TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是客户细分(customer segment)?定义、类型和算例

客户细分是一组你会区别对待的客户。四种划分依据,判断细分有没有用的五个问题,以及一个行为分法让响应率相差六倍、按国家分却毫无区别的算例。

奥利弗·里德 审核人 艾玛·柯林斯 又称 客群 最后更新 2026 年 11 月 19 日 术语表

一句话回答

客户细分是共享某个可定义特征(行为、地区、公司规模等)、并预期会和其他组反应不同的一组客户。只有你会对它采取不同动作,它才有用。

客户细分是什么

客户细分(customer segment,也叫客群)指有一个可以定义的共同特征、并且预期会和其他组反应不同的一组客户。特征可以是他们是谁(国家、公司规模),做了什么(90 天内买过两次),或想要什么(宁可便宜也不要快)。这个想法可以追溯到 Wendell Smith 1956 年发表在 Journal of Marketing 的观点:市场不是一整块,而是由需求不同的几组人构成,企业应当让自己的供给去适应他们(Smith 1956)。

「细分」这个组本身叫 segment,把客户切成这些组的动作叫 segmentation。两个词常被混用,过程方面见 受众细分。

检验一个细分,不是看它在数据里存不存在,而是看你会不会对它的成员区别对待。如果两个细分你会发同样的消息、给同样的优惠,它们就是同一个细分。

四种常见的划分依据

依据按什么分组规则示例优点缺点
人口或企业属性他们是谁公司规模 50–200 人在 CRM 里很好找预测不了他们接下来会做什么
地理他们在哪来自德国的访客对语言、税务、配送很清楚很少能说明意图
行为他们做了什么最近 90 天买过两次对下一步动作的预测力更强需要事件数据和时间窗口
需求或心理他们想要什么、相信什么「只挑价格低的」能解释原因需要调研,难以落到个人

多数实际用的细分会叠两种依据,比如「回头客(行为)且在欧盟(地理)」。叠得越多,每组越小,小到没法比较就该停。

判断细分有没有用的清单

保留一个细分之前,问五个问题。营销教材的说法各有不同,这里是一个实用版本。

  1. 能识别成员吗? 系统能判断的规则(「90 天内没买过」)胜过一种感觉(「爱比价的人」)。
  2. 这一组够大吗? 如果算不出稳定的转化率,它就指导不了决策:只有几十个人时,多一张订单就让比率晃好几个点。
  3. 能触达吗? 如果没有任何渠道只触达这些人,这个细分只是分析,不是行动。
  4. 它的反应不同吗? 这是真正的检验,下一节演示怎么做。
  5. 有不同的动作吗? 不同的消息、优惠、客服路径或产品改动。没有,就合并。

算例:这几个细分的行为真的不同吗?

示例数据:邮件列表里有 4,000 位客户,所有人都收到同一封 9 折邮件。细分用规则定义,不靠猜。

细分(规则)客户数邮件带来的订单响应率
回头客(90 天内 2 单以上)6007212.0%
单次购买者(一共只买过 1 单)1,900955.0%
已流失(买过,但 90 天内没买)1,100333.0%
从未购买(只注册过)40082.0%
合计4,0002085.2%

复算:600 + 1,900 + 1,100 + 400 = 4,000,72 + 95 + 33 + 8 = 208,整体响应率 208 ÷ 4,000 = 5.2%。

再对比一种听上去合理、实际没有区别的切法。把同样的 4,000 人按国家分:美国 2,000 人,其他地区 2,000 人,各有 104 张订单,两边响应率都是 104 ÷ 2,000 = 5.2%。国家给了你两个标签,却没有带来这次优惠上的行为差异,所以对这次决策来说不是有用的细分。行为分法的响应率从 12.0% 到 2.0%,相差六倍。

判断规则:保留那些响应差异大到会改变动作的切法。这里回头客也许根本不需要折扣,已流失的客户可以收到召回消息,而不是同一张优惠券。

对上面的表要提醒一点:小分组给出的比率不稳。比率的 95% 误差范围可以粗略地按 1.96 × √(p × (1 − p) ÷ n) 来估,也就是 NIST 手册 里讲的正态近似。回头客:12.0% ± 2.6 个百分点。单次购买者:5.0% ± 1.0。已流失:3.0% ± 1.0。从未购买:2.0% ± 1.4。后两者的范围(2.0 到 4.0 和 0.6 到 3.4)有重叠,所以在这份样本上分不出它们的差别,也许可以一样对待。

客户细分、画像、同期群和聚类

术语它是什么怎么产生
细分用规则对数据定义出的一组人你写的规则,或你跑的模型
画像代表某个细分的虚构人物档案调研和写作
同期群有共同起点事件的人,比如同一周注册起始事件的时间
聚类算法在没有标签的情况下找出的组统计模型
RFM 分组按最近一次购买、频次、金额得到的细分给近期购买打分

画像是你讲的关于某个细分的故事,它不是细分本身。同期群看的是人们什么时候开始,细分看的是人们现在是什么、做什么。

常见误区

  • 细分太多。 十二组、每组 150 人,没法比较。先从三到五组开始。
  • 有名字没有动作。「发烧友」没有对应的计划,只是一页幻灯片,不是细分。
  • 给会变的客户贴静态标签。 行为会变,会重新计算的规则比一次性建好的名单更稳。
  • 一个名字里混几种依据。「年轻、城市、爱占便宜的人」叠了三种依据,看不出到底哪一种在驱动行为。
  • 只看细分的大小。 一小群回头客的价值,可能超过一大群只看不买的人。
  • 把匿名访客当客户。 只有跨多次访问能认出来的人,才能被细分。

想看更长的做法,读博客 客户细分分析。

在 TapCub 里做客户细分

把上面的邮件例子放进 TapCub 里做一遍。

  1. 定义规则。 打开 全端分析 › 用户 › 分群与标签,新建一个规则分群,例如「90 天内至少做过两次购买」。条件可以用做过或没做过、用户属性、首次出现、活跃、属于另一个分群等。先预览人数再保存。
  2. 让它自动刷新。 规则分群每天刷新(也可手动刷新),每个分群保留 30 天的人数趋势,所以发了召回消息之后,能看到「已流失」这一群在变小。
  3. 有订单时用 RFM。 RFM 分群取一个交易事件和一个金额属性,把人分到 10 个桶里(冠军、忠诚、潜在忠诚、新客、有潜力、需关注、将沉睡、有风险、不能失去、沉睡),并记录桶之间的移动。
  4. 按分群分析。 用 分析 把分群作为群组带进漏斗和留存,对比不同分群的转化。

要知道的限制:匿名访客没有档案,永远不是分群成员,所以先用 tapcub.login 识别登录用户。TapCub 不发邮件、不做营销活动,分群要拿到你自己的发送工具里用;TapCub 只负责衡量结果。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

奥利弗·里德

产品体验专员

关注产品易用性、使用路径与功能采用,通过具体场景拆解从首次体验到持续使用的关键环节。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

客户细分的例子有哪些?

最近 90 天买过两次的客户。这条规则系统能判断,这一组能通过邮件触达,成员的反应也和只买过一次或从没买过的人不同。

客户细分的四种类型是什么?

人口或企业属性(他们是谁)、地理(他们在哪)、行为(他们做了什么)、心理或需求(他们想要什么)。实际用的细分通常叠两种。

应该设几个客户细分?

先从三到五个开始。每个都要大到能给出稳定的转化率,也要不同到需要自己的动作。十二个、每个 150 人的细分没法比较。

客户细分和用户画像有什么区别?

细分是用规则对数据定义出的一组人;画像是为代表某个细分而写的虚构档案。画像帮人想象这组人,但不决定谁在这一组里。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

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