引言：理解用户，是营销与运营的起点。本文主要讲解了作为一名数据分析师，应该如何从六个角度与两个阶段全面理解目标用户数据，并且利用用户数据来启发营销与运营思维。

认识目标客户

目标客户简介

业务部门对目标客户的关注点

一提到用户信息，我们就会联想到很多维度。然而，维度多!=有用，针对特定的目的，需要有特定的用户信息。

观察用户的多个维度

• 价值观：品牌部门最为关心，因为品牌部门注重的就是在客户心中植入一个特定的形象。
• 生活状态：产品部门最为关心，因为成功的产品一定是切中某个场景下的刚性需求，场景-痛点-需求-功能。
• 消费：所有部门都关心，销售最为关心。
• 互动：运营和市场部门最关心，因为他们做信息推送，需要依赖用户的互动习惯，顺水推舟。
• 背景信息：风控部门最为关心，风控的基本逻辑就是把有问题的顾客拦在门外，而不是把贼放进门了再往外赶。

我们拥有的信息越多、越真实，就能做出越有效的分析。

目标用户的分析顺序

分析用户从最实在的数据开始，逐步深化。

• Step1 消费
  认识客户从认识客户订单开始，因为订单信息最为真实。
• Step2 互动
  移动互联网产品有更多互动信息可以记录，但需要警惕幸存者偏差问题。
• Step3 背景信息
  如果有流程、资源支持，可以收集更多的用户信息做分析。
• Step4 价值观和生活状态
  以调研观察为主。

认识目标客户的六个角度

第一角度：单一订单分析

典型订单信息

如果订单信息如下图所示，那么基本上只能针对门店进行分析。

订单至少要关联客户ID，这样才能进行目标客户分析。

订单信息的业务含义解读

消费渠道

• 如果是首单的话，这个渠道能否吸引这一类客户？
• 如果有多个平台的话，用户是习惯在一个地方消费，还是多个地方消费？
• 如果是n单的话，用户是否有转换渠道的情况？哪个渠道更受欢迎？

消费时间

假如用户在4月1日消费：

• 4.1=愚人节，用户消费是否与话题有关？
• 4.1=该月1号=每月上旬，用户是否在这个时间点有消费需求？

消费产品

假如用户买了产品a1：

• 产品a1属于品类A，用户既然买了A，同品类的a2、a3、a4是否有需要？
• 产品a代表需求类型A，需求A下边的其他产品是否需要？
• 产品数量代表了使用程度，1件a可以用xx天，那么xx天之后他会不会再买？

例子
比如一个客户买了1件L码54片装尿布，这意味着：

• L码说明BB大概六个月左右，所以1周后很有可能重新购买；
• BB的维生素呢？益生菌呢？
• BB的衣服呢？

优先考虑同一个品类下高度关联的产品。

消费金额

产品的价格=消费档次，消费档次可以划分为高中低。顾客有可能是偏向x档次的消费者，有可能会购买其他x档次的产品。

优惠券

优惠力度 = 优惠券额度 / 总消费金额

• 这个优惠力度是否能促成该用户消费？
• 该用户是否是促销敏感型用户？

积分&会员等级

假如用户多了x积分：

• 用户是否达到了xx级别会员，是否有重点维护潜力？
• 如果进行用户挽留，x积分可以兑换什么礼品？能起到多大效果？

用户首张订单的特别含义

用户首次付费是特别重要的，尤其是对于可免费体验的产品。

• 首次付费的模式可以推广至其他未付费用户，激活用户付费。
• 首次付费可以形成第二次唤醒顾客的理由，基于首单的信息解读，为第二单促进营销思路。

第二角度：多订单对比分析

补货周期（回头率，购买周期）

同一客户，连续购买A产品，购买的间隔时间称为补货周期，计算补货周期可以及时触发用户二次购买，提升销量。

增量销售

同一客户，购买同一产品，数量增加，称为增量销售，增量销售是最常见的促进销售的模式。
增量销售可能是源自用户对平台信任加深，需求增加；也可能是因为有促销囤货，因此需要结合下次购买时间，本次购买是否有优惠券来综合考虑。

交叉销售

同一客户，同一订单内两种产品同时出现，有可能有交叉销售的机会。
注意：两种商品的关联关系可能是单向的，也就是买A有可能买B，买B不一定买A，计算关联关系时需要注意顺序。

购物路径

同一客户，购买A以后购买B，可能存在购物路径，有跟踪销售的机会。
注意：购物路径是基于时间关系的，交叉销售是同一张订单下的两种产品，统计维度有所区别。

忠诚度深化

随着用户忠诚度加深，用户有可能更信任我们的平台，消费金额与品类都会增加。
跟踪用户忠诚度变化，可以针对用户忠诚度瓶颈进行促销，提升整体用户质量。

补贴问题（薅羊毛）

同一客户的累积使用优惠情况，需要注意监控是否每次都只有优惠才消费。
特别是实体企业，控制优惠力度，保证优惠用到正确的地方非常重要。

第三角度：基础互动行为

互动基本原则

• 不怕用户上门闹，就怕用户默默走掉，连个挽留的机会都不留给你。
• 保持用户互动，是培育消费习惯，维护顾客关系的重要方式。

互动基本模式

用户访问信息构成

1. 互动行为第一关注的是用户互动时间，掌握互动时间的规律，能够提升信息阅读量与推送效果。
2. 互动内容可以细化为：产品、活动、推广和话题，再结合互动时间规律，可以找到激活用户活跃的方式。

互动内容可以多级分类，便于分析总结用户需求，比如一个用户来电，就可以针对其互动内容进行不断地向下多级分类：

统计互动行为频次与时长，可以找到用户的真正关注点。比如，用户长期互动但没有消费，可能是没有找到合适的产品，或者是在等待促销机会。

所以需要我们结合用户互动习惯与需求，来推送信息，提升活跃度，促成消费。

总结起来就是一句话：

第四角度：精准营销互动

企业互动的意义

1.为精准营销铺路
点对点的互动是精准营销的前提，只有当我们真正找到顾客本人的时候，才能进行所谓的个性化服务。
如果没有点对点的宣传渠道，不同人推送同一个信息，但是优惠信息却不同，这样营销规则就会写的无限长，而且当用户发现了不同用户的优惠幅度不一样时，容易引发顾客不满。

2.测试响应结果
所谓的精准营销，指的并不是100%的精准，而是比“全体用户”更小的一个圈子，是一个相对精准的概念。所有算法、程序都不敢保证用户会100%响应，所有的策略都需要通过不断的测试，迭代提升效果。

企业互动信息构成

关注最终用户响应，反推提升响应率的策略。

1.首先关注的是：用户响应，也就是希望顾客做出什么样的动作。
2.其次，再思考：

• 这种产品会适合什么样的顾客？
• 他们会在什么场景下购买产品？
• 选什么主题沟通？
• 以什么方式沟通？

根据顾客互动习惯与需求，设计沟通内容

• 选择用户平时活跃度高的平台；
• 选择是和产品使用的时机 or 客户关注度高的时机；
• 选择容易引起用户响应的主题；

以信用卡为例

• 利息是个人定制的，原则上越是缺钱，越是刚需，越有使用习惯的老客户越高；而且一般通过电话营销，避免其他顾客知道。
• 选择缺钱的时机与顾客沟通（额度使用率高、大单消费、节假日）。

第五角度：客户生命周期

用户在企业的资料库里面有多个状态，也就是所谓的客户生命周期。

潜在

概念
一般指没有正式注册，没有联系方式的用户。

注意

• 潜在用户是我们的目标对象，但还没有展开行动；
• 一些互联网平台会预先让用户体验，预设会员ID，获取潜在用户的信息。

在册

概念
一般指已经在平台注册，有联系方式，可以联系上的用户。

重要性
能联系上的用户非常重要，意味着后续可以做更多互动、促单。

注意
一般有拉新成本，在册人数并非越多越好，也需要考虑质量。

活跃

概念
一般指有互动，或者有使用产品行为的用户，缺少互动平台的传统企业一般会直接把消费当做活跃。
重要性
活跃用户是付费的保证，保持用户活跃，从中采集数据，可以有效促进后续消费。

首次付费

概念
一般指第一次在平台付费的用户。

重要性
首次付费意义重大，如何转化活跃用户，如何开展后续营销，都从此开始分析。

注意
在传统企业中，在册、活跃、首次付费很有可能是一回事，新用户的分析是从首次付费开始的。

二次付费

重要性

• 二次付费意味着顾客开始认可平台，向VIP进发。
• 二次付费有更多地数据积累，可以做更多精细营销的工作。

VIP

概念
一般指有连续的付费行为，有潜力或已成为VIP的用户，具体如何定义VIP一般按照企业需求有三种方式：按预充值、按实际消费、按身份定义。

重要性
VIP是企业主要利润来源，服务生重点照顾，营销上重点挖掘潜力。

沉默

概念
一般指长时间不活跃或无消费，但仍能联系上的用户。

注意

• 沉默用户是否需要激活，应该视平台需求而定。
• 单纯依靠促销、补贴、活动来大面积减少沉默用户，有可能带来负面问题，比如运营主题不清、浪费成本、不顾及VIP用户需求等等。

流失

概念
一般指有明确流失动作，比如注销、销卡等行为，已无法联系上的用户。
注意

• 有些公司不会主动删除用户信息，把长期不活跃的沉默用户视为流失；
• 只要用户长期无法联系，就得重新获取该用户，付出的成本和潜在用户是一致的，甚至有可能更高；
• 流失用户作为一个指标，更多的是考核运营结果，而不是思考改进。

用户结构全图

用户结构全图一般需要从价值和人数两个维度来进行考量。

用户结构全图作用：领导决策必备
一般领导决策都喜欢总分总式地思考问题，用户结构可以让领导一眼看到整体局势，从而引发往哪个方向走的深入思考。

第六角度：客户价值分级

进行客户价值分级，是为了识别出高价值用户，进而提升ROI、增加盈利。

ROI(Return on Investment)：投资回报率，是指从一项投资中得到的回报。

如何衡量用户价值？

衡量用户价值有很多种方法，但是一般都从这3个角度进行考虑：

1. 特殊关系、社会资源；
2. 消费能力强，需求弹性低（刚需），价值贡献高；
3. 转介绍比例高，带来源源不断的新人。

以信用卡为例

高价值用户不仅仅只是土豪。

计积分消费能力极强，指的是真正消费能力强的人，而不是利用信用卡进行套现的人。

如何将价值分段？

如果没有头绪，可以采用十分位法，因为二八法则在大部分行业都是通用的。

步骤

Step1：选中最主要的分类指标，如用户消费，比如净利润。
Step2：将用户按照指标排序，根据排序顺序，分作10段。
Step3：观察10分段用户的总价值、人均价值等指标，做分段合并。

示例

G1，G2，G3三组，排名前30%的用户贡献了83%的总业绩。

接着提炼出各个分组的各类业务信息，找到业务含义。

• 基本特征：用来识别用户；
• 消费渠道和品类：可以更好地帮助市场聚焦，“推什么样的产品，在哪里服务可以更好地捕捉用户”；
• 注册来源：可以帮助找到更多潜力用户。

寻找未来潜力用户

所有的积分计划、会员计划，最大的痛点就是：会员达标了就不消费了！白白享受各种福利！
所以，寻找生命周期刚开始的潜力用户更重要，这也是我们识别现有高端用户特征的意义，就是为了辅助寻找未来潜力用户。
可以根据一下几个特征进行辨别。

• 按身份：拥有xx身份的；
• 按渠道：xx渠道以xx方式招募的会员；
• 按产品：购买xx组合，xx品类的用户；
• 预付费：预付费达到xx金额的用户。

客户分析的两个阶段

客户分析的基础：信息采集方式

用户数据难以获取的原因

用户分析，最难的一点在于无数据可以分析。

1. 用户不会主动提供数据，或者提供假数据；
2. 找合作方要数据，要么难以保证质量，要么成本过高；
3. 通过自己公司的渠道收集数据，工作人员要么置之不理，要么随便应付；
4. 调查确实是最直接的方式，然而每个用户的数据投入成本太高。

客户数据获取经历的三个阶段

1. 无数据时代
   传统的营销管理部门是基于卖场、门店的视角，只看进销存，不考虑客户数据。

2. 会员卡时代
   会员卡与积分计划使得用户愿意留下真实信息，可以进行一定的分析。

3. 移动互联网时代
   服务号、APP等使得用户互动更强，不但能分析，还能更快的响应客户需求，触发营销动作。

互联网增加了获取数据的机会与维度

• 会员卡数据：传统的会员卡只在用户买单一刻使用，只与订单信息挂钩。
• 移动互联网数据：
  • 服务号、微商城、APP伤的用户行为是可记录的；
  • 用户留言意见也可以进行分析；
  • 还可以通过H5主动获取用户信息。

数据质量问题

1. 同一用户不同登录方式导致存在多个ID的问题；
2. 受营销、产品的影响，导致拆单、刷单等问题；
3. 懒惰用户与幸存者偏差问题，导致可能只能收集到一部分活跃用户的信息，数据本身存在偏差。

用户信息作用

除了订单与互动之外，基础的用户信息同样重要，具备两个作用：

1. 验证分析假设
2. 寻找潜在客户

如果基础信息质量好，甚至很多分析都可以省了。

采集信息关键

1.精简维度
采集信息时，采集的信息越少，收集难度越小，所以需要我们尽量只收集能促成销售、互动的最关键信息。

床垫销售案例
“您喜欢睡软床还是硬床？”

2.赏罚并用，流程控制

• 奖励：提供多个选择给销售/客户，客户提供信息后可以获得更多的实惠。
• 惩罚：审核信息，对于造假、套现的销售进行处罚。

信用卡销售案例
想要提升额度：

• 有营业执照吗？
• 有车牌吗？
• 提供工牌和办公室照片？

3.在小互动中采集

• 比如提供小H5游戏，购货指南，指导建议等等；
• 提供有帮助的小互动，让用户主动选择，采集信息。

客户分析的进阶：标签体系应用

客户标签简介

客户标签是经验的积累
比如在保健品行业，顾客消费和产品是有经验和规律可循的。

客户标签是区分懂行与不懂行的重要标志

客户标签是推荐系统的基础
基于有成熟经验的、有验证的标签，更容易做出来质量好的模型。用户标签相当于建模过程中的描述性统计与交叉检验。

想要积累标签经验，需要从身边做起，从习惯做起
对于业务经常说的：“高端、低端”、“VIP”等词汇深入追问；对于经常处理的问题积累经验，比如寻找“有需求”、“有潜力”的用户，再每次分析完以后总结经验，找出最核心的维度与分类方式。

日常使用的客户标签

生成标签的步骤

1.采集数据

2.基于业务进行分类整理
分类需要基于业务需求，不同场景下可能分类不同。

3.量化，统一评价规则与标准
评分可以量化主观指标，但需要基本规则做指引。

4.综合维度，输出标签
一个综合的标签可以集成多个维度的信息，比如关于“财富”的标签，应该综合考虑到收入、车型、房子面积位置、负债情况等信息。

5.设置假设，验证结果
生成标签之后，可以进行预测，然后验证结果。

6.基于结果，修正标签
有效的预测标签是运营出来的，不是计算出来的。

以信用卡营销为例
定义“高潜力”用户标签的过程：

参考资料：
业务知识一站通