1704219263
【案例】中国联通对用户的多维度分群
1704219264
1704219265
中国联通从客户价值、用户生命周期、用户品牌三个维度对用户进行分群，提供不同的品牌策略和产品策略，如图6-21所示。
1704219266
1704219267
1704219268
1704219269
1704219270
图6-21 电信消费者细分模型
1704219271
1704219272
根据用户价值把客户分为：个人低端、终端和高端，同时将用户分为个人用户和集团用户；根据用户的生命周期把客户划分为识别期、成长期、稳定期和预警期；在此基础上设计了不同的品牌和产品，满足多维度组合下的用户需求。
1704219273
1704219274
如意通给低端用户提供语音和短信服务；UP新势力主打时尚年轻人，年龄在15～25岁之间；新时空主打中高端用户，提供话音和数据服务；世界风主打高端用户，提供双卡双待和高速数据业务。
1704219275
1704219276
3.用户群体细分的操作流程
1704219277
1704219278
以京东为例来看看用户群体细分的操作流程，如图6-22所示。
1704219279
1704219280
1704219281
1704219282
1704219283
图6-22 用户群体细分操作流程
1704219284
1704219285
（1）确定细分目标
1704219286
1704219287
首先要确定分群的目标是什么？是为了提升用户的购买力，还是要为用户提供个性化的产品？还是为了分析不同渠道的用户的转化率？分群目标不同，所实现的效果也是不同的。因此，在展开用户分群之前，首先需要明确分群的目标，想要通过分群解决什么样的问题。京东的核心目标是希望通过对用户的访问、购买、渠道、地域、品类等数据进行细分，了解当前的用户结构，识别出不同类型的用户存在的问题，提供解决方案，促进用户的活跃度和消费能力。
1704219288
1704219289
（2）收集用户数据
1704219290
1704219291
用户分群是建立在数据的基础上的，需要从以下几个维度收集用户数据：
1704219292
1704219293
·人口统计数据：性别、年龄、收入、职业、地域等。
1704219294
1704219295
·客户网站注册信息：注册时间、注册渠道等。
1704219296
1704219297
·客户购买数据：最近一次购买距今时长、购买频次、单次购买金额、购买时间段、支付方式、新用户和老用户、注册到首次购买时间间隔、访问时长和访问深度、售后评价/反馈等数据。
1704219298
1704219299
·网站交易数据：订单数据、品类数据、促销数据、客服数据等。
1704219300
1704219301
（3）建立用户模型
1704219302
1704219303
通过RFM模型、用户生命周期模型、聚类分析等方法建立用户模型，具体方法在前面的章节中已经讲过。
1704219304
1704219305
（4）划分用户群体
1704219306
1704219307
根据数据模型和目标的不同产出不同维度和不同颗粒度的细分用户群体。京东根据用户购买行为数据将用户划分为：优质客户、潜力客户、单一品类购买用户、全品类购买用户等，结合用户的购买品类维度、用户的忠诚度以及人口信息等维度将用户划分为以下几个重要的细分群体：
1704219308
1704219309
·新客户：第一次访问的用户。
1704219310
1704219311
·单次购买用户：只有一次购买记录的用户。
1704219312