说明

ZOYI 正在开发一款名为 Channel 的工具，该工具提供了与网站在线用户交流的功能。最近，ZOYI 引入了 RF（近期度 / 频率）模型来区分使用 Channel 的用户，并决定通过以下计算对用户进行分类。

:::align{center} :::

图：RF Channel 中的用户区分。横轴代表近期度，纵轴代表频率。

$(0 < f_1 < f_2 < f_3 < f_4, 0 < r_1 < r_2 < r_3 < r_4, \text{所有 } f_i \text{ 和 } r_i \text{ 均为整数。})$

$x$ 轴代表近期度，$y$ 轴代表频率。所有在线用户根据其连接记录被赋予 $r$ 和 $f$ 值，并被分类为以下十二种状态之一：

• “New Customer”
• “Promising”
• “About to Sleep”
• “Hibernating”
• “Lost”
• “Potential Loyalist”
• “Need Attention”
• “About to Leave”
• “Champion”
• “Loyal Customer”
• “Can't Lose Them”
• “None”

其中，“None” 表示该用户没有连接服务器的记录。如果 $(r, f)$ 位于两个或更多分类边界上，则遵循 $(r - 0.5, f - 0.5)$ 的分类。例如，如果 $(r, f)$ 的值为 $(r_4, f_2)$，则被分类为 “Hibernating”；如果值为 $(r_3, f_4)$，则被分类为 “Loyal Customer”。

你想要调查一个对 RUN 感兴趣的用户状态，因此你尝试按以下方式安装程序：

• $r$：如果当前时间为 $t$，则 $r = t - \text{（最近访问时间）}$
• $f$：访问次数

给定网站用户的事件，编写一个程序，根据上图对用户进行分类。

输入格式

第一行包含四个由空格分隔的整数 $r_1, r_2, r_3, r_4$。

第二行包含四个由空格分隔的整数 $f_1, f_2, f_3, f_4$。

第三行包含一个整数 $N$。

接下来 $N$ 行按时间顺序给出事件，其中第 $i$ 个元素表示发生在时间 $i$ 的事件。

每个事件由空格分隔的 $A$ 和 $B$ 给出，其中 $B$ 是用户名，不包含空格且最多由 10 个字母组成。$A$ 的值为 $1$ 或 $2$，其中 $1$ 表示用户进入网站，$2$ 表示你需要输出该用户的分类。

输出格式

对于 $A$ 为 $2$ 的事件，在每行中输出该用户的分类（不包含引号）。

1 2 3 4
1 2 3 4
8
1 RUN
1 Alex
2 Alex
1 RUN
1 RUN
1 Alex
2 Alex
2 RUN

New Customer
Potential Loyalist
Need Attention

提示

在时间 $3$，Alex 的连接状态为 $f = 1$（首次访问），$r = 1$（时间 $3 - 2 = 1$）。因此，Alex 被分类为 “New Customer”。

在时间 $7$，Alex 的连接状态为 $f = 2$（第二次访问），$r = 1$（时间 $7 - 6 = 1$）。因此，Alex 被分类为 “Potential Loyalist”。

在时间 $8$，RUN 的连接状态为 $f = 3$（第三次访问），$r = 3$（时间 $8 - 5 = 3$）。因此，RUN 被分类为 “Need Attention”。

数据范围

• $1 \le N \le 100,000$
• $0 < r_1 < r_2 < r_3 < r_4 \le 10,000$
• $0 < f_1 < f_2 < f_3 < f_4 \le 10,000$

翻译由 DeepSeek V3.2 完成