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 | 2,400 | 288 | 12.0% |
| 最近一次 | 8 到 30 天 | 3,600 | 216 | 6.0% |
| 最近一次 | 超过 30 天 | 6,000 | 96 | 1.6% |
| 频次(30 天) | 1 次访问 | 7,200 | 144 | 2.0% |
| 频次(30 天) | 2 到 3 次访问 | 3,000 | 216 | 7.2% |
| 频次(30 天) | 4 次或以上 | 1,800 | 240 | 13.3% |
| 使用深度 | 没用过功能 | 6,000 | 120 | 2.0% |
| 使用深度 | 用过 1 到 2 次 | 4,200 | 252 | 6.0% |
| 使用深度 | 3 次或以上 | 1,800 | 228 | 12.7% |
| 获客响应 | 邮件通讯 | 1,500 | 120 | 8.0% |
| 获客响应 | 自然搜索 | 6,000 | 300 | 5.0% |
| 获客响应 | 付费 | 4,500 | 180 | 4.0% |
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。
各变量最高段与最低段转化率之比
示例,12,000 用户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 | 1,000 | 190 | 19.0% |
| 3 次或以下访问 | 1,400 | 98 | 7.0% |
| 全部近期用户 | 2,400 | 288 | 12.0% |
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:
- 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。
- 每一段够大吗? 不足约 100 人,转化率太嘈杂,无法据以行动。
- 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。
- 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:
- 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。 - 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。
- 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。
- 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。
- 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
- OpenStax。市场营销原理,5.1 市场细分与消费者市场:利益、场合和使用量细分;80/20 的说法。核对日期 2026-11-20。
- Peter S. Fader、Bruce G. S. Hardie、Ka Lok Lee。RFM and CLV: Using Iso-Value Curves for Customer Base Analysis。《营销研究杂志》42(4),2005:把最近一次、频次、金额与客户终身价值联系起来。
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。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

