客户分群分析：从问题到行动的五步

把客户分组很容易，分析难在判断哪些差别值得行动。本文分五步做客户分群分析：从决定出发，选能观测到的变量，在同一个 KPI 上比较各群，检查规模和稳定性，然后行动并再次测量。

什么是客户分群分析

客户分群分析把客户分成行为不同的几组，再比较这些组，决定对每组做什么。分组是容易的部分，分析在于比较：哪一组的转化、留存或消费不一样，差多少，差别是否大且稳定到值得行动。（术语本身见分群。）

多数指南先列一串分群模型。本文从决定出发，因为该怎么分群，取决于你要拿它做什么。

第一步：从要做的决定出发

先写下决定，再选变量。比如：

• 哪些客户该收到召回邮件，哪些不发也会回来？
• 新手引导改版先针对哪个套餐或渠道？
• 客服时间该花在大客户上，还是新的自助用户上？

每个决定都会指明要比较的 KPI：召回率、激活率、留住的收入。如果说不出 KPI，分群最后只会变成一页幻灯片，而不是行动。

第二步：选能观测到的变量

各种分群模型的主要区别在于数据从哪来。人口属性和心理特征分群需要问卷或 CRM；行为和价值分群直接来自事件数据，所以分析通常从这里开始。下表列出常见模型和各自需要的数据。

每次拆分尽量只用一两个变量。两个变量各三档就是九个群，多数会小到没法比较。

先从事件数据已经支持的模型开始。

第三步：在同一个 KPI 上比较

把各群并排放在第一步定下的 KPI 上，旁边写上人数。示例比较了一家网店的四个行为分群在 30 天复购上的表现：

• 买过两次及以上人数不多，复购却是平均的两倍以上。这是要守住的一组。
• 买过一次、用过收藏的复购明显高于买过一次、没用收藏，虽然两组都只买过一次。收藏是一条线索：可以试试提醒第二组收藏商品。
• 浏览过、没买过是最大的一组，但按定义不可能复购，所以要换一个 KPI（首单率）。

只有每一组都用同样的时间窗口、同样的定义来测，比较才有意义。定义怎么选见留存指标。

第四步：检查规模和稳定性

行动之前检查三件事：

1. 规模。 40 个人的分群，一个月到下个月可能波动十个百分点。每一行都写上人数。
2. 稳定性。 用上一个周期重新算一遍。方向会反转的差别是噪声。
3. 因果还是选择。 用收藏的人复购多，可能只是因为他们本来就更活跃。把差别当作假设，再对分群的一部分采取行动来检验。

第五步：行动，再测一次

每个分群配一个行动、一个 KPI。能做到的话，只对分群的一部分采取行动，其余留作对照，过一段固定时间后比较 KPI。分群会漂移：客户随着购买、流失、回归在各群之间移动，所以要定期重建，而不是建一次就完。这也是它和同期群的区别：同期群在人们加入时就固定了。

TapCub 里的客户分群

TapCub 的分群基于行为和属性。规则分群（做过或没做过某事件、属性、首次访问、行为序列、标签）每天刷新；RFM 分群用一个交易事件和金额，按五分位映射到 10 个分层，比如重要价值、流失风险、沉睡；实时分群在采集时加入；静态分群来自导入的名单。身份可以是用户、设备、访客或账户，每个分群都保留近 30 天的人数趋势（见文档分群）。

分析会把分群作为同期群用于分析，同一张漏斗或留存图就能按分群比较。B2B 场景下，账户按公司聚合已识别用户，并给出 0–100 的健康分（见文档账户）。匿名访客没有用户档案，所以按用户的分群只包含已识别用户。按价值拆分见 RFM；网店场景见电商方案页。

常见问题

什么是客户分群分析？

把客户分成行为不同的几组，在一个 KPI 上比较各组，决定对每组做什么。

客户分群主要有哪些类型？

人口属性、地理、心理特征、行为、价值（比如 RFM），B2B 还有公司属性。行为和价值分群可以直接用事件数据建。

分几个群合适？

能分别采取不同行动、且每个群都大到能比较，就够了。常见是三到六个；几十个通常说明变量组合得太随意。

分群和同期群有什么区别？

同期群按人们加入或头一次做某事的时间固定。分群由规则定义，人们会随行为变化进出。

分群多久刷新一次？

行为分群要定期刷新（每天或每周），让客户随行为在各群之间移动。比较结果时用同样的固定窗口。

另见：帕累托分析。