TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

行为细分变量:8 个信号和分群示例

八个行为细分变量,每个配一条示例分群规则,并用算例比较哪些变量最能区分买家、它们是否重叠。

许安 发布于 2026 年 11 月 20 日 9 分钟阅读 数据分析
示例数据:12,000 个用户中 600 人购买(5.0%)。每个比值是最高段购买率除以最低段购买率,例如最近一次 12.0% ÷ 1.6% = 7.5。示例数据

行为细分变量,是用来给客户分组、被观察到的行动:最近一次、频次、金额、使用深度、兴趣、场合、旅程阶段和获客响应。基于行动的变量通常比来源更能区分买家:12,000 个用户的示例里,最近一次变量最高段的转化率是最低段的 7.5 倍,而获客来源只有 2.0 倍。下面每个变量都配了示例分群规则。

读完你会知道

  • 按「最高段比最低段」在结果上好多少来选变量,不按好不好建
  • 检查重叠:第二个变量只有在第一个变量每一段内部转化率仍不同时才值得加
  • 每个分群写成一句话能说清的规则,并配上不同的动作

什么是行为细分变量?

行为细分变量,就是你用来把客户分成不同群体的、被观察到的行动:最近一次什么时候做了动作、多久做一次、花了多少钱、用产品用得多深、看了什么、什么时候买、处在旅程的哪一段、对哪些活动有反应。和年龄、地区不同,每一个都是「这个人做过的事」,所以会逐周变化,分群也跟着移动。

教科书里的类别比分析数据能提供的要窄。OpenStax 的《市场营销原理》列出的行为依据有利益(客户最看重哪些功能)、场合(人们什么时候买)和使用量(不用、轻度、中度、重度用户),并提到帕累托思路:80% 的收入来自最顶部 20% 的回头客或忠诚客户。分析数据又加上了最近一次、频次和金额、旅程阶段和获客响应。概念本身见 行为细分;这一页是变量清单和选择方法。

可以用哪八个变量来建分群?

#变量衡量什么分群定义示例
1最近一次(Recency)距上次动作多久近 90 天做过「购买」,且近 30 天没做过「购买」(快流失的买家)
2频次(Frequency)窗口内做了多少次近 30 天做过 4 次或以上「访问」
3金额(Monetary)每人带来的收入近 180 天订单总额达到 200 美元或以上
4使用深度用了产品的多少部分近 30 天做过 3 次或以上「导出报表」
5兴趣(所求利益)看了哪些内容或品类看过 /pricing 下的页面至少 2 次,且没有注册
6场合和时间动作发生在什么时候去年假日那一周买过
7旅程阶段新增、留存、回流或流失近 7 天首次出现,且没做过「注册完成」
8获客响应哪个活动或渠道带来了动作从邮件通讯来、且做过「购买」

变量 1 到 3 就是 RFM 三件套。Fader、Hardie 和 Lee 2005 年发表在《营销研究杂志》的论文,把最近一次、频次和金额与客户终身价值联系起来;它把它们当作估算客户长期价值的模型输入,而不是三个互相独立的标签。

变量衡量什么分群定义示例
最近一次距上次动作多久近 90 天买过且近 30 天没买
频次窗口内做了多少次近 30 天访问 4 次或以上
金额每人带来的收入180 天内订单总额 200 美元或以上
使用深度用了产品的多少部分30 天内导出报表 3 次或以上
兴趣看了哪些内容或品类看过 /pricing 两次且没注册
场合动作发生在什么时候去年假日那周买过
旅程阶段新增、留存、回流、流失7 天内首次出现且没注册
获客响应哪个渠道带来了动作从邮件通讯来且买过

定义只是示例,把事件名换成你实际发送的。

数据需要什么,常见的坑是什么?

变量的质量取决于背后的事件。建分群之前,先确认这个事件发送可靠,并且关联到了具体的人。

变量需要的数据常见的坑
最近一次带时间戳的关键动作事件(购买,而不只是访问)用「上次访问」判断购买决策;访问不等于购买
频次固定窗口内同一事件的次数拿新用户的 30 天次数去和老用户的次数比
金额购买事件上作为属性发送的收入混了退款、币种,或含税和不含税的金额
使用深度能预测价值的功能事件把每次点击都算作使用,重度用户其实只是乱点的人
兴趣作为属性的页面或内容品类把一次浏览当成明确的偏好
场合事件日期加上去年的数据拿促销周和平常周比,然后称为习惯
旅程阶段首次出现日期和近期活跃把换了浏览器的人算成新用户
获客响应首次接触时存在人身上的渠道或活动用最近的渠道重新标记,丢掉了第一次的渠道

由此得到两条实用规则。其一,先固定窗口再比较(所有人统一 30 天,而不是「自注册以来」)。其二,写下每个变量用的事件名和属性,这样以后改了埋点,分群不会悄悄变样。

哪些变量最能区分买家?一个算例

示例数据:12,000 个已识别用户,其中 600 人在之后 30 天内购买,基础转化率是 600 ÷ 12,000 = 5.0%。比较四个变量,每个分成三段:

变量分段用户数购买数转化率
最近一次近 7 天活跃2,40028812.0%
最近一次8 到 30 天3,6002166.0%
最近一次超过 30 天6,000961.6%
频次(30 天)1 次访问7,2001442.0%
频次(30 天)2 到 3 次访问3,0002167.2%
频次(30 天)4 次或以上1,80024013.3%
使用深度没用过功能6,0001202.0%
使用深度用过 1 到 2 次4,2002526.0%
使用深度3 次或以上1,80022812.7%
获客响应邮件通讯1,5001208.0%
获客响应自然搜索6,0003005.0%
获客响应付费4,5001804.0%

每个变量各段加起来都是 12,000 用户、600 次购买。最高段转化率除以最低段转化率,衡量它区分买家的能力:

  • 最近一次:12.0% ÷ 1.6% = 7.5
  • 频次:13.3% ÷ 2.0% = 6.7
  • 使用深度:12.7% ÷ 2.0% = 6.3
  • 获客响应:8.0% ÷ 4.0% = 2.0

三个基于行动的变量,区分买家的能力是获客响应的三倍以上,这符合一个想法:人们做了什么,比他们从哪来,更能预测下一步。不过 2.0 的比值也不是没用:邮件通讯的用户转化率 8.0%,即使来源排不上号,也值得用不同的话术。

app.tapcub.com

各变量最高段与最低段转化率之比

示例,12,000 用户
最近一次7.5×
频次6.7×
使用深度6.3×
获客响应2.0×
示例数据
示例数据:12,000 个用户中 600 人购买(5.0%)。每个比值是最高段购买率除以最低段购买率,例如最近一次 12.0% ÷ 1.6% = 7.5。

这些变量之间有重叠吗?

有,盲目叠加会重复计算。最近一次和频次是相关的:上周来过的人更可能来过好几次。要检验第二个变量能不能在第一个变量内部增加信息:

在「近 7 天活跃」里用户数购买数转化率
4 次或以上访问1,00019019.0%
3 次或以下访问1,400987.0%
全部近期用户2,40028812.0%

频次在近期用户里依然能区分买家(19.0% 对 7.0%),所以把两者组合是值得的。如果两半都接近 12%,第二个变量只会多出一条要维护的规则。检验任何第二变量的好办法:在前一个变量的每一段内部,转化率有没有明显不同?

怎么选用哪个变量?

建之前,对每个候选变量问四个问题:

  1. 它能区分结果吗? 用最高段与最低段的比值,像算例里那样;低于约 2,通常改变不了决定。
  2. 每一段够大吗? 不足约 100 人,转化率太嘈杂,无法据以行动。
  3. 你能区别对待吗? 收到和所有人同样信息的分群,是报表,不是分群。
  4. 能保持新鲜吗? 用去年数据算出的变量,分出来的群已经过时。

购买记录齐整的店铺,先从最近一次和频次开始。有功能事件的产品,使用深度往往效果突出,因为它离结果最近。没有登录的内容站,只有兴趣和旅程阶段,而它们没法对应到具体的人。

分群太多是多少?

先从三到五个开始,每个都配不同的动作。规则要能用一句话说清,用动作命名(「快流失的买家」,而不是「分群 7」),并按计划复查。示例里,一套有用的起步分群可以是:快流失的买家(变量 1)、没购买的重度用户(变量 4)、邮件通讯的响应者(变量 8)、没注册的新用户(变量 7)。四条规则,四种信息。如果两个分群会收到同样的信息,就合并。

在 TapCub 里怎么建这些分群?

以上面的算例和「近 7 天活跃且 4 次或以上访问」这个分群为例。在 TapCub 里:

  1. 先让人可识别。 行为分群建在人上,所以人登录时调用 tapcub.login;匿名访客没有档案,不会进入分群。
  2. 定义规则。 在 全端分析 › 用户 › 分群与标签 里创建规则分群,条件可以是做过或没做过某个事件、属性、首次出现、活跃、在另一个分群里、序列、标签、随机分桶或偏好。规则分群每天或手动刷新;实时分群在事件到达时加入人;静态分群粘贴 ID。
  3. 变量 1 到 3 用 RFM 视图。 同一页有 RFM 视图,把人放进 10 个组(如冠军、忠诚、有风险、不能失去、沉睡),并记录组间的移动。
  4. 查看旅程阶段。 在 全端分析 › 行为分析 › 行为分析 里,生命周期视图按周或按月给出新增、留存、回流和流失的人数。
  5. 复用分群。 保存好的分群可以作为群组带进漏斗和留存,看重度用户的转化是否不同,分群还会保留 30 天的人数趋势。

TapCub 不发活动,也没有邮件工具;它定义这个群体,并衡量群体之后做了什么。它不给线索打分。

FAQ

行为细分的变量有哪些?

常见的有最近一次、频次、金额、使用量或使用深度、所求利益、购买场合、旅程阶段和对活动的响应。教科书通常讲利益、场合和使用量;分析数据又加上了 RFM 指标和旅程阶段。

行为细分的例子是什么?

按最近活跃时间拆 12,000 个用户:近 7 天活跃的 2,400 人购买率 12.0%,超过 30 天不活跃的 6,000 人购买率 1.6%。每组用不同的信息,活跃用户用提示,流失用户用召回。

行为细分和人口统计细分有什么不同?

人口统计细分按人是谁(年龄、地区、职业)分组,行为细分按人做了什么分组。行为会变,所以一个人可以在行为分群之间移动,而且它通常更直接地预测下一步动作。

应该用几个行为变量?

先用一两个能区分结果、又能据以行动的,比如最近一次加频次。只有当第三个变量在前两个变量的每一段内部仍然能区分买家时,才加上它。

能按行为细分匿名访客吗?

只能汇总来看。在 TapCub 里匿名访客没有档案,不会进入分群。要建到人的行为分群,需要用登录调用识别人。

资料来源

归档:数据分析

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

许安

客户体验顾问

关注在线客服、访客沟通与自助服务,分享常见问题的处理思路和可复用流程,让每一次沟通更清晰有效。

用真实事件建行为分群

规则、静态和实时分群,RFM 分组和生命周期人数,可作为群组复用于漏斗和留存。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie