import streamlit as st
import pandas as pd
import plotly.express as px

st.title("AI 销售分析看板")

uploaded_file = st.file_uploader("上传 CSV")
if uploaded_file:
    df = pd.read_csv(uploaded_file)
    
    category = st.selectbox("选择品类", df['category'].unique())
    filtered_df = df[df['category'] == category]
    
    st.plotly_chart(px.line(filtered_df, x='date', y='sales'))
    
    st.write("### AI 洞察")
    if st.button("生成洞察"):
        st.info("AI 正在分析趋势... (模拟)")

# 本周核心结论
1. 结论一（数据支持）：
2. 结论二（数据支持）：

# 关键指标
| 指标 | 本周 | 上周 | 环比 |
| --- | --- | --- | --- |
| GMV |  |  |  |
| 转化率 |  |  |  |

# 发现-证据-建议
- 发现：...
- 证据：...
- 建议：...

# 风险与待验证假设
- 风险：
- 待验证：

结论示例：
1) GMV 环比 +12%（paid_amount），主要贡献来自「家电」品类 (+18%)。
2) 毛利率下降 1.6pp（cost_amount 上升 + 运费上升）。
3) 复购率从 23% 降至 19%，主要下滑来自「新客渠道」。

证据：
- 品类维度：category_id
- 成本维度：cost_amount, shipping_fee
- 渠道维度：first_touch_channel

建议：
- 下周促销重点从低毛利品类转移到家电/高毛利品类。
- 新客渠道加入首单包邮测试，观察复购回升。

结论示例：
1) 主题「AI 工具」完读率 42% 高于均值 9pp（finish_count/view_count）。
2) 晚上 20-22 点发布的内容转化率最高（conversion_count/view_count）。
3) 作者 A 的 CTR 高但完读率低，说明标题吸引但内容承接不足。

证据：
- 主题维度：topic_id
- 时间维度：publish_at
- 行为维度：view_count, finish_count, duration_sec

建议：
- 强化 AI 工具主题的内容密度与更新频次。
- 优化作者 A 的内容结构，减少标题与正文落差。

1. 本周 GMV & 订单数变化（按渠道）
2. Top 品类贡献与毛利
3. 促销效果评估（增量/提前购买）
4. 复购率与新客占比变化
5. 风险提示与下一步行动

1. 内容发布节奏（按频道/作者）
2. 完读率与停留时长
3. 转化路径（阅读 → 注册/下单）
4. Top/Bottom 主题对比
5. 优化建议与实验计划