你了解客群分類(lèi)嗎？怎樣選擇最優(yōu)的客群分類(lèi)方法？文章作者對(duì)比了企業(yè)A和企業(yè)B的分類(lèi)機(jī)制，希望能給大家?guī)?lái)一些啟發(fā)。

在市場(chǎng)調(diào)研和用戶研究中，企業(yè)通常會(huì)根據(jù)自己的定位和目標(biāo)，選擇適合于自己的客群分類(lèi)模型，不同類(lèi)型企業(yè)分類(lèi)依據(jù)各有不同。

過(guò)去半年，騰訊CDC有幸與客群分類(lèi)方法非常不同的零售企業(yè)A和企業(yè)B分別進(jìn)行了合作研究，發(fā)現(xiàn)企業(yè)A的客群分類(lèi)簡(jiǎn)單明了，企業(yè)B全面細(xì)致。

一、企業(yè)A

分類(lèi)關(guān)鍵變量：客單價(jià)

客單價(jià)是衡量購(gòu)買(mǎi)力的重要指標(biāo)。企業(yè)A根據(jù)用戶過(guò)去一年的行為，計(jì)算出用戶過(guò)去一年的平均客單價(jià)，以400元客單價(jià)為界，劃分出客群，此后在高價(jià)值用戶中根據(jù)過(guò)去一年的購(gòu)買(mǎi)頻次和注冊(cè)時(shí)間又細(xì)分出三種客群類(lèi)型。

△企業(yè)A客群分類(lèi)，來(lái)自騰訊智慧零售數(shù)據(jù)

這種以客單價(jià)為分界的分類(lèi)機(jī)制簡(jiǎn)單明了，清楚的界定了高價(jià)值用戶。但在調(diào)研中，CDC的研究員發(fā)現(xiàn)，低價(jià)值用戶中存在消費(fèi)頻次高，客單價(jià)低的用戶（由于消費(fèi)頻次高，客單價(jià)相對(duì)較低），他們的消費(fèi)總額與高價(jià)值用戶相似，甚至高于某些高價(jià)值的用戶。

如果使用這種客單價(jià)一刀切的客群分類(lèi)方式，這些低客單高頻用戶是否屬于被遺漏的高價(jià)值用戶？客單價(jià)高，但頻率非常低的用戶是否屬于被高估的低價(jià)值用戶？相比較，企業(yè)B的分類(lèi)方式維度多，更為全面。

二、企業(yè)B

分類(lèi)關(guān)鍵變量：上一次購(gòu)買(mǎi)時(shí)間，購(gòu)買(mǎi)頻次，訂單貢獻(xiàn)金額

企業(yè)B根據(jù)用戶首單時(shí)間先劃分大類(lèi)，然后根據(jù)購(gòu)買(mǎi)頻次和訂單金額綜合再細(xì)分有效、活躍、忠誠(chéng)等維度客群。

△企業(yè)B客群分類(lèi)，來(lái)自騰訊智慧零售數(shù)據(jù)

此后在忠客群體中根據(jù)人群特點(diǎn)，購(gòu)買(mǎi)行為，訂單金額等進(jìn)一步細(xì)分為上班族女，上班族男，健身達(dá)人，寶媽?zhuān)彝ブ鲖D/夫和其他群體。

△企業(yè)B客群分類(lèi)，來(lái)自騰訊智慧零售數(shù)據(jù)

我們看到企業(yè)B的分類(lèi)較企業(yè)A的分類(lèi)維度多。在進(jìn)行忠客的識(shí)別中，考慮了上一次購(gòu)買(mǎi)時(shí)間，購(gòu)買(mǎi)頻次和訂單貢獻(xiàn)金額，較為全面，與客群分類(lèi)的RFM模型相符合。

在RFM模型中，R(Recency)表示客戶最近一次購(gòu)買(mǎi)的時(shí)間有多遠(yuǎn)，F(xiàn)(Frequency)表示客戶在最近一段時(shí)間內(nèi)購(gòu)買(mǎi)的次數(shù)，M (Monetary)表示客戶在最近一段時(shí)間內(nèi)購(gòu)買(mǎi)的金額。根據(jù)RFM，可以分析對(duì)企業(yè)價(jià)值高的用戶分別是哪些，例如：

• 重要價(jià)值客戶：最近消費(fèi)時(shí)間近，消費(fèi)頻次和消費(fèi)金額都很高
• 重要保持客戶：最近消費(fèi)時(shí)間較遠(yuǎn)，但消費(fèi)頻次和金額都很高
• 重要發(fā)展客戶：最近消費(fèi)時(shí)間較近，消費(fèi)金額高，但頻次不高，忠誠(chéng)度不高
• 重要挽留客戶：最近消費(fèi)時(shí)間較遠(yuǎn)，消費(fèi)頻次不高，但消費(fèi)金額高的用戶

△RFM客群分類(lèi)示意，原圖片來(lái)自百度百科

基于RFM的用戶分類(lèi)，可以針對(duì)不同的用戶群體制定相應(yīng)的營(yíng)銷(xiāo)目標(biāo)和營(yíng)銷(xiāo)方案，例如，對(duì)于重要的挽留客戶（最近消費(fèi)時(shí)間較遠(yuǎn)，消費(fèi)頻次不高，但消費(fèi)金額高的用戶），營(yíng)銷(xiāo)的重點(diǎn)可以是如何觸發(fā)下一次購(gòu)買(mǎi)，防止流失。

同時(shí)，對(duì)于每一類(lèi)用戶群體，可以進(jìn)一步細(xì)分（例如企業(yè)B對(duì)忠客進(jìn)一步分為5組人群），理解各類(lèi)用戶群體深層的需求，企業(yè)最核心價(jià)值的用戶是哪一群人，企業(yè)為他們提供了什么價(jià)值，以此可以協(xié)助企業(yè)發(fā)展?fàn)顟B(tài)的判斷，企業(yè)發(fā)展目標(biāo)戰(zhàn)略的制定等。

相對(duì)比企業(yè)A的客單價(jià)分類(lèi)法，企業(yè)B的RFM分類(lèi)法優(yōu)勢(shì)突出，既識(shí)別了不同價(jià)值的用戶群體，亦無(wú)遺漏。那么如何才能實(shí)現(xiàn)RFM模型分類(lèi)呢？

從數(shù)據(jù)來(lái)源來(lái)看， RFM分類(lèi)需要更多的用戶行為數(shù)據(jù)，也就是更多數(shù)據(jù)的觸點(diǎn)；同時(shí)，RFM對(duì)用戶的分類(lèi)不是一成不變，靜止不動(dòng)的，高價(jià)值的忠實(shí)用戶可能因?yàn)闋I(yíng)銷(xiāo)不當(dāng)而流失，而流失用戶也可能再度被召回變成忠實(shí)用戶，需要對(duì)用戶的動(dòng)態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和更新。

這對(duì)傳統(tǒng)的，以線下業(yè)態(tài)為主的企業(yè)是一個(gè)巨大挑戰(zhàn)：數(shù)據(jù)觸點(diǎn)的不完善，難以對(duì)用戶進(jìn)行較好的分類(lèi)和價(jià)值識(shí)別。為了幫助零售企業(yè)解決這個(gè)難題，騰訊智慧零售通過(guò)多元化的解決方案協(xié)助零售企業(yè)提升數(shù)字化的能力，幫助零售企業(yè)精準(zhǔn)的服務(wù)客戶。

除了RFM模型，還有其他許多幫助評(píng)估用戶價(jià)值的方法，例如CLV模型（客戶生命周期價(jià)值），因?yàn)榭蛻羯芷诘挠绊懸蛩胤浅６?，CLV模型的計(jì)算公式非常多，例如：

CLV（客戶生命周期價(jià)值）=LTV（客戶終身價(jià)值）-CAC（獲客成本）-COC（客戶運(yùn)營(yíng)成本）

CLV（客戶生命周期價(jià)值）=P（客戶年度貢獻(xiàn)）/ r（年度流失率）

其中每個(gè)變量如何計(jì)算也有不同的方法。

還有根據(jù)會(huì)員最近一次訪問(wèn)時(shí)間R（Recency）、訪問(wèn)頻率 F（Frequency）和頁(yè)面互動(dòng)度 E（Engagements）的RFE（用戶活躍度）模型等。

客群分類(lèi)方法多樣，各有利弊，如何選擇，騰訊CDC團(tuán)隊(duì)也在不斷的積累研究和實(shí)踐。

來(lái)源：騰訊CDC（https://mp.weixin.qq.com/s/ulRdmySkXBJIAz_RhuoszA）

本文來(lái)源于人人都是產(chǎn)品經(jīng)理合作媒體@騰訊CDC

題圖來(lái)自Unsplash, 基于CC0協(xié)議