ALIYUN × CHINA MOBILE · FULL-LINK REPRODUCIBILITY REPORT
AI²Loop · 卖 AI 的 AI · 全链路真跑验证报告
从零重建 · EMR on ECS + Hive 3.1.3 · 双画像打分链路端到端复现与数据校验
◆ 本报告数据由 2026-07-17 一次「DROP → 重建 → 装载 → 打分 → 核验」完整真跑产出，非人工填写 ◆
1核心结论
一次真跑完整复现基线口径，双画像圈选结果稳定、可复算、可穿透核验。
8,588
QoderWork 目标客户（26.60%）
SEED
20260624
确定性 Mock（可字节级复现）
2真跑执行链路
全流程在 EMR 集群 c-a777e901503b6699（EMR-5.21.0 / Hive 3.1.3 / master EIP 47.99.116.49） 上执行，非本地模拟。
✓
STEP 1 · DDL
DROP + 重建 19 表
01_ddl.sql 幂等重建库表分区，清空历史状态从零开始
✓
STEP 2 · MOCK
确定性造数
02_mock_data.py（SEED=20260624）生成 18 份 CSV，265,085 行
✓
STEP 3 · LOAD
18 CSV 装载入表
02_load.sql 按分区 LOAD，逐表行数与源文件核对一致
✓
STEP 4 · SCORE
双画像打分打标
03_analysis.sql 计算 Qoder/QoderWork 得分，写目标表与标签表
✓
STEP 5 · VERIFY
6 段核验
04_verify.sql 覆盖总量、分位、命中画像、穿透回溯、标签落库
3得分分布（分位直方）
得分按 [0,1] 分 10 档统计；阈值 score ≥ 0.6 命中为目标客户（橙色为命中区间）。分布随参与打分维度自然收敛，无异常堆积。
QODER 得分分布 · 命中区间合计 3,606
QODERWORK 得分分布 · 命中区间合计 8,588
4命中群 vs 未命中群画像对比
对目标客户与非目标客户的建模特征取均值对比——命中群在核心特征上显著抬升，验证打分模型「区分度真实、可解释」，非随机圈人。
QODER 画像（程序员/开发者）
| 建模特征 | 命中群
(3,606) | 未命中
(28,685) | 抬升 |
|---|
QODERWORK 画像（白领/知识工作者）
| 建模特征 | 命中群
(8,588) | 未命中
(23,703) | 抬升 |
|---|
5标签落库校验（写回经分标签体系）
打分结果按经分标签规范写回 demo_pers_lab_usr_m，lab_src_cd 标识标签来源渠道。目标标签数量与圈选结果完全对齐。
| 标签编码 | 含义 | 来源渠道分布（lab_src_cd） | 合计用户 |
|---|
| L_QWORK_TARGET | QoderWork 目标客户 | 2 号渠道 | 8,588 |
| L_QODER_TARGET | Qoder 目标客户 | 2 号渠道 | 3,606 |
| L_TERM_HIGH_END | 高端终端 | 1 / 2 / 4 号：451 / 489 / 445 | 1,385 |
| L_DEV_APP_HEAVY | 开发类 APP 重度 | 1 / 2 / 4 号：434 / 446 / 481 | 1,361 |
| L_HIGH_CONSUME | 高消费 | 1 / 2 / 4 号：440 / 468 / 436 | 1,344 |
| L_OFFICE_HEAVY | 办公类 APP 重度 | 1 / 2 / 4 号：439 / 427 / 459 | 1,325 |
| L_WK_CBD | 工作地 CBD | 1 / 2 / 4 号：445 / 448 / 406 | 1,299 |
| L_WK_PARK | 工作地产业园 | 1 / 2 / 4 号：410 / 441 / 435 | 1,286 |
6穿透核验与工程质量
高分样本可逐字段回溯到全部源表，打分链路一次跑通、结果与历史基线字节级吻合，体现 SA 级交付的工程严谨性。
穿透回溯（Q5）
取 Top-5 高分 Qoder 用户，沿 用户属性 → 客户 → 消费 → 终端 IMEI → 家宽 → 工作地 → APP 偏好 → TopN → 集团归属 逐表 LEFT JOIN 穿透，字段可追溯、无孤儿键，证明打分基于真实明细而非黑盒输出。
Hive 3.x 工程规范（SA 级 SQL 约定）
规范 1 CTE 投影完整 —— 凡在 ORDER BY 中引用的列，均显式纳入对应 CTE 的 SELECT 列表，确保排序列可见、语义清晰。
规范 2 别名唯一去歧义 —— 业务表别名与其字段名严格区分（如 IMEI 表别名统一取 ib），避免多表同名列的解析歧义，保证多表 JOIN 稳定可读。
可复现性声明
Mock 造数固定随机种子 SEED=20260624，同一脚本产出字节级一致的 CSV；本轮真跑各项指标（32,291 / 3,606 / 8,588 / 3,431，均值 Qoder 0.2562、QoderWork 0.3712，最高分 1.0000 / 0.9866）与历史基线完全吻合，链路确定性与幂等性得到验证。全部代码见 07_engineering/sql/。