拉出任何消费类产品的交易日志,按价值排序。头部百分之五的买家,常常贡献约等于普通买家十倍的收入;而相当一部分利润,来自几周没出现、但此前买得很勤的人。电子表格一个下午就能把这群人找出来,难的是看见之后,到底做点什么不一样。

一套按消费近度、消费频率、消费金额打分的三维度方法,给每位顾客在三根轴上各打一到五分,通常按五分位切分,让标签相对于这份名单有意义,而不是对应某条武断的绝对线。最近三十天内买过的买家,消费近度得五分;最后一次购买在一年以上的,得一分。三个分数叠起来,熟面孔就浮现了:三项全五分的冠军用户、潜力忠实用户、有流失风险的用户、休眠用户、流失用户。

把群体当成指令

冠军用户不只是收入桶;他们制造口碑,也愿意第一个试新东西。潜力忠实用户有频率,却没有近期的花费,因而是最便宜的上推对象。有流失风险的买家,金额和频率的历史依然漂亮,只是近度滑了下去——而近度通常是手上最强的单一流失信号。休眠与流失客户要问的是另一个问题:把他们拉回来,比找一个新人便宜吗?

经典的预算法则说,把约百分之八十的营销支出,投向贡献约百分之六十收入的那批顾客。带着判断去用,它保护了已经信任产品的人;机械地用,它会饿死名单中段——明天的冠军用户,正藏在那里。

群体典型三维度形状默认动作
冠军用户三项全五分提前体验、口碑邀请、少打折
潜力忠实用户近度高、频率中用组合装抬高客单
有流失风险频率高、近度下滑按原因提醒,别发通用券
休眠用户近度低、曾有频率一轮简短召回
流失用户三项全一分停止投放,把预算给拉新

模型尴尬的地方

这里,标准剧本显得过于整洁。消费近度之所以是最强的流失信号,恰恰因为它最飘:上周买过的人,也可能已经彻底走了。五分位打分还会把一种分布强加给一份未必配得上的名单——如果一半顾客上个月都买过,名单上就有一半人拿到消费近度满分,跟这些人有没有价值无关。

这套分数也说不出人为何停下。一位高价值顾客因为一次糟糕的客服离开,和另一位因为搬家离开,在数据里长得一模一样,需要的信息却完全不同。所以分数需要一层定性的东西,也需要每季度重算一次,而不是被当成永久身份。一个静态标签,会把活生生的顾客群变成博物馆。

数据到底从哪来

分层质量,取决于喂进来的事件质量。小程序跑在宿主应用里,同一笔通过某家宿主完成的购买,事件形态可能和另一家完全不同。如果消费近度从一家宿主的流里算,频率从另一家算,得到的分数就是虚构的——五分位再漂亮也没用。

一个跨宿主的通用运行时,可以把购买、近度、频率这些信号归一成一套事件词汇,让一家宿主里的冠军用户,和另一家宿主里的冠军用户可比。这是整件事朴素的前提:只有每家宿主都往同一本账上记,头部百分之五才一直看得见。先用认可而不是折扣奖励这群人,并且每季度重新打分。

参考来源