lifestyle-creep

生活方式膨胀检测器

概述

比较 6 至 12 个月内各类支出，找出逐渐增加且往往不易察觉的支出——这就是典型的“生活方式膨胀”：收入增长的同时，储蓄却被侵蚀。突出显示支出逐渐上升的类别及其增幅。

使用的 Wilson 工具

• spending_summary — 提取多个⽉的分类支出，以便比较不同时间段

工作流

1. 运行 spending_summary，获取最近 3 个月各类别的当前平均支出。

2. 运行 spending_summary，获取 6 个月前那个 3 个月时间段的基准值（例如，现在是 2026 年 4 月，则提取 2025 年 10 月至 12 月的数据）。

3. 对每个类别，计算：

   • 金额变化：当前平均值 - 基准平均值
   • 百分比变化：(current - baseline) / baseline * 100

4. 标记支出增长超过 15% 且每月超过 $50 的类别。这些类别可能存在生活方式膨胀。

5. 按金额增幅从高到低排列标记的类别。

6. 展示结果：

   LIFESTYLE CREEP ANALYSIS (6-month comparison)
   ══════════════════════════════════════════════════════
   Category         6mo Ago    Now        Change    %
   ──────────────   ────────   ────────   ───────   ────
   Dining Out       $280       $420       +$140     +50%  !!
   Shopping         $350       $480       +$130     +37%  !!
   Groceries        $520       $580       +$60      +12%
   Entertainment    $120       $165       +$45      +38%  !
   Transportation   $200       $195       -$5       -3%
   ══════════════════════════════════════════════════════
   Total Creep: +$370/mo  |  Annual Impact: +$4,440/yr
   

7. 计算所有标记增幅的年度总影响。

8. 如需更深入分析，可将回溯范围延长至 12 个月，以区分季节性模式和真正的生活方式膨胀。

9. 提出目标：“如果你将外出就餐和购物支出恢复到 6 个月前的水平，每年可节省 $3,240。”

不使用 Wilson 时

1. 从银行导出 12 个月的交易记录，保存为 CSV。
2. 在 Google Sheets 中打开文件。添加一列“月份”，使用 =TEXT(A2, "YYYY-MM")，其中 A2 是交易日期。
3. 创建数据透视表：行 = 类别，列 = 月份，值 = 金额总和。
4. 在每个类别下方新建一行，分别计算前 3 个月和最后 3 个月的平均值。
5. 添加“变化”列：=AVERAGE(last 3 months) - AVERAGE(first 3 months)。
6. 添加“变化百分比”列：=Change / ABS(AVERAGE(first 3 months)) * 100。
7. 设置条件格式：将“变化”> $50 且“变化百分比”> 15% 的行标红。
8. 为每个标记的类别创建折线图，直观确认上升趋势（选中每月总额行，然后依次选择“插入”>“图表”>“折线图”）。
9. 常见的生活方式膨胀类别：外出就餐、咖啡馆、服装、订阅升级、杂货店购物（从购买平价品牌转为购买高端品牌）、从乘坐公共交通转为使用网约车。

重要说明

• 并非所有支出增长都是生活方式膨胀。通货膨胀、家庭新成员或必要开支变化都属于合理情况。请结合具体情况检查标记的项目。
• 季节性影响可能看起来像生活方式膨胀，例如第四季度的节日支出、夏季旅行、开学季购物。比较 6 个月的数据有助于平滑其中一些影响。
• 加薪、获得奖金或还清债务后，最容易出现生活方式膨胀。收入增加后 3 个月内运行此技能。
• 目标不是消除所有支出增长，而是让增长出于有意识的选择。为重视的事物增加支出并无不妥；问题在于支出悄然增加而自己没有察觉。