比价窗口）；叠加合规、可触达、时效 | 让 ①②③ 真正进入评分，而不是当装饰列 |
| **③ 行动层（可触达）** | 联系方式、存续核验、话术包、试单路径、报价与单证清单 | 原来止于「名单 + 建议」，缺可执行触点 |

### 5.3 建议新增 / 优化的维度（v3 模型，100 分制 + 风险扣减）

| 维度 | 权重 | 客户级口径 | 相对 v1 |
|---|---|---|---|
| **A 硬证据** | 45 | 对华直采金额分位 25 + 真实关单记录分位 10 + **采购证据纯度** 10（对华直采额 ÷ 累计额） | 只用 424 直采算规模；385 名单不再等权计入 |
| **B 需求信号** | 20 | ①痛点包 6（按均价分豪车/主流/特种车）+ ②品牌增速命中 8（高增速加权、红海降权）+ ③可替换窗口 6（出口商数 / 代理穿透） | **新增**：把 ①②③ 真正客户级化、逐户生成 |
| **C 合规适配** | 15 | 功率与税负适配 6 + EAEU 补差新规影响 5 + 单证/主体清晰 4 | **全新**：2026 年最大变量，转口由 +10 分改为扣分 |
| **D 可触达完备度** | 12 | INN / 地址 / 地区 / 关单明细各 1.5（6）+ 联系方式 6（当前全缺记 0，不制造假区分） | **全新**：把「能不能真跟到」纳入排序 |
| **E 时效与存续置信** | 8 | 按最后活跃月折减：2025→8、2024H2→6、2024H1→4、2023→2、无记录→1 | 替代原「新鲜度」，明确 20 个月时滞 |
| **F 风险扣减** | −10~0 | 报关代理货主未知 −4、有转口记录（EAEU 新规）−3、超大额决策链长 −2、缺 INN −1 | **全新**：风险显性扣分，不混在正向分里 |

另外还有 4 类维度**暂时进不了评分，但应该进业务清单**（因为源数据没有）：支付结算与收汇通道、制裁名单筛查、售后/配件能力、季节性与备货节奏。这几项对俄贸易实操是成败变量，报告目前完全没覆盖，建议做成单独的报价前检查表。

### 5.4 v3 示范结果（已算，可直接对照）

- 771 家全量重算，TOP100 分数区间 **91.4 ~ 61.7**；
- 与原名单 **重合 56 家、新进 44 家、移出 44 家**；原 TOP100 中 44 家在 v3 里跌出 100 名外；
- v3 前 20 全是「对华直采证据纯度 100%」的客户，原第 5 名 ЖЕФКО 升到第 1；19 家带转口记录的客户因证据纯度 + EAEU 新规扣分整体后移；
- 逐户 ① 信号从 3 种模板变成 **100 种**，③ 从 9 种变 10 种；② 仍只有 5 种，因为 36 家没有品牌字段，只能标「需补品类后二次匹配」——**这是数据缺口，不是模型缺陷**。

v3 已写入 Excel 新工作表「**v3 维度优化示范**」（100 行 × 22 列，含六项分项得分与逐户三列信号），**不覆盖已交付的 TOP100**。是否切换，由业务拍板。

---

## 六、建议补的数据（按优先级）

| 优先级 | 补什么 | 怎么补 | 解决什么 |
|---|---|---|---|
| **P0** | 联系方式与存续状态 | 用 64 个已有 INN 反查 Rusprofile / Контур.Фокус，补电话、邮箱、WhatsApp、决策人、经营状态；其余 36 家先补 INN | 把「线索池」变成「可触达名单」，当前最大缺口 |
| **P0** | 2025-04 之后的新关单 | 补最近 20 个月进口记录，验证是否仍在进口、车型是否切换 | 让「新鲜度」变成真信号 |
| **P1** | 客户级 RFQ / 招标订阅 | 俄语关键词（Поставка автомобиля / Запрос цен / Haval / Chery）周监控，按 INN 与客户池匹配 | 把 ③ 从「市场存在询价」升级为「这家客户在询价」 |
| **P1** | 品牌 / 车型 / 功率段 | 补齐 36 家无品牌客户的主采车型与功率 | 让 ② 的逐户匹配可做，160 马力税负测算能落到客户 |
| **P2** | 合规与支付清单 | 制裁名单、收汇通道与预付比例、OTTC / СРОТ / СПОТ 单证、按功率的报废税测算表 | 对俄贸易成败变量，目前报告未覆盖 |

---

## 七、需要你拍板的 2 件事

1. **要不要按 v3 重出 TOP100？** 现在两套并存：已交付的原名单（v1 排序 + v2 修正分列）和 Excel 里的 v3 示范表。若目标是「中国整车出口」，建议以 v3 为准；若已经按原名单开始联系，就先别换，等联系方式核验回来再一起定。
2. **要不要修同名多行的 `sum` 聚合？** 会影响约 $856 万金额和个别客户位次。建议等 INN 复核做完，一次性改，避免数字再变一轮。

---

## 八、本次实际改动的文件

| 文件 | 变化 |
|---|---|
| `俄罗斯平行进口市场分析报告.md` | 修 3 处内部矛盾 + 4 条风险；新增第 10 章（约 10 KB） |
| `俄罗斯平行进口市场分析报告.pdf` | 14 页 → **17 页**，新增第 10 章 |
| `俄罗斯平行进口_TOP100客户.xlsx` | 7 → **8 个工作表**，新增「v3 维度优化示范」100 行 × 22 列 |
| `俄罗斯平行进口分析看板.html` | 导航加「10 维度优化」，新增第 10 章 |
| `二次复核与分析维度优化建议.md` | 本文件（复核底稿） |
| 线上 `russia.used-car.cn` | 同步上述文件 |

---

*复核方法：独立脚本重算，未复用第一轮任何中间聚合结果；所有量化数字可直接用 `/tmp/ru_verify/round2*.py` 与 `v3_model.py` 复现。*
