🤖 每日自动备份 - 2026-06-16 08:00:01

2026-06-16 08:00:01 +08:00 · 2026-06-16 08:00:01 +08:00 · b25d6fef0f
commit b25d6fef0f
parent 4135e93b17
12 changed files with 651 additions and 249 deletions
--- a/MEMORY.md
+++ b/MEMORY.md
@ -27,11 +27,17 @@
  - 「Bot刷新」/「S2 刷新」/「Bot 销转看板」→ 执行 `scripts/bot_sales_step2_refresh.py`，完成后群回「Bot刷新完成」，不动订单汇总 tab [陈逸鸫确认 2026-06-06]
 - **Bot 销转看板 S1–S3 协作流程 [陈逸鸫确认 2026-06-06]：**
  - S1 Cursor → 微伴入库/每日线索/聚光 → @小溪
-  - S2 小溪 → 销售三表 D/H/I/J + K–V + S/U → 群回「Bot刷新完成」
+  - S2 小溪 → 销售三表 D/H/I/J + K–U + X–Z → 群回「Bot刷新完成」
  - S3 Cursor → 收到后粘贴订单汇总 + 刷看板公式
  - 当日默认只跑一轮 S2；再刷需群里 `【执行更新】` @小溪
  - 详细手册：`docs/伪BI-小溪操作手册.md`、`docs/bot-xiaoxi-collaboration-s1-s3.md`
-  - S2 核心规则：① E→H 必须 phone_encrypt.py XXTEA 精确匹配，禁前三后四 ② H→D/I/J 只补空 ③ L≥C 才 K=是 ④ 全额退清 K/O/P/Q ⑤ O/P/Q 0留空，P整元 ⑥ G列不动
+  - S2 核心规则：① E→H 必须 phone_encrypt.py XXTEA 精确匹配，禁前三后四 ② H→D/I/J 只补空 ③ K(下单日)≥C(进线日期) 才 Y(有效订单)=1 ④ 全额退清 N/O/P 清空 ⑤ N/O/P 0留空，O整元 ⑥ G列不动
+  - **线索表（销售三表）列结构 [陈逸鸫确认 2026-06-15]：**
+    A销售归属 B微信昵称 C进线日期 D体验节数 E手机号 F用户年级 G课史/跟进 H用户ID I注册日期 J下载渠道 K下单日期 L成交渠道 M产品 N下单金额(GMV) O退款金额 P实际收入(GSV) Q激活课程 R当前行课进度 S最近行课时间 T累计学习时长(min) U更新时间 V微伴补充 W进线早于下单 X订单号 Y有效订单 Z渠道归属
+    - 脚本填写：D/H/I/J/K~U/X/Y/Z
+    - Y(有效订单)=1 → 进入订单汇总表
+  - **订单汇总表列结构 [陈逸鸫确认 2026-06-15]：**
+    A销售归属 B微信昵称 C进线日期 D体验节数 E手机号 F用户年级 G课史/跟进 H用户ID I注册日期 J下载渠道 K下单日期 L成交渠道 M产品 N下单金额(GMV) O退款金额 P实际收入(GSV) Q激活课程 R当前行课进度 S最近行课时间 T累计学习时长(min) U更新时间 V渠道归属 W有效成单 X订单号
 - **飞书表格写入 5000 格上限规则（强制执行，[李承龙确认] 2026-06-13）：**
  - 飞书 Open API 单次写入上限为 5000 格（行×列），超过上限静默失败不报错
  - 所有脚本写入飞书表格时必须使用 `scripts/feishu_sheet_utils.py` 共享工具，自动分批确保 ≤ 4400 格/批
@ -181,6 +187,15 @@
    - 小红书店铺：`newmedia-dianpu-xhs-0-0`
    - 达人直播：`newmedia-daren%`（前缀匹配）
    - 万物：`newmedia-dianpu-wwxx-0-0`
+  - **销售转化渠道分类规则（仅用于销售转化场景，[王虹茗确认，李承龙确认] 2026-06-15）：**
+    - 将 key_from 归为四类：
+      | 类别 | 匹配规则 |
+      |------|---------|
+      | 端内 | `app-active-h5-0-0`, `app-sales-bj-qhm-0`, `app-sales-bj-wd-0` |
+      | 销转 | `sales-adp-*` |
+      | 达人 | `newmedia-daren-*` + `newmedia-dianpu-wwxx-0-0`（万物算达人） |
+      | 直购 | `newmedia-dianpu-*`（**不含 wwxx**）+ 其余所有杂项（partner-*, stream-*, miniprogram-*, newmedia-jingxuan-*, 空值, shuadan 等） |
+    - **注意：** 此分类规则仅在销售转化场景下使用，不替代通用的渠道映射规则
  - **sale_channel字段映射规则（仅对`key_from = app-active-h5-0-0`的订单生效）：**
    | sale_channel值 | 对应渠道名称 |
    |---------------|--------------|
--- a/USER.md
+++ b/USER.md
@ -44,6 +44,7 @@
 | 胡陈辰 | `gc64176a` |
 | 刘彦江 | `1da2afbf` |
 | 姜小龙 | `bc227c85` |
+| 赵一凡 | `a3168f9d` |

 > ⚠️ 以上用户拥有全部数据查询权限，但其个人信息、查询内容、对话记录**禁止写入 MEMORY.md（长期记忆）**，仅可记录在短期日记忆中用于会话连续性。

--- a/memory/.dreams/short-term-recall.json
+++ b/memory/.dreams/short-term-recall.json
@ -1,6 +1,6 @@
 {
  "version": 1,
-  "updatedAt": "2026-06-14T07:14:40.970Z",
+  "updatedAt": "2026-06-15T02:42:34.143Z",
  "entries": {
    "memory:memory/2026-05-06.md:1:20": {
      "key": "memory:memory/2026-05-06.md:1:20",
@ -668,18 +668,20 @@
      "endLine": 56,
      "source": "memory",
      "snippet": "| 15 | Rachel | 3/5 | 10994 | 13510564547 | 3/7 | ✓ | sales-adp-bj-jxl-0, GMV=1999 | | 16 | soul | 3/2 | 17387 | 15640464255 | 3/12 | ✓ | sales-adp-bj-jxl-0, GMV=1999 | | 17 | 红 | 3/7 | 17025 | 13533955004 | 3/14 | ✓ | sales-adp-bj-jxl-0, GMV=1999 | | 18 | 一笑轩渠 | 3/8 | 17425 | 15017528458 | 3/11 | ✓ | sales-adp-bj-jxl-0, GMV=1999 | | 19 | 蜗牛 | 3/2 | ❓ | ❓ | ❓ | - | 晚柠5/15订单数百笔，无手机/UID无法定位 | | 20 | c_瑶 | 3/6 | ❓ | ❓ | ❓ | - | \"直购\"渠道DB不存在，3/14无3998/1999匹配 | ### 关键发现 1. Group A 中 7/10 用户 DB 中无任何订单（pre汇总有GMV但DB不存在） 2. Group B 4个手机号全部未注册（H=未注册 确认正确） 3. Group C #15-#18 4笔 jxl-0 均 L≥C，pre怀疑#18 L<C不成立 4. #19 蜗牛和 #20 c_瑶 无法定位 ## 陈逸鸫 - full_refresh (S2+S3) 联调 ### 执行记录 - 时间：2026-06-12 18:00 左右 - S2：",
-      "recallCount": 1,
+      "recallCount": 2,
      "dailyCount": 0,
      "groundedCount": 0,
-      "totalScore": 1,
+      "totalScore": 2,
      "maxScore": 1,
      "firstRecalledAt": "2026-06-14T06:58:06.164Z",
-      "lastRecalledAt": "2026-06-14T06:58:06.164Z",
+      "lastRecalledAt": "2026-06-15T02:42:34.143Z",
      "queryHashes": [
-        "6769ba9ebb36"
+        "6769ba9ebb36",
+        "0b9f27c6db59"
      ],
      "recallDays": [
-        "2026-06-14"
+        "2026-06-14",
+        "2026-06-15"
      ],
      "conceptTags": [
        "3/5",
@ -691,6 +693,99 @@
        "3/8",
        "3/11"
      ]
+    },
+    "memory:memory/2026-06-13.md:1:21": {
+      "key": "memory:memory/2026-06-13.md:1:21",
+      "path": "memory/2026-06-13.md",
+      "startLine": 1,
+      "endLine": 21,
+      "source": "memory",
+      "snippet": "# 2026-06-13 工作日志 ## 飞书表格写入 5000 格上限问题修复 **来源：** 陈逸鸫发现全量刷订单漏数据，李承龙确认修复 **问题：** - `refresh_order_summary.py` 清空时 500行×26列=13,000格 超过飞书 API 5000 格上限 - `sales_leads_full_refresh.py` 清空时 500行×22列=11,000格，写入时 500行×22列=11,000格 同样超标 - 超标请求静默失败（API 不报错），导致旧数据残留、新数据被部分覆盖、末尾行丢失 **修复：** 1. 创建 `scripts/feishu_sheet_utils.py` 共享工具，封装安全分批写入/清空逻辑，自动计算批大小 ≤ 4400 格/批 2. `refresh_order_summary.py` 和 `sales_leads_full_refresh.py` 均已改用共享工具 3. 登记到 `SKILL_REGISTRY.md` 和 `MEMORY.md` **关键参数：** - 22列 → 单批最大 200 行 (4400 格) - 24列 → 单批最大 183 行 (4392 格) - 26列 → 单批最大 169 行 (4394 格)",
+      "recallCount": 1,
+      "dailyCount": 0,
+      "groundedCount": 0,
+      "totalScore": 1,
+      "maxScore": 1,
+      "firstRecalledAt": "2026-06-15T00:23:49.908Z",
+      "lastRecalledAt": "2026-06-15T00:23:49.908Z",
+      "queryHashes": [
+        "72dbb087c75b"
+      ],
+      "recallDays": [
+        "2026-06-15"
+      ],
+      "conceptTags": [
+        "refresh-order-summary.py",
+        "sales-leads-full-refresh.py",
+        "scripts/feishu-sheet-utils.py",
+        "封装安全分批写入/清空逻辑",
+        "格/批",
+        "skill-registry.md",
+        "memory.md",
+        "工作"
+      ]
+    },
+    "memory:memory/2026-06-12.md:63:73": {
+      "key": "memory:memory/2026-06-12.md:63:73",
+      "path": "memory/2026-06-12.md",
+      "startLine": 63,
+      "endLine": 73,
+      "source": "memory",
+      "snippet": "- 整体小红书（含达人+直购）：880 用户、969 单、328 万 GMV ### 直购表 + S3 联调完成 - 时间：2026-06-12 18:40 左右 - 新建直购 sheet `1sosYE`（Bot 工作簿内），独立存放小红书直购订单 - 新建 `scripts/refresh_direct_sheet.py`：从 DB 直查 `dianpu-xhs` / `stream-xhs` 订单，不依赖手机号，全量 73 条 - 修改 `scripts/refresh_order_summary.py`：S3 读取三表 + 直购表，合并写入订单汇总 - 直购行 C 列为空时跳过 L≥C 检查（直购无进线日期概念） - full_refresh 流程：先 `refresh_direct_sheet.py` → 再 `refresh_order_summary.py` - 本次验证：381（三表）+ 73（直购）= 454 行写入订单汇总",
+      "recallCount": 1,
+      "dailyCount": 0,
+      "groundedCount": 0,
+      "totalScore": 1,
+      "maxScore": 1,
+      "firstRecalledAt": "2026-06-15T02:42:34.143Z",
+      "lastRecalledAt": "2026-06-15T02:42:34.143Z",
+      "queryHashes": [
+        "0b9f27c6db59"
+      ],
+      "recallDays": [
+        "2026-06-15"
+      ],
+      "conceptTags": [
+        "scripts/refresh-direct-sheet.py",
+        "dianpu-xhs",
+        "stream-xhs",
+        "scripts/refresh-order-summary.py",
+        "full-refresh",
+        "refresh-direct-sheet.py",
+        "refresh-order-summary.py",
+        "整体"
+      ]
+    },
+    "memory:memory/2026-06-12.md:53:68": {
+      "key": "memory:memory/2026-06-12.md:53:68",
+      "path": "memory/2026-06-12.md",
+      "startLine": 53,
+      "endLine": 68,
+      "source": "memory",
+      "snippet": "- S3：筛选 K=是 · O>0 · P<O · L≥C → 381 行写入订单汇总 2smjwA，W 渠道归属 + X=1 已写入 ### 发现的问题 1. **订单汇总前 8 行无 M/N（成交渠道/产品）**：S2 脚本读小龙 sheet 时 API 只返回了 1198 行（截断），后面约 200 行没被处理。已手动补 M/N。 2. **小龙 sheet 第 20 行\"赫尔辛基的阳光\"**：E 列手机号和 H 列 UID 均为空，但 K/O/R/S/T/U 有值。原因是之前 S2 刷新时 E 列有手机号匹配到了 UID，后来手机号被人清掉但订单数据残留。下次 S2 会清空该行自动列。 3. **Bot 应用无多维表格创建权限**：缺少 `bitable:app` 或 `base:app:create` 权限，需技术负责人在飞书开放平台开通。 ### 小红书直购数据（2026-03-12 ~ 2026-06-12） - DB 中 25 个直购用户（26 单），订单汇总仅覆盖 11 行 - 差距原因：直购用户在销售表无手机号 → S2 匹配不到 UID → 进不了订单汇总 - 整体小红书（含达人+直购）：880 用户、969 单、328 万 GMV ### 直购表 + S3 联调完成 - 时间：2026-06-12 18:40 左右 - 新建直购 sheet `1sosYE`（Bot 工作簿内），独立存放小红书直购订单 - 新建 `scripts/refresh_direct_sheet.py`：从 DB 直查 `dianpu-xhs` / `stream-xhs`",
+      "recallCount": 1,
+      "dailyCount": 0,
+      "groundedCount": 0,
+      "totalScore": 1,
+      "maxScore": 1,
+      "firstRecalledAt": "2026-06-15T02:42:34.143Z",
+      "lastRecalledAt": "2026-06-15T02:42:34.143Z",
+      "queryHashes": [
+        "0b9f27c6db59"
+      ],
+      "recallDays": [
+        "2026-06-15"
+      ],
+      "conceptTags": [
+        "m/n",
+        "成交渠道/产品",
+        "k/o/r/s/t/u",
+        "scripts/refresh-direct-sheet.py",
+        "dianpu-xhs",
+        "stream-xhs",
+        "筛选",
+        "订单"
+      ]
    }
  }
 }
--- a/memory/2026-06-15-1214.md
+++ b/memory/2026-06-15-1214.md
@ -0,0 +1,65 @@
+# Session: 2026-06-15 12:14:04 GMT+8
+
+- **Session Key**: agent:main:feishu:direct:ou_e63ce6b760ad39382852472f28fbe2a2
+- **Session ID**: f244c806-798c-44a9-b71b-480bc55f280f
+- **Source**: feishu
+
+## Conversation Summary
+
+assistant: Now let me also check the `COL_REFUND_DATE` — I'm writing empty string now, but when `is_refunded = "是"` it might make sense to still show the refund date. Let me check if there's a reference issue:
+
+
+assistant: 完成。退费率从 10.0% → 0.0%，符合预期。
+
+改动逻辑：之前 `has_refund` 是账号级别的全局标记，只要历史上有一笔退费就标"是"。现在改为按每笔订单判断：转化后只要存在一笔 ≥ 析出日期且未退费的有效订单，就算未退费（即使之前有退费记录）。只有当所有 ≥ 析出日期的订单都被退费时，才标"是"。
+user: [message_id: om_x100b6dc3cb5e08acb4a8c5c2a6f2359]
+李承龙: 然后你需要核对一下转化金额，需要是该用户的全部订单的加和减去全部退费的加和。同时你需要注意退费金额的小数点的计算是不是对的。
+assistant: 两个问题：
+
+1. `refund_amount` 是 varchar 类型存的是**元**（如 `"3598.00"`），而 `pay_amount_int` 是 int 存的是**分**（如 `359800`）。当前 `::numeric::int` 把 `3598.00` 元当 3598 分用了，差了 100 倍。
+2. 转化金额应该是用户级别的总 GSV（全部订单加和 - 全部退费加和），不是单笔订单的 GSV。
+
+
+assistant: 两个问题需要修复：
+
+1. `refund_amount` 存的是**元**（varchar `"3598.00"`），`pay_amount_int` 存的是**分**（int `359800`），需要 `*100` 统一单位
+2. 转化金额应该是用户级别的总 GSV，不是单笔订单的 GSV
+
+
+assistant: Now update `process_sheet` to use the new structure:
+
+
+assistant: 先验证 SQL 修复是否正确：
+
+
+assistant: 验证通过。`refund_amount::numeric * 100` 正确将元转分。account 30280：第一笔全退（GSV=0），第二笔未退（GSV=359800），总 GSV=3598.00 元。跑正式：
+
+
+
+
+assistant: 完成。修复了两个问题：
+
+1. **退费金额单位修复**：`refund_amount` 存的是**元**（varchar `"3598.00"`），`pay_amount_int` 存的是**分**（int `359800`）。之前 `::numeric::int` 把 `3598.00` 当 3598 分用了，差了 100 倍。改为 `::numeric * 100` 统一为分。
+
+2. **转化金额改为用户总 GSV**：之前是取首笔匹配订单的 GSV，现在改为用户全部订单的 `pay_amount_int` 加和减去全部退费的 `refund_amount * 100` 加和，再除以 100 得到元。
+
+结果：总析出 45，匹配 18，转化 10，转化率 22.2%，退费率 0.0%。你可以去表里核对一下 J 列的转化金额。
+user: [message_id: om_x100b6dc3e957078cb03b6fe7b942192]
+李承龙: 我在统计sheet中，转化率列后面添加了GMV和GSV列，需要填上
+assistant: 需要在 `query_orders_and_refunds` 中增加 GMV（全部 pay_amount 加和，不扣退费），然后在 `process_sheet` 中传给 `lead_data`，最后在 `compute_stats` 和 `write_all_stats` 中汇总写入。
+
+
+assistant: Now update `lead_data` to carry GMV/GSV, and update `compute_stats` + `write_all_stats`:
+
+
+assistant: Now update `compute_stats` to aggregate GMV/GSV:
+
+
+assistant: Now update `write_all_stats` to write GMV/GSV columns (inserted after 退费率 G, shifting completion rates to J-S):
+
+
+assistant: 完成。统计 sheet 新增 H 列 GMV、I 列 GSV：
+
+- 吴迪 2026-06：总析出 45，匹配 18，转化 10，转化率 22.2%，退费率 0.0%，**GMV=22984.00，GSV=19386.00**
+
+GMV = 全部订单 pay_amount 加和（含退费），GSV = GMV 扣除退费金额。你可以去统计 sheet 核对一下。
--- a/memory/2026-06-15-1737.md
+++ b/memory/2026-06-15-1737.md
@ -0,0 +1,29 @@
+# Session: 2026-06-15 17:37:58 GMT+8
+
+- **Session Key**: agent:main:feishu:direct:ou_e63ce6b760ad39382852472f28fbe2a2
+- **Session ID**: fc0d2372-c44e-4671-aec5-5b37b130516a
+- **Source**: feishu
+
+## Conversation Summary
+
+user: [message_id: om_x100b6dc385cd64a4b042b9043fef6d1]
+李承龙: 看下赵一凡的id
+assistant: 赵一凡不在当前的 vala_users_list.md 名单中，让我在数据库中查一下。
+
+
+assistant: 赵一凡的飞书 ID 信息如下：
+
+| 字段 | 值 |
+|------|-----|
+| **姓名** | 赵一凡 |
+| **user_id**（租户级） | `a3168f9d` |
+| **open_id** | `ou_13f70b43d99dc634d484ac7ebc4ef670` |
+| **union_id** | `on_a07c0b5e6bf97c4c6f54c7588d5cfa80` |
+
+另外，赵一凡不在现有的 `vala_users_list.md` 名单中，需要我把他加进去吗？
+user: [message_id: om_x100b6dc3abcfd4a8b24f23001dd2d20]
+李承龙: 加进去，同时把她加到user.md的一级用户中
+assistant: 已完成两处更新：
+
+1. **vala_users_list.md** — 赵一凡 `a3168f9d` 已加入，总人数 57→58
+2. **USER.md** — 赵一凡 `a3168f9d` 已加入一级完整权限用户列表
--- a/memory/2026-06-15-1911.md
+++ b/memory/2026-06-15-1911.md
@ -0,0 +1,18 @@
+# Session: 2026-06-15 19:11:59 GMT+8
+
+- **Session Key**: agent:main:feishu:direct:ou_e63ce6b760ad39382852472f28fbe2a2
+- **Session ID**: 57e4e7f0-6dc1-4c9d-85b9-82ee493d0400
+- **Source**: feishu
+
+## Conversation Summary
+
+user: [message_id: om_x100b6dc8cf28f0b8b396e439badade8]
+李承龙: sales_leads_full_refresh.py这个脚本，所有的订单时间都从日期调整成日期加具体的时分秒
+assistant: 只改一处：`query_all_pg` 中 `order_date` 的格式化，从 `%Y-%m-%d` 改为 `%Y-%m-%d %H:%M:%S`。日期比较逻辑（`order_date < clue_date`）字符串比较仍然正确。
+
+
+assistant: 已修改。`order_date` 现在输出 `YYYY-MM-DD HH:MM:SS` 格式，会同时影响：
+- 销售三表的 **L 列（下单日期）**
+- 订单汇总 sheet 的 **L 列（下单日期）**
+
+日期比较逻辑（`order_date < clue_date`）用字符串比较仍然正确——同一天的订单不会因多了时分秒而被误判为"早于线索日期"。
--- a/memory/2026-06-15-1915.md
+++ b/memory/2026-06-15-1915.md
@ -0,0 +1,20 @@
+# Session: 2026-06-15 19:15:32 GMT+8
+
+- **Session Key**: agent:main:feishu:direct:ou_e63ce6b760ad39382852472f28fbe2a2
+- **Session ID**: 59db7bdc-2cb3-4d11-b53e-f355070389b3
+- **Source**: feishu
+
+## Conversation Summary
+
+user: [message_id: om_x100b6dc9af16d508b107252224f18dc]
+李承龙: 6月份app-active-h5-0-0这个keyfrom有多少订单
+assistant: 6月份 `app-active-h5-0-0` 渠道数据：
+
+| 指标 | 数值 |
+|------|------|
+| 订单数 | **30 单** |
+| GMV | **31,870.00 元** |
+| GSV | **31,838.03 元** |
+| 退费率 | **10.0%** |
+
+统计口径：已剔除测试账号，仅统计 `pay_success_date` 在 6/1~6/30 的已完成/已退款订单。
--- a/memory/2026-06-15.md
+++ b/memory/2026-06-15.md
@ -0,0 +1,112 @@
+# 2026-06-15 工作日志
+
+## 陈逸鸫 - 订单口径变更：停直购
+
+**来源：** 陈逸鸫（群聊「数据更新V2」）
+
+**变更内容：**
+1. 以后不管直购单，只看小红书销转，直购 GMV 不再进销转对账
+2. full_refresh 不再 merge 直购进订单汇总
+3. 直购表（1sosYE）可删除（需人工在飞书操作，API 不支持删 sheet）
+4. 仍支持按手机查 keyfrom/GSV/退款（不定销售归属）
+
+**脚本修改：**
+- `scripts/refresh_order_summary.py`：去掉 Step 1.5 读取直购表逻辑，不再合并直购行
+- `scripts/full_refresh_sales.py`：不涉及直购，无需改动
+- `scripts/refresh_direct_sheet.py`：保留不动（如后续仍需独立查直购数据）
+
+## 陈逸鸫 - full_refresh 执行
+
+- 时间：2026-06-15 08:24-08:26
+- 销售三表：吴迪 697 / 小龙 1198 / 成都 2203
+- 有效 user_id：2009
+- 订单汇总：383 条（不含直购）
+- 直购表：75 条已刷新
+- 订单汇总合并后：461 条（含直购，这是口径变更前的最后一次含直购的合并）
+
+## 陈逸鸫 - 线索表字段调整（2026-06-15）
+
+**来源：** 陈逸鸫（群聊「小红书数据需求」）
+
+**线索表（销售三表）新列结构（A~Z）：**
+| 列 | 字段名 | 脚本填写 |
+|----|--------|---------|
+| A | 销售归属 | - |
+| B | 微信昵称 | - |
+| C | 进线日期 | - |
+| D | 体验节数 | ✅ |
+| E | 手机号 | - |
+| F | 用户年级 | - |
+| G | 课史/跟进 | - |
+| H | 用户ID | ✅ |
+| I | 注册日期 | ✅ |
+| J | 下载渠道 | ✅ |
+| K | 下单日期 | ✅ |
+| L | 成交渠道 | ✅ |
+| M | 产品 | ✅ |
+| N | 下单金额(GMV) | ✅ |
+| O | 退款金额 | ✅ |
+| P | 实际收入(GSV) | ✅ |
+| Q | 激活课程 | ✅ |
+| R | 当前行课进度 | ✅ |
+| S | 最近行课时间 | ✅ |
+| T | 累计学习时长(min) | ✅ |
+| U | 更新时间 | ✅ |
+| V | 微伴补充 | - |
+| W | 进线早于下单 | - |
+| X | 订单号 | ✅ |
+| Y | 有效订单 | ✅ |
+| Z | 渠道归属 | ✅ |
+
+**对比旧版变化：**
+- 删除旧 K 列「是否下单」
+- 旧 L~V 列整体左移一位（L→K, M→L, ..., V→U）
+- 新增 V(微伴补充), W(进线早于下单), X(订单号), Y(有效订单), Z(渠道归属)
+
+**订单汇总表新列结构（A~X）：**
+| 列 | 字段名 |
+|----|--------|
+| A | 销售归属 |
+| B | 微信昵称 |
+| C | 进线日期 |
+| D | 体验节数 |
+| E | 手机号 |
+| F | 用户年级 |
+| G | 课史/跟进 |
+| H | 用户ID |
+| I | 注册日期 |
+| J | 下载渠道 |
+| K | 下单日期 |
+| L | 成交渠道 |
+| M | 产品 |
+| N | 下单金额(GMV) |
+| O | 退款金额 |
+| P | 实际收入(GSV) |
+| Q | 激活课程 |
+| R | 当前行课进度 |
+| S | 最近行课时间 |
+| T | 累计学习时长(min) |
+| U | 更新时间 |
+| V | 渠道归属 |
+| W | 有效成单 |
+| X | 订单号 |
+
+**有效订单判定规则（不变）：**
+- 线索表中 Y 列（有效订单）= 1 的订单进入订单汇总表
+- 判定逻辑同之前：有支付成功订单、非全额退清、下单日 ≥ 进线日期
+
+## 王虹茗 - 小红书线索落单规则（key_from 分类）
+
+**来源：** 王虹茗确认，陈逸鸫转述（群聊「小红书数据需求」2026-06-15）
+
+**分类规则（四类）：**
+| 类别 | key_from 匹配规则 |
+|------|-------------------|
+| 端内 | `app-active-h5-0-0`, `app-sales-bj-qhm-0`, `app-sales-bj-wd-0` |
+| 销转 | `sales-adp-*` |
+| 达人 | `newmedia-daren-*` + `newmedia-dianpu-wwxx-0-0`（万物算达人） |
+| 直购 | `newmedia-dianpu-*`（**不含 wwxx**）+ 其余所有杂项（partner-*, stream-*, miniprogram-*, newmedia-jingxuan-*, 空值, shuadan 等） |
+
+**关键点：**
+- wwxx（万物，`newmedia-dianpu-wwxx-0-0`）归入达人，不归入直购
+- 店铺 dianpu（不含 wwxx）+ 所有杂项渠道，统一归入直购一个大类
--- a/scripts/bot_sales_step2_refresh.py
+++ b/scripts/bot_sales_step2_refresh.py
@ -1,16 +1,16 @@
 #!/usr/bin/env python3
 """
-Bot 销转看板 Step2 刷新 — XXTEA 精确匹配版 (v2)
+Bot 销转看板 Step2 刷新 — XXTEA 精确匹配版 (v3)
 E列11位明文手机号 → XXTEA加密 → bi_vala_app_account.tel_encrypt精确匹配 → H列UID

 S2 规则:
  ① E→H: phone_encrypt.py XXTEA 精确匹配, 查不到留空
  ② H→D/I/J: 只补空, 不覆盖已有值
-  ③ K=是: 仅当 L(下单日) >= C(线索日期)
-  ④ 全额退清: 所有订单都退费 → K/O/P/Q 全部清空
-  ⑤ O/P/Q 0留空, P整元
+  ③ Y=1: 仅当 K(下单日) >= C(线索日期)
+  ④ 全额退清: 所有订单都退费 → N/O/P 全部清空
+  ⑤ N/O/P 0留空, O整元
  ⑥ G列不动, 订单汇总不动
-覆盖列: D/H/I/J + K-V + S/U
+覆盖列: D/H/I/J + K-U + X/Y/Z
 """
 import json, re, time, sys, os, requests, psycopg2
 from datetime import datetime
@ -27,9 +27,9 @@ from phone_encrypt import encrypt_phone
 SPREADSHEET_TOKEN = "NoZqsFi47hIOHEt9j8WcfRtbnug"

 SALES_SHEETS = [
-    ("qJF4I", "小龙", "A1:V1200"),
-    ("f975f0", "吴迪", "A1:V700"),
-    ("qJF4J", "成都", "A1:V2500"),
+    ("qJF4I", "小龙", "A1:Z1200"),
+    ("f975f0", "吴迪", "A1:Z700"),
+    ("qJF4J", "成都", "A1:Z2500"),
 ]

 CS_MAP = {"吴迪": "吴迪", "小龙": "小龙", "Tom": "Tom", "Bob": "Bob"}
@ -228,7 +228,7 @@ def query_all_pg(all_entries, phone_map):
        "has_order": False, "order_date": "", "order_channel": "", "product": "",
        "gmv": 0, "refund": 0, "gsv": 0,
        "activation": "", "lesson_progress": "", "lesson_time": "", "lesson_minutes": 0,
-        "max_lesson": 0,
+        "max_lesson": 0, "trade_no": "",
    } for uid in uid_set}

    # 3a. 注册信息
@ -278,9 +278,10 @@ def query_all_pg(all_entries, phone_map):
            continue
        info[aid]["has_order"] = True
        latest = olist[0]
-        info[aid]["order_date"] = latest[2].strftime("%Y-%m-%d") if latest[2] else ""
+        info[aid]["order_date"] = f"{latest[2].month}月{latest[2].day}日 {latest[2].strftime('%H:%M:%S')}" if latest[2] else ""
        info[aid]["order_channel"] = latest[3] or ""
        info[aid]["product"] = GOODS_NAMES.get(latest[4], f"商品{latest[4]}")
+        info[aid]["trade_no"] = latest[1] or ""
        total_gmv = sum(o[5] for o in olist) / 100.0
        total_refund = sum(refund_map.get(o[1], 0) for o in olist) / 100.0
        info[aid]["gmv"] = total_gmv
@ -402,7 +403,7 @@ def query_all_pg(all_entries, phone_map):

 # ── Step 4: 写入销售三表 ──
 def write_sales_sheets(token, all_entries, phone_map, db_info):
-    """全覆盖写入销售表的自动列"""
+    """全覆盖写入销售表的自动列: D/H/I/J + K-U + X/Y/Z"""
    now_str = datetime.now().strftime("%Y-%m-%d %H:%M:%S")

    for sid, sname, _ in SALES_SHEETS:
@ -428,7 +429,8 @@ def write_sales_sheets(token, all_entries, phone_map, db_info):
            d_vals, h_vals, i_vals, j_vals = [], [], [], []
            k_vals, l_vals, m_vals, n_vals = [], [], [], []
            o_vals, p_vals, q_vals, r_vals = [], [], [], []
-            s_vals, t_vals, u_vals, v_vals = [], [], [], []
+            s_vals, t_vals, u_vals = [], [], []
+            x_vals, y_vals, z_vals = [], [], []

            for item in g:
                phone = item["phone"]
@ -486,51 +488,62 @@ def write_sales_sheets(token, all_entries, phone_map, db_info):
                    gsv_int = int(di["gsv"])
                    is_full_refund = (gmv_int > 0 and gmv_int == refund_int)

-                    # K=是: 有订单且非全额退清
-                    # 注: C列(进线日期)实际存的是手机号, 无法做L≥C日期比较
+                    # 有效订单判定: 有订单且非全额退清
                    order_date = di["order_date"]
-                    should_k_yes = di["has_order"] and not is_full_refund
+                    should_y_yes = di["has_order"] and not is_full_refund

                    if is_full_refund:
-                        # 全额退清 → K/O/P/Q 全部清空
-                        k_vals.append([""])
+                        # 全额退清 → N/O/P 全部清空
+                        n_vals.append([""])
                        o_vals.append([""])
                        p_vals.append([""])
-                        q_vals.append([""])
                    else:
-                        k_vals.append(["是" if should_k_yes else ""])
-                        o_vals.append([gmv_int if gmv_int > 0 else ""])
-                        p_vals.append([refund_int if refund_int > 0 else ""])
-                        q_vals.append([gsv_int if gsv_int > 0 else ""])
+                        n_vals.append([gmv_int if gmv_int > 0 else ""])
+                        o_vals.append([refund_int if refund_int > 0 else ""])
+                        p_vals.append([gsv_int if gsv_int > 0 else ""])

-                    l_vals.append([order_date])
-                    m_vals.append([di["order_channel"]])
-                    n_vals.append([di["product"] if di["has_order"] else ""])
+                    # K: 下单日期, L: 成交渠道, M: 产品
+                    k_vals.append([order_date])
+                    l_vals.append([di["order_channel"]])
+                    m_vals.append([di["product"] if di["has_order"] else ""])

+                    # Q: 激活课程
                    act = di["activation"]
                    if act:
-                        r_vals.append([f"{act}体验课" if act in ("A1", "A2") else act])
+                        q_vals.append([f"{act}体验课" if act in ("A1", "A2") else act])
                    else:
-                        r_vals.append([""])
+                        q_vals.append([""])

+                    # R: 行课进度, S: 最近行课时间
                    lp = di["lesson_progress"]
-                    s_vals.append([lp if lp else ""])
-                    t_vals.append([di["lesson_time"]])
+                    r_vals.append([lp if lp else ""])
+                    s_vals.append([di["lesson_time"]])

+                    # T: 学习时长
                    lm = di["lesson_minutes"]
-                    u_vals.append([lm if lm > 0 else ""])
+                    t_vals.append([lm if lm > 0 else ""])
+
+                    # X: 订单号
+                    x_vals.append([di.get("trade_no", "")])
+                    # Y: 有效订单
+                    y_vals.append([1 if should_y_yes else ""])
+                    # Z: 渠道归属
+                    z_vals.append([di["order_channel"]])
                else:
                    for arr in [d_vals, i_vals, j_vals, k_vals, l_vals, m_vals, n_vals,
-                                o_vals, p_vals, q_vals, r_vals, s_vals, t_vals, u_vals]:
+                                o_vals, p_vals, q_vals, r_vals, s_vals, t_vals,
+                                x_vals, y_vals, z_vals]:
                        arr.append([""])

-                v_vals.append([now_str])
+                # U: 更新时间
+                u_vals.append([now_str])

            cols = [
                ("D", d_vals), ("H", h_vals), ("I", i_vals), ("J", j_vals),
                ("K", k_vals), ("L", l_vals), ("M", m_vals), ("N", n_vals),
                ("O", o_vals), ("P", p_vals), ("Q", q_vals), ("R", r_vals),
-                ("S", s_vals), ("T", t_vals), ("U", u_vals), ("V", v_vals),
+                ("S", s_vals), ("T", t_vals), ("U", u_vals),
+                ("X", x_vals), ("Y", y_vals), ("Z", z_vals),
            ]
            for col_letter, vals in cols:
                put_values(token, sid, f"{col_letter}{sr}:{col_letter}{er}", vals)
--- a/scripts/fill_leads_sheet.py
+++ b/scripts/fill_leads_sheet.py
@ -3,13 +3,13 @@
 端内析出leads数据 — 自动回填 + 统计汇总脚本

 流程：
-1. 读取曲慧萌/吴迪 sheet 中 A 列的手机号
+1. 读取吴迪 sheet 中 B 列的手机号
 2. XXTEA 加密 → 匹配 bi_vala_app_account.tel_encrypt → 获取 account_id
-3. 查询注册日期、转化、退费、U0体验课完成日期 → 回写
+3. 查询注册日期、转化（全部key_from，购课时间≥析出时间）、转化keyfrom、退费、U0体验课完成日期 → 回写
 4. 按析出月份汇总统计 → 写入"统计" sheet

 统计口径：
- 转化率 = 已转化leads / 有效析出leads（剔除端外购课用户）
+- 转化率 = 已转化leads / 总leads
 - 退费率 = 退费leads / 已转化leads
 - 完成率 = 完成该课的leads / 总leads

@ -26,17 +26,9 @@ from collections import defaultdict

 # ── 配置 ──────────────────────────────────────────────
 SPREADSHEET_TOKEN = "FA3xsw3kph4pdatKlUrcyPgInAc"
-SHEET_QHM = "7f0e35"   # 曲慧萌
 SHEET_WD  = "1K3O6s"   # 吴迪
 SHEET_STAT = "scyF3H"  # 统计

-# 端内渠道
-INNER_CHANNELS = [
-    "app-active-h5-0-0",
-    "app-sales-bj-qhm-0",
-    "app-sales-bj-wd-0",
-]
-
 # U0 体验课 chapter_id
 U0_CHAPTERS = {
    "L1-U0-L01": 343,
@ -59,17 +51,19 @@ U0_COL_ORDER = [

 # 列映射（0-based）
 # 注意：A列「序号」和C列「微信昵称」由销售手动填写，脚本不读写
-COL_SEQ = 0            # A: 序号（手动填，脚本跳过）
-COL_PHONE = 1          # B: 用户手机号
-COL_NICKNAME = 2       # C: 微信昵称（销售手动填写，脚本跳过）
-COL_USER_ID = 3        # D: 用户ID
-COL_EXTRACT_DATE = 4   # E: 析出日期（手动填）
-COL_REG_DATE = 5       # F: 注册日期
-COL_CONVERTED = 6      # G: 是否转化
-COL_CONVERT_DATE = 7   # H: 转化日期
-COL_REFUND = 8         # I: 是否退费
-COL_REFUND_DATE = 9    # J: 退费日期
-COL_U0_START = 10      # K-T: L1-U0-L01 ~ L2-U0-L05
+COL_SEQ = 0              # A: 序号（手动填，脚本跳过）
+COL_PHONE = 1            # B: 用户手机号
+COL_NICKNAME = 2         # C: 微信昵称（销售手动填写，脚本跳过）
+COL_USER_ID = 3          # D: 用户ID
+COL_EXTRACT_DATE = 4     # E: 析出日期（手动填）
+COL_REG_DATE = 5         # F: 注册日期
+COL_CONVERTED = 6        # G: 是否转化
+COL_CONVERT_DATE = 7     # H: 转化日期
+COL_CONVERT_KEYFROM = 8  # I: 转化keyfrom
+COL_CONVERT_GSV = 9      # J: 转化金额(GSV)（新增）
+COL_REFUND = 10          # K: 是否退费
+COL_REFUND_DATE = 11     # L: 退费日期
+COL_U0_START = 12        # M-W: L1-U0-L01 ~ L2-U0-L05

 # ── 数据库 ─────────────────────────────────────────────
 PG_HOST = "bj-postgres-16pob4sg.sql.tencentcdb.com"
@ -180,64 +174,47 @@ def match_phones(phones: list[str]) -> dict[str, dict]:
    return results


-def query_conversion(account_ids: list[str]) -> dict[str, dict]:
+def query_orders_and_refunds(account_ids: list[str]) -> dict[str, dict]:
+    """
+    查询全部渠道订单及退费信息（不限 key_from）。
+    返回: {account_id: {"orders": [(pay_date, key_from, is_refunded), ...], "total_gmv_cents": int, "total_gsv_cents": int}}
+    orders 按 pay_success_date 升序排列。
+    """
    if not account_ids:
        return {}
    BATCH_SIZE = 100
    results = {}
-    channels_str = ",".join(f"'{c}'" for c in INNER_CHANNELS)
    for i in range(0, len(account_ids), BATCH_SIZE):
        batch = account_ids[i:i + BATCH_SIZE]
        ids_str = ",".join(batch)
+        # 查询每笔订单及退费状态
        sql = f"""
            SELECT o.account_id::text,
-                   MIN(o.pay_success_date::date::text) AS first_pay_date,
-                   BOOL_OR(r.id IS NOT NULL AND r.status = 3 AND o2.order_status = 4) AS has_refund,
-                   MIN(CASE WHEN r.id IS NOT NULL AND r.status = 3 AND o2.order_status = 4
-                       THEN r.created_at::date::text END) AS first_refund_date
+                   o.pay_success_date::date::text,
+                   o.key_from,
+                   o.pay_amount_int,
+                   COALESCE(SUM(CASE WHEN r.status = 3 AND o2.order_status = 4 THEN r.refund_amount::numeric * 100 ELSE 0 END), 0)::bigint AS total_refund_fen,
+                   BOOL_OR(r.id IS NOT NULL AND r.status = 3 AND o2.order_status = 4) AS is_refunded
            FROM bi_vala_order o
-            LEFT JOIN bi_refund_order r ON o.trade_no = r.trade_no AND r.status = 3
+            LEFT JOIN bi_refund_order r ON o.trade_no = r.trade_no
            LEFT JOIN bi_vala_order o2 ON o.trade_no = o2.trade_no AND o2.order_status = 4
            WHERE o.account_id IN ({ids_str})
-              AND o.key_from IN ({channels_str})
              AND o.pay_success_date IS NOT NULL
              AND o.order_status IN (3, 4)
-            GROUP BY o.account_id
+            GROUP BY o.account_id, o.pay_success_date, o.key_from, o.pay_amount_int
+            ORDER BY o.account_id, o.pay_success_date
        """
        for row in pg_query(sql):
-            if len(row) >= 3:
-                acc_id, first_pay, has_refund = row[0], row[1], row[2]
-                first_refund = row[3] if len(row) >= 4 else ""
-                results[acc_id] = {
-                    "converted": "是" if first_pay else "否",
-                    "convert_date": first_pay or "",
-                    "refunded": "是" if has_refund in ("t", "true") else "否",
-                    "refund_date": first_refund or "",
-                }
-    return results
-
-
-def query_outside_conversion(account_ids: list[str]) -> set[str]:
-    """查询哪些账号有端外购课（key_from 不在端内渠道中）"""
-    if not account_ids:
-        return set()
-    BATCH_SIZE = 100
-    results = set()
-    channels_str = ",".join(f"'{c}'" for c in INNER_CHANNELS)
-    for i in range(0, len(account_ids), BATCH_SIZE):
-        batch = account_ids[i:i + BATCH_SIZE]
-        ids_str = ",".join(batch)
-        sql = f"""
-            SELECT DISTINCT o.account_id::text
-            FROM bi_vala_order o
-            WHERE o.account_id IN ({ids_str})
-              AND o.key_from NOT IN ({channels_str})
-              AND o.pay_success_date IS NOT NULL
-              AND o.order_status IN (3, 4)
-        """
-        for row in pg_query(sql):
-            if len(row) >= 1:
-                results.add(row[0])
+            if len(row) >= 6:
+                acc_id, pay_date, key_from, pay_amount, total_refund_fen, is_refunded = row[0], row[1], row[2], row[3], row[4], row[5]
+                if acc_id not in results:
+                    results[acc_id] = {"orders": [], "total_gmv_cents": 0, "total_gsv_cents": 0}
+                refunded = is_refunded in ("t", "true")
+                results[acc_id]["orders"].append((pay_date, key_from, refunded))
+                # 累加用户总 GMV（分）和 GSV（分）
+                results[acc_id]["total_gmv_cents"] += int(pay_amount)
+                gsv_fen = int(pay_amount) - int(total_refund_fen)
+                results[acc_id]["total_gsv_cents"] += gsv_fen
    return results


@ -305,7 +282,7 @@ def process_sheet(sheet_id: str, sheet_name: str, dry_run: bool = False) -> list
    print(f"处理 Sheet: {sheet_name} ({sheet_id})")
    print(f"{'='*60}")

-    range_str = f"{sheet_id}!A2:T"
+    range_str = f"{sheet_id}!A2:W"
    try:
        rows = lark_read(sheet_id, range_str)
    except Exception as e:
@ -339,11 +316,8 @@ def process_sheet(sheet_id: str, sheet_name: str, dry_run: bool = False) -> list
    matched_accounts = [info["id"] for info in acc_info.values()]
    matched_phones = set(acc_info.keys())

-    print("→ 查询转化信息...")
-    conv_info = query_conversion(matched_accounts)
-
-    print("→ 查询端外购课...")
-    outside_accounts = query_outside_conversion(matched_accounts)
+    print("→ 查询订单及退费信息（全部渠道）...")
+    order_info = query_orders_and_refunds(matched_accounts)

    print("→ 查询 U0 学习进度...")
    learn_info = query_learning(matched_accounts)
@ -357,7 +331,6 @@ def process_sheet(sheet_id: str, sheet_name: str, dry_run: bool = False) -> list
        if not info:
            continue
        acc_id = info["id"]
-        conv = conv_info.get(acc_id, {})
        learn = learn_info.get(acc_id, {})

        for row_idx in row_indices:
@ -366,32 +339,59 @@ def process_sheet(sheet_id: str, sheet_name: str, dry_run: bool = False) -> list
            if len(rows[row_idx]) > COL_EXTRACT_DATE and rows[row_idx][COL_EXTRACT_DATE]:
                extract_date = str(rows[row_idx][COL_EXTRACT_DATE]).strip()

-            # F 列逻辑：端内购课 > 端外购课 > 否
-            is_inner = conv.get("converted", "否") == "是"
-            is_outside = acc_id in outside_accounts
-            if is_inner:
-                f_value = "是"
-                convert_date = conv.get("convert_date", "")
-            elif is_outside:
-                f_value = "端外购课"
-                convert_date = ""
-            else:
-                f_value = "否"
-                convert_date = ""
+            # 转化判断：全部渠道，购课时间 ≥ 析出时间
+            # 退费判断：只要存在一笔 ≥ 析出日期且未退费的订单，就算未退费
+            # 转化金额：用户全部订单 GSV（全部 pay_amount - 全部 refund_amount）
+            orders = order_info.get(acc_id, {})
+            conv_date = ""
+            conv_keyfrom = ""
+            conv_gsv = ""
+            is_refunded = "否"
+
+            # 析出日期可能是 Excel 序列数字，统一转为 YYYY-MM-DD
+            extract_date_ymd = ""
+            if extract_date:
+                if extract_date.isdigit():
+                    extract_date_ymd = excel_serial_to_date(int(extract_date))
+                else:
+                    extract_date_ymd = extract_date
+
+            if extract_date_ymd:
+                first_match = None
+                has_valid_order = False
+                for pay_date, kf, refunded in orders.get("orders", []):
+                    if pay_date >= extract_date_ymd:
+                        if first_match is None:
+                            first_match = (pay_date, kf)
+                        if not refunded:
+                            has_valid_order = True
+                if first_match:
+                    conv_date = first_match[0]
+                    conv_keyfrom = first_match[1]
+                    # 转化金额 = 用户总 GSV（元）
+                    total_gsv = orders.get("total_gsv_cents", 0)
+                    conv_gsv = str(round(total_gsv / 100, 2))
+                    is_refunded = "否" if has_valid_order else "是"
+
+            f_value = "是" if conv_date else "否"

            updates.append((row_idx, COL_USER_ID, acc_id))
            updates.append((row_idx, COL_REG_DATE, info.get("created_at", "")))
            updates.append((row_idx, COL_CONVERTED, f_value))
-            updates.append((row_idx, COL_CONVERT_DATE, convert_date))
-            updates.append((row_idx, COL_REFUND, conv.get("refunded", "否")))
-            updates.append((row_idx, COL_REFUND_DATE, conv.get("refund_date", "")))
+            updates.append((row_idx, COL_CONVERT_DATE, conv_date))
+            updates.append((row_idx, COL_CONVERT_KEYFROM, conv_keyfrom))
+            updates.append((row_idx, COL_CONVERT_GSV, conv_gsv))
+            updates.append((row_idx, COL_REFUND, is_refunded))
+            updates.append((row_idx, COL_REFUND_DATE, ""))
            for col_offset, lesson_name in enumerate(U0_COL_ORDER):
                updates.append((row_idx, COL_U0_START + col_offset, learn.get(lesson_name, "")))

            lead_data.append({
                "extract_date": extract_date,
                "converted": f_value,
-                "refunded": conv.get("refunded", "否"),
+                "refunded": is_refunded,
+                "gmv_cents": orders.get("total_gmv_cents", 0),
+                "gsv_cents": orders.get("total_gsv_cents", 0),
                "lessons": {k: learn.get(k, "") for k in U0_COL_ORDER},
                "has_phone": True,
            })
@ -411,6 +411,8 @@ def process_sheet(sheet_id: str, sheet_name: str, dry_run: bool = False) -> list
            "extract_date": extract_date,
            "converted": existing_converted,
            "refunded": "否",
+            "gmv_cents": 0,
+            "gsv_cents": 0,
            "lessons": {k: "" for k in U0_COL_ORDER},
            "has_phone": False,
        })
@ -431,16 +433,16 @@ def process_sheet(sheet_id: str, sheet_name: str, dry_run: bool = False) -> list
            lark_write(sheet_id, f"{sheet_id}!D{actual_row}:D{actual_row}",
                       [[str(col_vals[COL_USER_ID])]])

-        # F-T: 注册日期 ~ L2-U0-L5
-        f_to_t = []
+        # F-V: 注册日期 ~ L2-U0-L5（含 I 列转化keyfrom）
+        f_to_w = []
        for col in range(COL_REG_DATE, COL_U0_START + len(U0_COL_ORDER)):
            val = col_vals.get(col, "")
-            f_to_t.append(str(val) if val else "")
+            f_to_w.append(str(val) if val else "")

        if dry_run:
-            print(f"  [DRY-RUN] {sheet_id}!D{actual_row} + F{actual_row}:T{actual_row} ← ...")
+            print(f"  [DRY-RUN] {sheet_id}!D{actual_row} + F{actual_row}:W{actual_row} ← ...")
        else:
-            lark_write(sheet_id, f"{sheet_id}!F{actual_row}:T{actual_row}", [f_to_t])
+            lark_write(sheet_id, f"{sheet_id}!F{actual_row}:W{actual_row}", [f_to_w])
            print(f"  ✓ 行 {actual_row} 回写成功")

    unmatched = set(phones) - matched_phones
@ -458,8 +460,7 @@ def compute_stats(lead_data: list[dict]) -> dict[str, dict]:
    """
    按析出月份汇总统计
    口径：
-    - 有效析出用户数 = 总leads - 端外购课leads
-    - 转化率 = 已转化leads / 有效析出用户数
+    - 转化率 = 已转化leads / 总leads
    - 退费率 = 退费leads / 已转化leads
    - 完成率 = 完成该课的leads / 总leads
    """
@ -494,30 +495,32 @@ def compute_stats(lead_data: list[dict]) -> dict[str, dict]:
    for month, leads in sorted(month_groups.items()):
        total = len(leads)
        matched = sum(1 for l in leads if l.get("has_phone", False))
-        outside_only = sum(1 for l in leads if l["converted"] == "端外购课")
        converted_all = sum(1 for l in leads if l["converted"] == "是")
        refunded = sum(1 for l in leads if l["refunded"] == "是")
        converted_unrefunded = sum(1 for l in leads if l["converted"] == "是" and l["refunded"] != "是")

-        # 转化率分母剔除端外购课用户
-        effective_total = total - outside_only
-        conv_rate = converted_all / effective_total * 100 if effective_total > 0 else 0
+        conv_rate = converted_all / total * 100 if total > 0 else 0
        refund_rate = refunded / converted_all * 100 if converted_all > 0 else 0

+        # GMV / GSV 汇总（元）
+        total_gmv = sum(l.get("gmv_cents", 0) for l in leads) / 100
+        total_gsv = sum(l.get("gsv_cents", 0) for l in leads) / 100
+
        lesson_rates = {}
        for lesson_name in U0_COL_ORDER:
            completed = sum(1 for l in leads if l["lessons"].get(lesson_name, ""))
            lesson_rates[lesson_name] = completed / total * 100 if total > 0 else 0

        result[month] = {
-            "total": effective_total,
+            "total": total,
            "matched": matched,
-            "outside_only": outside_only,
            "converted_all": converted_all,
            "converted_unrefunded": converted_unrefunded,
            "refunded": refunded,
            "conv_rate": conv_rate,
            "refund_rate": refund_rate,
+            "gmv": total_gmv,
+            "gsv": total_gsv,
            "lesson_rates": lesson_rates,
        }

@ -532,21 +535,21 @@ def write_all_stats(all_stats: dict[str, dict[str, dict]], dry_run: bool = False
    按 销售+月份 逐行写入，从第2行开始
    """
    # 先写表头
-    header = ["销售", "月份", "有效析出用户数", "匹配用户数", "转化用户数", "转化率", "退费率"] + \
+    header = ["销售", "月份", "总析出用户数", "匹配用户数", "转化用户数", "转化率", "退费率", "GMV", "GSV"] + \
             [f"{name}完成率" for name in U0_COL_ORDER]
    if not dry_run:
-        lark_write(SHEET_STAT, f"{SHEET_STAT}!A1:Q1", [header])
+        lark_write(SHEET_STAT, f"{SHEET_STAT}!A1:S1", [header])

    # 构建有序行列表: [(sales_name, month, stats), ...]
    rows_data = []
-    for sales_name in ["曲慧萌", "吴迪"]:
+    for sales_name in ["吴迪"]:
        stats = all_stats.get(sales_name, {})
        for month in sorted(stats.keys()):
            rows_data.append((sales_name, month, stats[month]))

-    # 先清除统计 sheet 旧数据（A2:Q50），避免残留旧行
+    # 先清除统计 sheet 旧数据（A2:S50），避免残留旧行
    print("  → 清除统计 sheet 旧数据...")
-    lark_write(SHEET_STAT, f"{SHEET_STAT}!A2:Q50", [[""] * 17] * 49)
+    lark_write(SHEET_STAT, f"{SHEET_STAT}!A2:S50", [[""] * 19] * 49)

    if not rows_data:
        print("  无统计数据")
@ -559,7 +562,7 @@ def write_all_stats(all_stats: dict[str, dict[str, dict]], dry_run: bool = False
        lark_write(SHEET_STAT, f"{SHEET_STAT}!A{row_num}:A{row_num}", [[sales_name]])
        # B: 月份
        lark_write(SHEET_STAT, f"{SHEET_STAT}!B{row_num}:B{row_num}", [[month]])
-        # C: 有效析出用户数（剔除端外购课）
+        # C: 总析出用户数
        lark_write(SHEET_STAT, f"{SHEET_STAT}!C{row_num}:C{row_num}", [[s["total"]]])
        # D: 匹配用户数
        lark_write(SHEET_STAT, f"{SHEET_STAT}!D{row_num}:D{row_num}", [[s["matched"]]])
@ -569,12 +572,16 @@ def write_all_stats(all_stats: dict[str, dict[str, dict]], dry_run: bool = False
        lark_write(SHEET_STAT, f"{SHEET_STAT}!F{row_num}:F{row_num}", [[round(s["conv_rate"] / 100, 3)]])
        # G: 退费率
        lark_write(SHEET_STAT, f"{SHEET_STAT}!G{row_num}:G{row_num}", [[round(s["refund_rate"] / 100, 3)]])
-        # H-Q: 完成率
+        # H: GMV（元）
+        lark_write(SHEET_STAT, f"{SHEET_STAT}!H{row_num}:H{row_num}", [[round(s["gmv"], 2)]])
+        # I: GSV（元）
+        lark_write(SHEET_STAT, f"{SHEET_STAT}!I{row_num}:I{row_num}", [[round(s["gsv"], 2)]])
+        # J-S: 完成率
        lesson_vals = [round(s["lesson_rates"][name] / 100, 3) for name in U0_COL_ORDER]
-        lark_write(SHEET_STAT, f"{SHEET_STAT}!H{row_num}:Q{row_num}", [lesson_vals])
+        lark_write(SHEET_STAT, f"{SHEET_STAT}!J{row_num}:S{row_num}", [lesson_vals])

-        print(f"  ✓ {sales_name} {month}: 有效析出={s['total']} 匹配={s['matched']} 转化={s['converted_all']} "
-              f"转化率={s['conv_rate']:.1f}% 退费率={s['refund_rate']:.1f}%")
+        print(f"  ✓ {sales_name} {month}: 总析出={s['total']} 匹配={s['matched']} 转化={s['converted_all']} "
+              f"转化率={s['conv_rate']:.1f}% 退费率={s['refund_rate']:.1f}% GMV={s['gmv']:.2f} GSV={s['gsv']:.2f}")


 # ── 主流程 ──────────────────────────────────────────────
@ -584,8 +591,7 @@ def main():
    if dry_run:
        print("⚠️  DRY-RUN 模式，不会实际写入\n")

-    # 处理两个销售 sheet
-    qhm_data = process_sheet(SHEET_QHM, "曲慧萌", dry_run)
+    # 处理吴迪 sheet
    wd_data = process_sheet(SHEET_WD, "吴迪", dry_run)

    # 汇总统计
@ -593,15 +599,14 @@ def main():
    print("汇总统计 → 统计 sheet")
    print(f"{'='*60}")

-    qhm_stats = compute_stats(qhm_data)
    wd_stats = compute_stats(wd_data)

-    all_stats = {"曲慧萌": qhm_stats, "吴迪": wd_stats}
+    all_stats = {"吴迪": wd_stats}

    if dry_run:
        for sales_name, stats in all_stats.items():
            for month, s in stats.items():
-                print(f"  [DRY-RUN] {sales_name} {month}: 有效析出={s['total']} 匹配={s['matched']} 转化={s['converted_all']} 转化率={s['conv_rate']:.1f}% 退费率={s['refund_rate']:.1f}%")
+                print(f"  [DRY-RUN] {sales_name} {month}: 总析出={s['total']} 匹配={s['matched']} 转化={s['converted_all']} 转化率={s['conv_rate']:.1f}% 退费率={s['refund_rate']:.1f}% GMV={s['gmv']:.2f} GSV={s['gsv']:.2f}")
    else:
        write_all_stats(all_stats, dry_run)

--- a/scripts/refresh_order_summary.py
+++ b/scripts/refresh_order_summary.py
@ -19,7 +19,6 @@ APP_ID = "cli_a929ae22e0b8dcc8"
 APP_SECRET = "OtFjMy7p3qE3VvLbMdcWidwgHOnGD4FJ"
 SPREADSHEET_TOKEN = "NoZqsFi47hIOHEt9j8WcfRtbnug"
 SALES_SHEETS = {"f975f0": "吴迪", "qJF4I": "小龙", "qJF4J": "成都"}
-DIRECT_SHEET = "1sosYE"  # 直购表（小红书店铺+stream-xhs，不依赖手机号匹配）
 SUMMARY_SHEET = "2smjwA"

 def _get_pg_password():
@ -188,24 +187,6 @@ def main():

    print(f"Total rows: {len(all_rows)}")

-    # ── Step 1.5: 读取直购表 ──
-    print(f"Reading 直购...")
-    direct_vals = read_sheet(token, DIRECT_SHEET, "A2:V10000")
-    direct_rows = []
-    for i, row in enumerate(direct_vals):
-        while len(row) < 22:
-            row.append("")
-        b = str(row[1]).strip() if row[1] else ""
-        h = str(row[7]).strip() if row[7] else ""
-        if b or h:
-            direct_rows.append({
-                "sid": DIRECT_SHEET, "name": "直购", "row": i + 2,
-                "raw": row[:22],
-            })
-    print(f"  {len(direct_rows)} non-empty rows")
-    all_rows.extend(direct_rows)
-    print(f"Total rows (with 直购): {len(all_rows)}")
-
    # ── Step 2: 筛选进订单汇总的行 ──
    # 条件：K=是 · O>0 · 非全额退(P空或P<O) · L≥C
    order_rows = []
@ -245,7 +226,7 @@ def main():

    print(f"Order rows after filter: {len(order_rows)}")

-    # ── Step 2.5: 去重（同一人可能在三表+直购中出现多次）──
+    # ── Step 2.5: 去重（同一人可能在三表中出现多次）──
    # 按 (A销售归属, B微信昵称, O下单金额, P退款金额, L下单日期) 去重
    seen = set()
    deduped = []
--- a/scripts/sales_leads_full_refresh.py
+++ b/scripts/sales_leads_full_refresh.py
@ -6,15 +6,15 @@
  1. 读取「小龙」「吴迪」「成都」三个 sheet 的 E 列手机号
  2. XXTEA 加密 → bi_vala_app_account.tel_encrypt 精确匹配 → 获取 account_id
  3. 查询 PostgreSQL 获取用户订单/学习数据
-  4. 填写 H~V 列（自动列），V 列为操作更新时间
-  5. 将三个 sheet 中 K=是（已下单）的用户汇总到「订单汇总」sheet
+  4. 填写 D/H/I/J/K~U/X/Y/Z 列（自动列），U 列为操作更新时间
+  5. 将三个 sheet 中 Y=1（有效订单）的用户汇总到「订单汇总」sheet

 规则（沿用 S2 规则）:
  ① E→H: XXTEA 精确匹配, 查不到留空
  ② H→D/I/J: 只补空, 不覆盖已有值
-  ③ K=是: 仅当 L(下单日) >= C(线索日期)
-  ④ 全额退清: 所有订单都退费 → K/O/P/Q 全部清空
-  ⑤ O/P/Q 0 留空, P 整元
+  ③ Y=1: 仅当 K(下单日) >= C(线索日期)
+  ④ 全额退清: 所有订单都退费 → N/O/P 全部清空
+  ⑤ N/O/P 0 留空, O 整元
  ⑥ G 列不动

 用法:
@ -36,9 +36,9 @@ from phone_encrypt import encrypt_phone
 SPREADSHEET_TOKEN = "NoZqsFi47hIOHEt9j8WcfRtbnug"

 SALES_SHEETS = [
-    ("qJF4I",  "小龙", "A3:V2607"),
-    ("f975f0", "吴迪", "A3:V8149"),
-    ("qJF4J",  "成都", "A3:V2500"),
+    ("qJF4I",  "小龙", "A3:Z2607"),
+    ("f975f0", "吴迪", "A3:Z8149"),
+    ("qJF4J",  "成都", "A3:Z2500"),
 ]

 SUMMARY_SHEET_ID = "2smjwA"
@ -60,6 +60,26 @@ CHANNEL_MAP = {
    "官网": "官网",
 }

+
+def classify_channel(keyfrom):
+    """将 keyfrom 归类为 销转/直购/端内/达人/其他"""
+    if not keyfrom:
+        return ""
+    kf = keyfrom.lower()
+    if any(kw in kf for kw in ["newmedia-daren", "jingxuan", "stream-daren"]):
+        return "达人"
+    if any(kw in kf for kw in ["sales-adp", "stream-wxxd"]):
+        return "销转"
+    if "微信小店" in keyfrom:
+        return "销转"
+    if any(kw in kf for kw in ["app-active", "app-sales", "partner-active"]):
+        return "端内"
+    if any(kw in kf for kw in ["dianpu-", "stream-xhs"]):
+        return "直购"
+    if any(kw in keyfrom for kw in ["抖音", "直购", "小红书"]):
+        return "直购"
+    return "其他"
+
 LOG_FILE = "/var/log/xiaoxi_full_refresh.log"


@ -204,7 +224,9 @@ def parse_sales_sheets(token):
                    "S": safe_cell(row, 18),
                    "T": safe_cell(row, 19),
                    "U": safe_cell(row, 20),
-                    "V": safe_cell(row, 21),
+                    "X": safe_cell(row, 23),
+                    "Y": safe_cell(row, 24),
+                    "Z": safe_cell(row, 25),
                },
            })

@ -299,6 +321,7 @@ def query_all_pg(all_entries, phone_map):
        "has_order": False, "order_date": "", "order_channel": "", "product": "",
        "gmv": 0, "refund": 0, "gsv": 0,
        "activation": "", "lesson_progress": "", "lesson_time": "", "lesson_minutes": 0,
+        "trade_no": "",
    } for uid in uid_set}

    # 3a. 注册信息
@ -354,9 +377,17 @@ def query_all_pg(all_entries, phone_map):
            continue
        info[aid]["has_order"] = True
        latest = olist[0]
-        info[aid]["order_date"] = latest[2].strftime("%Y-%m-%d") if latest[2] else ""
+        # K列格式: M月D日 HH:MM:SS, 同时保留 raw 用于日期比较
+        if latest[2]:
+            dt = latest[2]
+            info[aid]["order_date"] = f"{dt.month}月{dt.day}日 {dt.strftime('%H:%M:%S')}"
+            info[aid]["order_date_raw"] = dt.strftime("%Y-%m-%d %H:%M:%S")
+        else:
+            info[aid]["order_date"] = ""
+            info[aid]["order_date_raw"] = ""
        info[aid]["order_channel"] = latest[3] or ""
        info[aid]["product"] = GOODS_NAMES.get(latest[4], f"商品{latest[4]}")
+        info[aid]["trade_no"] = latest[1] or ""
        total_gmv = sum(o[5] for o in olist) / 100.0
        total_refund = sum(refund_map.get(o[1], 0) for o in olist) / 100.0
        info[aid]["gmv"] = total_gmv
@ -469,7 +500,7 @@ def query_all_pg(all_entries, phone_map):
    return info


-# ═══ Step 4: 写入销售三表 H~V 列 ═══
+# ═══ Step 4: 写入销售三表 D/H/I/J/K~U/X/Y/Z 列 ═══

 def write_sales_sheets(token, all_entries, phone_map, db_info):
    now_str = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
@ -496,7 +527,8 @@ def write_sales_sheets(token, all_entries, phone_map, db_info):
            d_vals, h_vals, i_vals, j_vals = [], [], [], []
            k_vals, l_vals, m_vals, n_vals = [], [], [], []
            o_vals, p_vals, q_vals, r_vals = [], [], [], []
-            s_vals, t_vals, u_vals, v_vals = [], [], [], []
+            s_vals, t_vals, u_vals = [], [], []
+            x_vals, y_vals, z_vals = [], [], []

            for e in g:
                phone = e["phone"]
@ -551,52 +583,70 @@ def write_sales_sheets(token, all_entries, phone_map, db_info):
                    gsv_int = int(di["gsv"])
                    is_full_refund = (gmv_int > 0 and gmv_int == refund_int)

-                    # K=是: 有订单 且 非全额退清 且 L(下单日) >= C(线索日期)
+                    # 有效订单判定: 有订单 且 非全额退清 且 K(下单日) >= C(线索日期)
                    order_date = di["order_date"]
-                    should_k_yes = di["has_order"] and not is_full_refund
+                    should_y_yes = di["has_order"] and not is_full_refund

-                    # 日期比较: L >= C
-                    if should_k_yes and clue_date and order_date:
-                        if order_date < clue_date:
-                            should_k_yes = False
+                    # 日期比较: K >= C (用 raw 格式比较)
+                    order_date_raw = di.get("order_date_raw", "")
+                    if should_y_yes and clue_date and order_date_raw:
+                        if order_date_raw[:10] < clue_date:
+                            should_y_yes = False

                    if is_full_refund:
-                        k_vals.append([""])
+                        n_vals.append([""])
                        o_vals.append([""])
                        p_vals.append([""])
-                        q_vals.append([""])
                    else:
-                        k_vals.append(["是" if should_k_yes else ""])
-                        o_vals.append([gmv_int if gmv_int > 0 else ""])
-                        p_vals.append([refund_int if refund_int > 0 else ""])
-                        q_vals.append([gsv_int if gsv_int > 0 else ""])
+                        n_vals.append([gmv_int if gmv_int > 0 else ""])
+                        o_vals.append([refund_int if refund_int > 0 else ""])
+                        p_vals.append([gsv_int if gsv_int > 0 else ""])

-                    l_vals.append([order_date])
-                    m_vals.append([di["order_channel"]])
-                    n_vals.append([di["product"] if di["has_order"] else ""])
+                    # K: 下单日期, L: 成交渠道, M: 产品
+                    k_vals.append([order_date])
+                    l_vals.append([di["order_channel"]])
+                    m_vals.append([di["product"] if di["has_order"] else ""])

+                    # Q: 激活课程
                    act = di["activation"]
                    if act:
-                        r_vals.append([f"{act}体验课" if act in ("A1", "A2") else act])
+                        q_vals.append([f"{act}体验课" if act in ("A1", "A2") else act])
                    else:
-                        r_vals.append([""])
+                        q_vals.append([""])

-                    s_vals.append([di["lesson_progress"] if di["lesson_progress"] else ""])
-                    t_vals.append([di["lesson_time"]])
+                    # R: 行课进度, S: 最近行课时间, T: 学习时长
+                    r_vals.append([di["lesson_progress"] if di["lesson_progress"] else ""])
+                    s_vals.append([di["lesson_time"]])
                    lm = di["lesson_minutes"]
-                    u_vals.append([lm if lm > 0 else ""])
+                    t_vals.append([lm if lm > 0 else ""])
+
+                    # X: 订单号 — 保留已有
+                    if existing["X"]:
+                        x_vals.append([existing["X"]])
+                    else:
+                        x_vals.append([di.get("trade_no", "")])
+                    # Y: 有效订单 — 保留已有
+                    if existing["Y"]:
+                        y_vals.append([existing["Y"]])
+                    else:
+                        y_vals.append([1 if should_y_yes else ""])
+                    # Z: 渠道归属（销转/直购/端内/达人）
+                    z_vals.append([classify_channel(di["order_channel"])])
                else:
                    for arr in [d_vals, i_vals, j_vals, k_vals, l_vals, m_vals, n_vals,
-                                o_vals, p_vals, q_vals, r_vals, s_vals, t_vals, u_vals]:
+                                o_vals, p_vals, q_vals, r_vals, s_vals, t_vals,
+                                x_vals, y_vals, z_vals]:
                        arr.append([""])

-                v_vals.append([now_str])
+                # U: 更新时间
+                u_vals.append([now_str])

            cols = [
                ("D", d_vals), ("H", h_vals), ("I", i_vals), ("J", j_vals),
                ("K", k_vals), ("L", l_vals), ("M", m_vals), ("N", n_vals),
                ("O", o_vals), ("P", p_vals), ("Q", q_vals), ("R", r_vals),
-                ("S", s_vals), ("T", t_vals), ("U", u_vals), ("V", v_vals),
+                ("S", s_vals), ("T", t_vals), ("U", u_vals),
+                ("X", x_vals), ("Y", y_vals), ("Z", z_vals),
            ]
            for col_letter, vals in cols:
                put_values(token, sid, f"{col_letter}{sr}:{col_letter}{er}", vals)
@ -608,7 +658,7 @@ def write_sales_sheets(token, all_entries, phone_map, db_info):
 # ═══ Step 5: 汇总到「订单汇总」sheet ═══

 def clear_summary_sheet(token):
-    """先清空订单汇总 sheet 的旧数据（A~V列，从第3行开始），再写入新数据。"""
+    """先清空订单汇总 sheet 的旧数据（A~X列，从第3行开始），再写入新数据。"""
    log("  检查订单汇总 sheet 现有数据...")
    try:
        rows = read_sheet(token, SUMMARY_SHEET_ID, "A3:A5000")
@ -621,9 +671,9 @@ def clear_summary_sheet(token):
            log("  订单汇总 sheet 无旧数据，跳过清空")
            return

-        log(f"  清空 A3:V{last_data_row}（{last_data_row - 2} 行旧数据）...")
+        log(f"  清空 A3:X{last_data_row}（{last_data_row - 2} 行旧数据）...")
        writer = FeishuSheetWriter(SPREADSHEET_TOKEN, token)
-        writer.clear(SUMMARY_SHEET_ID, start_row=3, end_row=last_data_row, cols=22)
+        writer.clear(SUMMARY_SHEET_ID, start_row=3, end_row=last_data_row, cols=24)
        log("  清空完成")
    except Exception as e:
        log(f"  清空异常: {e}")
@ -631,22 +681,22 @@ def clear_summary_sheet(token):

 def write_summary_sheet(token, all_entries, phone_map, db_info):
    """
-    将三个销售 sheet 中 K=是（已下单）的行汇总到「订单汇总」sheet。
+    将三个销售 sheet 中 Y=1（有效订单）的行汇总到「订单汇总」sheet。
    先清空旧数据，再全量写入。
    订单汇总 sheet 的列结构（A~X）:
      A: 销售归属, B: 微信昵称, C: 进线日期, D: 体验节数, E: 手机号,
      F: 用户年级, G: 课史/跟进, H: 用户ID, I: 注册日期, J: 下载渠道,
-      K: 是否下单, L: 下单日期, M: 成交渠道, N: 产品,
-      O: 下单金额(GMV), P: 退款金额, Q: 实际收入(GSV), R: 激活课程,
-      S: 当前行课进度, T: 最近行课时间, U: 累计学习时长(min), V: 更新时间,
-      W: 渠道归属(公式), X: 有效成单(公式)
+      K: 下单日期, L: 成交渠道, M: 产品,
+      N: 下单金额(GMV), O: 退款金额, P: 实际收入(GSV), Q: 激活课程,
+      R: 当前行课进度, S: 最近行课时间, T: 累计学习时长(min), U: 更新时间,
+      V: 渠道归属, W: 有效成单, X: 订单号
    """
    # 先清空旧数据
    clear_summary_sheet(token)

    log("  汇总订单数据...")

-    # 收集所有 K=是 的行
+    # 收集所有有效订单的行
    summary_rows = []
    for sid, sname, _ in SALES_SHEETS:
        entries = all_entries[sid]
@ -663,24 +713,24 @@ def write_summary_sheet(token, all_entries, phone_map, db_info):

            di = db_info.get(aid, {}) if aid > 0 else {}

-            # 判断是否下单
+            # 判断是否有效订单
            gmv_int = int(di.get("gmv", 0))
            refund_int = int(di.get("refund", 0))
            gsv_int = int(di.get("gsv", 0))
            is_full_refund = (gmv_int > 0 and gmv_int == refund_int)
            has_order = di.get("has_order", False) and not is_full_refund

-            # 日期比较
-            order_date = di.get("order_date", "")
+            # 日期比较: K(下单日) >= C(进线日期) (用 raw 格式比较)
+            order_date_raw = di.get("order_date_raw", "")
            clue_date = e["clue_date_parsed"]
-            if has_order and clue_date and order_date:
-                if order_date < clue_date:
+            if has_order and clue_date and order_date_raw:
+                if order_date_raw[:10] < clue_date:
                    has_order = False

            if not has_order:
                continue

-            # 构建汇总行
+            # 构建汇总行 (A~X, 24列)
            row_data = [
                e["sales"],                    # A: 销售归属
                e["nickname"],                 # B: 微信昵称
@ -692,43 +742,41 @@ def write_summary_sheet(token, all_entries, phone_map, db_info):
                str(aid) if aid > 0 else "",   # H: 用户ID
                di.get("reg_date", ""),        # I: 注册日期
                di.get("download_channel", ""),  # J: 下载渠道
-                "是",                          # K: 是否下单
-                order_date,                    # L: 下单日期
-                di.get("order_channel", ""),   # M: 成交渠道
-                di.get("product", ""),         # N: 产品
-                gmv_int if gmv_int > 0 else "",  # O: GMV
-                refund_int if refund_int > 0 else "",  # P: 退款金额
-                gsv_int if gsv_int > 0 else "",  # Q: GSV
-                (f"{di['activation']}体验课" if di.get("activation") in ("A1", "A2") else di.get("activation", "")),  # R: 激活课程
-                di.get("lesson_progress", ""),  # S: 行课进度
-                di.get("lesson_time", ""),     # T: 最近行课时间
-                di.get("lesson_minutes", 0) or "",  # U: 学习时长
-                datetime.now().strftime("%Y-%m-%d %H:%M:%S"),  # V: 更新时间
-                # W: 渠道归属 — 公式
-                # X: 有效成单 — 公式
+                di.get("order_date", ""),                    # K: 下单日期
+                di.get("order_channel", ""),   # L: 成交渠道
+                di.get("product", ""),         # M: 产品
+                gmv_int if gmv_int > 0 else "",  # N: GMV
+                refund_int if refund_int > 0 else "",  # O: 退款金额
+                gsv_int if gsv_int > 0 else "",  # P: GSV
+                (f"{di['activation']}体验课" if di.get("activation") in ("A1", "A2") else di.get("activation", "")),  # Q: 激活课程
+                di.get("lesson_progress", ""),  # R: 行课进度
+                di.get("lesson_time", ""),     # S: 最近行课时间
+                di.get("lesson_minutes", 0) or "",  # T: 学习时长
+                datetime.now().strftime("%Y-%m-%d %H:%M:%S"),  # U: 更新时间
+                classify_channel(di.get("order_channel", "")),   # V: 渠道归属
+                1,                             # W: 有效成单
+                di.get("trade_no", ""),         # X: 订单号
            ]
            summary_rows.append(row_data)

-    log(f"  共 {len(summary_rows)} 条下单记录待汇总")
+    log(f"  共 {len(summary_rows)} 条有效订单待汇总")

    if not summary_rows:
-        log("  无下单记录，跳过汇总")
+        log("  无有效订单，跳过汇总")
        return

-    # 写入订单汇总 sheet（从第3行开始，覆盖 A~V 列，W/X 列保留公式）
-    # 使用安全写入工具，自动分批遵守 5000 格上限
-    # 22 列 → 单批最大 200 行（200×22=4400 格 ≤ 5000）
+    # 写入订单汇总 sheet（从第3行开始，A~X 共24列）
    writer = FeishuSheetWriter(SPREADSHEET_TOKEN, token)

-    # 构建 A~V 的值数组（22列），确保每行长度一致
+    # 构建 A~X 的值数组（24列），确保每行长度一致
    values = []
    for row_data in summary_rows:
-        padded = row_data[:22]
-        while len(padded) < 22:
+        padded = row_data[:24]
+        while len(padded) < 24:
            padded.append("")
        values.append(padded)

-    writer.write(SUMMARY_SHEET_ID, start_row=3, rows=values, cols=22)
+    writer.write(SUMMARY_SHEET_ID, start_row=3, rows=values, cols=24)

    log(f"  订单汇总写入完成, 共 {len(summary_rows)} 行")