一句话回答
行为分群按用户做了什么分组,比如购买、使用频率、用过的功能、生命周期阶段,而不是按用户是谁。它比人口属性更能预测下一步,前提是每个分群都写成规则:做过还是没做过、在什么时间窗内、做了多少次。
什么是行为分群?
行为分群(behavioral segmentation)按用户「做了什么」把客户或用户分组:买过什么、多久用一次产品、依赖哪些功能、最近一次活跃在什么时候、处在生命周期的哪个阶段。与之相对的是按「是谁」(年龄、职位、公司规模)或「在哪」(国家、城市)分群。英文里也有 behavioural segmentation(英式拼写)和 behavior segmentation 的写法,说的是同一件事。
按行为分群的理由是预测力。过去的行为是对未来行为最直接的证据:近 30 天里用了 12 天的人,比注册后再没回来过的人更可能升级付费,不管他们的人口属性是什么。问题在于,「活跃用户」「忠诚客户」在写成机器能复算的规则之前都还不是分群。规则要写成:做过还是没做过某个行为、在什么时间窗内、做了多少次。下面的算例用数字说明这两点。
行为分群和人口属性、地域、心理分群的区别
| 依据 | 按什么分人 | 示例分群 | 数据来源 | 优点 | 缺点 |
|---|---|---|---|---|---|
| 行为 | 行为 | 30 天内用了 3 次及以上导出 | 事件埋点、订单 | 能预测下一步;自动更新 | 需要埋点;说明不了原因 |
| 人口属性 | 个人或公司的属性 | 50–200 人规模的公司 | 注册表单、数据补全 | 广告里容易定向 | 和产品使用关联弱 |
| 地域 | 位置 | 来自德国的访客 | IP、账单地址 | 语言、定价、法规需要 | 同一个国家,用户差别很大 |
| 心理 | 态度、价值观、兴趣 | 「重视隐私的买家」 | 问卷、访谈 | 能解释动机 | 收集成本高,容易过时 |
好用的分群大多是组合:用行为找出谁准备好行动了,用人口属性或地域决定怎么触达他们。营销侧的受众搭建,比如广告受众和相似人群,见词条受众分群;作为可复用人群的分群本身另有词条定义。
行为分群有哪些类型
四个行为维度能覆盖大多数实际场景,每个维度对应一种规则写法:
| 维度 | 回答什么问题 | 示例规则 | 典型用途 |
|---|---|---|---|
| 购买行为 | 买了什么、买了多少、最近什么时候买的? | 90 天内购买 2 次及以上,最近一次在 30 天内 | 复购优惠、RFM 分层 |
| 使用频率 | 多久用一次产品? | 近 30 天里活跃 8 天及以上 | 增购、重度用户计划、流失风险 |
| 追求的利益(功能使用) | 用户拿产品来完成什么任务? | 30 天内用过报表、从没用过客服 | 引导使用没用过的功能、产品定位 |
| 生命周期阶段 | 和你的关系处在哪个阶段? | 近 7 天首次出现;或上个月活跃、这个月没有 | 新手引导、召回、生命周期报表 |
营销教材里还常见另外两种。按时机分群按时间点分组(在节日促销期间购买、只在月底活跃)。按忠诚度分群按长期的重复行为分组;实际上它是购买频次和最近一次购买的组合,也就是 RFM(最近一次、频次、金额)规范化的做法。
行为分群规则怎么写
行为分群好不好,取决于规则写得好不好。一条完整的规则有四个部分:
- 行为:一个具体事件,比如
purchase、export_report、login,而不是「活跃」。 - 做过或没做过:纳入(「做过购买」)或排除(「没做过退款」)。精确度大多来自排除条件。
- 时间窗:近 7、30 或 90 天,以今天为基准滚动,分群就能自己更新。
- 次数或门槛:至少一次、3 次及以上、8 个及以上不同的日子。
完整写出来的例子:
- 新增且已激活:近 14 天首次出现,且做过
create_project至少一次。 - 有流失风险:前 30 天里活跃 8 天及以上,且近 14 天活跃 0 天。
- 功能采用者:近 30 天做过
export_report3 次及以上。 - 流失的买家:近 180 天做过
purchase,且近 60 天没做过purchase。
如果团队里两个人按同一条规则算出不同的人数,这条规则就还没写完。
算例:1,000 名用户,四个行为分组
示例数据:一款 SaaS 产品有 1,000 名免费版用户。按每人近 30 天的活跃天数把他们各归入一组,再统计接下来 30 天里谁升级到了付费版。
| 分群(规则) | 用户数 | 升级数 | 升级率 | 相对整体 |
|---|---|---|---|---|
| 重度:近 30 天活跃 8 天及以上 | 150 | 33 | 22.0% | 3.06 倍 |
| 常规:活跃 3–7 天 | 300 | 27 | 9.0% | 1.25 倍 |
| 轻度:活跃 1–2 天 | 350 | 10 | 2.9% | 0.40 倍 |
| 沉睡:活跃 0 天 | 200 | 2 | 1.0% | 0.14 倍 |
| 全部用户 | 1,000 | 72 | 7.2% | 1.00 倍 |
怎么复算:升级率 = 升级数 ÷ 用户数(33 ÷ 150 = 22.0%);「相对整体」= 分群升级率 ÷ 7.2%。重度和常规用户合计 450 人,占用户的 45%,却贡献了 72 次升级中的 60 次(83%)。重度用户和轻度用户之间 22.0% 对 2.9% 的差距远远超出随机波动:两比例 z 检验得到 z ≈ 7.0。
换成按人口属性给同样这 1,000 人分组,比如按公司规模:50 人以下公司的 600 名用户升级了 42 次(7.0%),更大公司的 400 名用户升级了 30 次(7.5%)。差距只有半个百分点,统计上无法区分(z ≈ 0.3,p ≈ 0.76)。在这组样本里,公司规模几乎说明不了谁会升级;而近 30 天的活跃天数能把一个 22% 的组和一个 1% 的组分开。
落到行动上:只针对重度和常规用户做升级活动,覆盖 45% 的用户,却能触达 83% 可能升级的人。沉睡组需要完全不同的信息,是召回序列而不是销售话术,见召回活动。
行为分群用来做什么
每种用法都从一个决策出发,再选出离这个决策最近的那一个行为。规则沿用上文的写法;最右一列是怎么验证这个动作有没有效。
| 目标 | 分群规则 | 动作 | 之后怎么查 |
|---|---|---|---|
| 转化免费用户 | 近 30 天里活跃 8 天及以上,仍在免费版 | 展示升级提示 | 这组的升级率和整体 7.2% 的对比 |
| 召回有风险的用户 | 之前 30 天里活跃 8 天及以上,近 14 天活跃 0 天 | 发送召回序列 | 之后 14 天内重新活跃的比例 |
| 完成新手引导 | 近 14 天首次出现,没做过 create_project | 发送设置帮助 | 建了第一个项目的比例 |
| 推广一个功能 | 30 天内用过 3 次及以上报表,从没用过客服 | 在场景里展示没用过的功能 | 之后 30 天内至少用过一次的比例 |
| 召回买家 | 近 180 天内 purchase 过,近 60 天内没有 | 发送召回优惠 | 复购率,和没收到优惠的一组对比 |
如果不确定从哪开始,先问类型表里哪个维度能推动你眼前的决策。升级促销看使用频率;复购优惠看购买的最近程度;新手引导看生命周期阶段,再加上标志激活的那一个动作。抽象地说,并不存在对所有场景都适用的单一行为。上面的示例里,近 30 天活跃度把 22% 的一组和 1% 的一组分开了,而公司规模什么也没分开,但这只是那个产品的事实,所以在围绕某个维度做活动之前,先在自己的数据上验证。
行为分群和行为群组的区别
这两个词有重叠,也经常混用。一个好用的区分:分群按当前行为定义、会刷新,人随着行为进进出出(「近 30 天活跃 8 天及以上」)。行为群组通常按某个时间点的行为固定下来(「首周用过导出的用户」),然后跟踪他们随时间的变化,比如画在留存图里。要对现在的人采取行动,用分群;要了解某个行为能否预测长期结果,用群组。
行为分群的常见误区
- 时间窗太长。「近 12 个月购买过」把上周刚买的客户和十一个月前买过、早已离开的客户放在一起。先从 30 或 90 天开始,只有行为本身就很少发生时才拉长。
- 分群太多。1,000 名用户分 12 个群,每群平均约 83 人;按 7% 的转化率算,每组大约六次转化,多两次或少两次就让转化率摆动 2.4 个百分点。组少一些、大一些,得出的决定才靠得住。
- 规则含糊。「高度活跃」没有事件、时间窗和门槛,下个月就没法复算。
- 用结果来定义分群。「已经升级的用户」对升级的预测当然完美,但对定向毫无用处。
- 分群重叠却没有优先级。一个用户可能既是「有流失风险」又是「功能采用者」。决定哪个分群优先,或者哪条信息先发。
- 静态名单。只导出一次名单,下周新变成沉睡的用户就不在里面;按规则建的分群应该定期刷新。
按目标整理好的现成分群思路,见用户分群示例。
在 TapCub 里做行为分群
算例里的四个组可以直接建成规则分群,然后在各张报表里复用:
- 用数据定门槛。在全端分析 › 行为分析 › 行为分析里,分布分析可以显示每个人有多少个活跃天,或者每个人触发某个事件多少次。直方图的形状告诉你在自己的产品里「重度」从哪里开始,而不是照搬例子里的 8 天。
- 写规则。在全端分析 › 用户 › 分群与标签里,规则分群可以组合做过、没做过、新增、活跃、属于某分群、序列等条件,并带上时间窗,比如「近 30 天做过购买」。保存前先预览人数。规则分群每天(或手动)刷新,保留近 30 天的人数趋势,并记下谁加入、谁离开。具体步骤见创建用户分群。
- 一处定义,到处使用。点「去分析」会把分群当作分析里的人群限定,同一个「重度用户」定义可以直接筛选漏斗、留存和趋势,不用每张图重建。
- 加上 RFM 和生命周期视角。RFM 分群选一个交易事件和一个金额属性,把人放进 10 个桶(冠军、忠诚、潜力忠诚、新客、有希望、需关注、即将沉睡、有流失风险、不能失去、沉睡),并记录桶之间的流转。生命周期报表按周或按月把人标为新增、留存、回流、流失(New / Returning / Resurrecting / Dormant)。
- 知道边界。匿名访客没有用户档案,不会进入任何分群,所以要先识别登录用户。TapCub 不负责发送营销活动;如果配置了 Webhook,它会把成员变更推送给你自己的触达工具。
资料来源
- Smith, W. R. (1956). Product Differentiation and Market Segmentation as Alternative Marketing Strategies. Journal of Marketing, 21(1), 3–8.
- Haley, R. I. (1968). Benefit Segmentation: A Decision-Oriented Research Tool. Journal of Marketing, 32(3), 30–35.
- NIST/SEMATECH 统计方法电子手册,7.3.3 How can we determine whether two processes produce the same proportion of defectives?(算例中用到的两比例检验)。
这个解释清楚吗?
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。
