.jpg)
.jpg)
.jpg)
.jpg)
导读：市场和运营往往绞尽脑汁 做活动、上新品、蹭热点、做营销，拓渠道，不断开发客户 、 做回访维系客户感情 ，除了少数运气好的之外，大部分效果寥寥，这是为何？这年头做营销这么难吗？ 聪明的营销人员知道“ 了解客户 ”和“ 客户细分 ”的重要性。营
市场和运营往往绞尽脑汁 做活动、上新品、蹭热点、做营销，拓渠道，不断开发客户 、 做回访维系客户感情 ，除了少数运气好的之外，大部分效果寥寥，这是为何？这年头做营销这么难吗？
聪明的营销人员知道“ 了解客户 ”和“ 客户细分 ”的重要性。营销人员不仅要着眼于创造更多的访问量和点击量（无论是邮件还是站点）以提高客户获取，还必须遵循从提高点击率（CTR）转变为提高保留，忠诚度并建立客户关系的新范式。与其将整个客户群作为一个整体进行分析，不如将其划分为同类群体，了解每个群体的特征，并使他们参与相关的活动，而不是仅根据客户年龄或地理位置进行客户细分。而 RFM分析是市场营销人员分析客户行为的最流行、最简单、最有效的客户细分方法之一。
R（Recency）最近一次消费时间 ：表示用户最近一次消费距离现在的时间（或截止到统计周期）。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。
F（Frequency）消费频率： 消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。
M（Monetary）消费金额： 消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。
简言之， RFM代表近度，频率和额度 ，每个值都与某些关键客户特征相对应。这些RFM指标是客户行为的重要指标，因为频率和额度会影响客户的生命周期价值，新近度会影响保留率，而保留率是忠诚度的衡量标准。
如果是缺乏金钱交易方面的业务，例如收视率，读者人数等，可以使用" Engagement "(参与度)代替Monetary。如官网的访问频次，微信的交互情况，邮件打开率等。这将导致使用RFE 而不是 RFM。此外，可以根据指标例如跳出率，访问时长，访问的页面数，每页所花费的时间等来将Engagement参数定义为一个综合值。
• 购买的时间越近，顾客对促销的反应越积极
• 顾客购买的频率越高，他们就越投入和越满意
• 消费金额区分了大笔支出的消费者和低价值的购买者
• 想要提高回购率和留存率，需要时刻警惕R值
RFM分析可帮助营销人员找到以下问题的答案：
• 谁是您最有价值的客户？
• 导致客户流失率增多的是哪些客户？
• 谁有潜力成为有价值的客户？
• 你的哪些客户可以保留
• 您哪些客户最有可能对参与度活动做出响应？
• 谁是你不需要关注的无价值客户？
• 针对哪些客户制定哪种发展、保留、挽回策略？
通过RFM分析，可以帮助营销人员实现客户细分；衡量客户价值和客户利润创收能力；识别优质客户；指定个性化的沟通和营销服务；为更多的营销决策提供有力支持。
那RFM分析应如何开始呢？
由于R值、F值、M值存在量级之间的差距，无法直观的通过加减或平均来衡量用户价值，这里我们介绍一种评分方式，根据三组数据各个值的特性，采用5分制为各个数据赋予一个评分值。
让我们通过一个客户交易的样本数据集来演示一个简单的RFM分析是如何工作的：
为了对此示例进行RFM分析，让我们看看如何根据每个RFM属性分别对客户进行排名，然后对这些客户进行评分。假设我们使用RFM值从1到5对这些客户进行排序，R值的评分机制是R值越大，评分越小。
如上表所示，我们按“Recency”对客户进行了排序，最新的购买者排在首位。由于为客户分配的分数是1-5，因此前20％的客户（客户ID为12、11、1）的“Recency”分数为5，接下来的20％（客户ID为15、2、7）的分数为4 ， 以此类推。
同样，我们可以根据客户购买从高到低的“Frequency”对其进行排序，将前20％的“Frequency”得分分配为5，依此类推。对于“Monetary”因素，对前20％的客户（消费最多的）分配5分，最低的20％得分为1。这些F和M得分总结如下：
RFM得分
最后，我们可以将这些客户的R、F和M排名结合起来得到一个汇总的RFM得分。 下表中显示的该RFM得分是各个R，F和M得分的平均值，是通过对每个RFM属性赋予相等的权重来获得的。
这种简单的将客户从1-5排序的方法最多会产生125个不同的RFM单元(5x5x5)，范围从111（最低）到555（最高）。每个RFM单元的大小不同，依据客户的关键习惯，被捕获为RFM得分以得出客户细分，营销人员依据不同得分的客户制定相应的策略。
显然，针对不同行业的企业如果仅根据他们的购买或参与行为将每个客户的R，F和M得分平均以获得RFM细分市场并不公平。这类平均值只适合于均类数据，对于一些不规则数据，平均值会造成很大的误差， 因此，根据您的业务性质，您可以科学增加或减少每个RFM变量的相对重要性，以得出最终分数。例如：
1 耐用消费品行业
每笔交易的Monetary通常较高，但Frequency和Recency较低。例如，你不能指望客户每月购买一台冰箱或空调。在这种情况下，市场营销人员应该更重视Monetary和Recency方面，而不是Frequency方面。
2 时装/化妆品等零售业务
每月搜索和购买产品的客户将有更高的Recency和Frequency得分而不是Monetary得分。因此，可以通过给R和F得分赋予比M更大的权重来计算RFM得分。
3 视频平台等内容apps
追剧狂人相比一般消费者拥有更长的观看时长。对于这些狂热者，“参与度”和Frequency可以比Recency给予更多的重视，而对于一般人群，可以对Recency和Frequency给予比Engagement更高的权重，以得出RFE得分。
此外，企业需要针对自己的行业特点灵活变通指标的采用。比如在金融行业，最近一次购买时间可能并不适用，此时可以考虑采用金融产品持有时间来代替R，这样更能体现用户与金融企业建立联系时间的长短。
还有一个问题是：如果每个RFM单元都被视为一个细分，那么营销人员将无法单独分析所有这125个客户细分市场。因此，通常采用的RFM模型是将这三个维度指标划分到三维正方体中。
在以上的RFM评分示例中，我们已经分别计算R、F、M评分；现在我们进一步分别获得R、F、M的平均值；然后将各个变量高于平均分的定义为“高”，低于平均分的定义为“低”；根据三个变量“高”“低”的组合来定义客户类型；如“高”“高”“高”为高价值客户。
通常，我们通过三维正方体来可视化RFM分析结果。这使用户可以更轻松地理解得分，以提供更易于管理和直观的细分。
如上面的RFM模型所示，因为有三个变量，所以要使用三维坐标系进行展示，X轴表示Recency，Y 轴表示Frequency，Z轴表示Monetary，坐标系的8个象限分别表示8类用户。
现在，让我们讨论如何解释RFM细分，以了解这些用户的行为，并提出一些有效的营销策略。
• 重要价值客户 是您的最佳客户，他们是那些最新购买，最常购买，并且花费最多的消费者。提供VIP服务和个性化服务，奖励这些客户，他们可以成为新产品的早期采用者，并有助于提升您的品牌。
• 重要发展客户 是您的近期客户，消费金额高，但平均频率不太高，忠诚度不高。提供会员或忠诚度计划或推荐相关产品以实现向上销售并帮助他们成为您的忠实拥护者和高价值客户。
• 重要保持客户 是指那些经常购买、花费巨大，但最近没有购买的客户。向他们发送个性化的重新激活活动以重新连接，并提供续订和有用的产品以鼓励再次购买。
• 重要挽回客户 是那些曾经光顾，消费金额大，购买频率低，但最近没有光顾的顾客。设计召回策略，通过相关的促销活动或续订带回他们，并进行调查以找出问题所在，避免将其输给竞争对手。
• 一般价值客户 是那些最近购买，消费频次高但消费金额低的客户，需要努力提高其客单价，提供产品优惠以吸引他们。
• 一般发展客户 是那些最近购买，但消费金额和频次都不高的客户。可提供免费试用以提高客户兴趣，提高其对品牌的满意度。
• 一般保持客户 是指很久未购买，消费频次虽高但金额不高的客户。可以提供积分制，各种优惠和打折服务，改变宣传方向和策略与他们重新联系，而采用公平对待方式是最佳。
• 一般挽留客户 是指RFM值都很低的客户。针对这类客户可以对其减少营销和服务预算或直接放弃。
此外：
• 目前的RFM分析中，一般给与M值更高的权重；
• 如果您的公司中一般挽留客户与一般发展客户占据多数，说明公司的用户结构不是很合理，需要尽快采取措施进行优化。
RFM是一种数据驱动的客户细分技术，可帮助营销人员做出更明智的战略性决策。使营销人员能够快速识别用户并将其细分为同类群体，并针对他们制定差异化和个性化的营销策略。这反过来又提高了用户的参与度和留存率。
通常，数据分析师会借助CRM系统或者BI工具来实现RFM分析。
如需了解更多，欢迎访问怡海软件官网 https://wwwfrensworkzcom/
上周总结了理解客户的三个方法，核心是融入客户的情境，理解客户所需所想。在理解客户需求后，本周总结如何针对不同的客户，提供具有针对性的产品和服务。
一、客户接触点
对于一家企业而言，所有能被客户看见的东西，都是客户接触点，比如店面，商品和广告。而这些能被客户感知到的展示面，是所有客户策略展开的起始点。所以客户接触点非常重要。优衣库创始人柳井正将广告比作一封能让客户看了心动，并来到店里的情书。足见其对客户接触点的重视。
未来的店长和客户经理等面相客户的基层领导岗，会非常重要。因为他们既要与客户密切互动，收集信息，同时也要带队伍。他们接待客户的方式，也会逐渐变成他所处团队，接待客户的标杆。
二、客户营销|从4C到4P
14C模型
客户的种种价值主张,可归纳为4C
1)有效解决方案customer solutions
2)客户花费customer cost
3)便利性convenience
4)客户和企业间的沟通communication
24P模型
有效的营销组合，主要应该考虑四个因素。
1)产品Product
2)价格Price
企业确定了产品之后，企业需要考虑如何给这个产品定一个价格（Price）。
3)定位Place
企业必须要想一个最有效的通路，能够让这个产品到达客户的手里，这就是把产品放在哪里Place，
4)促销Promotion
为了实现好的销售业绩，企业还需要考虑使用怎样的手段，Promotion，就是促销。
4P模型是营销管理、销售管理中最经典的内容，每个企业要想做对营销，都要认真地考虑这4个P。
3相互关系
企业满足客户的过程，就是4C转化为4P的过程。
之前听过一个故事，有个客户来店里，说要买个钻头。导购员a上去就把所有产品介绍一遍，并推荐了性价比适中的一款钻头。结果客户连连摇头。正当客户准备离店，导购员b走到他面前。与导购员a不同，他先询问了客户用钻头干什么，以及其他的一些细节。几个问题过后，导购员b了解到，客户需要的，其实是在木制的墙上钻个洞，用来挂一副画。结合客户的实际需求，导购员b并未选择性价比最高的，而是介绍一款硬度适中，直径较小的钻头，给到客户。最后客户十分满意地购买了这款钻头。
这个故事里的两位导购员，其实就是两种不同的思维，第一位是只有4P，而第二位从4C出发，转化到4P，用户思维，最终帮助导购员b，完成了业绩。
其实我们在工作中，很多时候也是拍脑袋判断，自以为自己的想法，就是用户的想法。在设计构思产品，和设计用户体验时，可以练习，长此以往，你就会越来越了解你的用户。
三、客户细分
上一篇讲到过客制化，每个用户都有自己的需求。一个简单产品通吃全部市场的时代，已经过去了，只有客户分类清楚了，才能有效地获得客户、维持客户和发展客户，才能找到真正属于自己的菜。产品和企业都是为客户而生的，这是商业世界的基本逻辑。那如何做好客户细分呢？
1数据挖掘
从几十年前的纸质档案，到现在的计算机云存储数据，可以说信息是爆炸式的增长，而管理并用好这些信息，让信息产生商业价值，就需要用到数据挖掘。最近工作上的项目，正好在和谷歌合作，建立一套基于项目本身的大数据系统，简单讲讲我的认知
首先，即使有了之前其他项目的成功经验，以及成熟的大数据算法，但是基于项目的关键指标和小算法，还是需要依据项目本身的特性，重新设计并实验的。这个周期会在半年到一年多的时间，也就是一个长期的事，急功近利是不可能的。
其次，最初筛选的维度尽量多，之前兄弟项目的用户行为记录指标，只有100个，为了找到最关键的用户行为，最后他们拓展到了500个行为记录指标。从后来的结果来看，除了第一条指标在原有记录内，其他大部分关系到用户留存，及可能付费的指标，都是隐藏在后续拓展的100到500个指标中间。所以在建立大数据的过程中，一定不能拍脑袋决定哪些有用，哪些没用。脑袋要拍吗？要，但不是在跑数据之前。
第三，有了这么多维度，接下来就是找影响用户的关键指标。将一批数据，提供给到谷歌工程师团队，由他们负责跑数据，并给出初样结果。结果很简单，左边是用户行为，右边是影响付费或留存的因素占总和的比例。
得出了初步的结果，不能直接用，此时需要根据项目经验，来筛去不符合的行为字段。比如第一个行为字段，就是付费用户才会有的，那自然是有这种行为的用户，付费比例很高。
那你可能会问了，既然知道这个字段筛选出来也会被删掉，是否一开始就不把他作为字段去跑数据呢？答案是还需要，因为一个项目有多维度的指标，可能他对识别付费用户没有帮助，但对是否这个付费用户，会再次付费的预测很有帮助。大数据系统无论从人力投入，还是时间产出上来说，如果只为了解决一两个问题，性价比很低。既然有了，就全方位用，而且多提供信息，也能帮助系统更好的学习用户。
最后，反复加统计维度，再反复去除无用的维度。这个优化过程是持续的。但是会有两个可投入使用的指标:
1)错误率
预估的付费，留存用户，最后有多少没有付费或留存玩家，占总预估数的比例
这个比例越低，说明模型的预测能力越准确。该比例如果越高，则说明模型判断存在大偏差，无法使用
2)遗漏率
预估正确的付费，留存玩家，占总付费留存玩家的比例是多少。
这个比例越低，说明未被检测到的付费用户越少。这个比例如果过高，则该模型适用的用户规模太小，也无法使用该模型
2激活用户
你的产品和服务，客户不一定会重复购买，如果你有数据，你就会发现：很多人渐渐就离开了。这些人可以分成三类人：瞌睡客户；半睡客户；以及沉睡客户。这三类客户，我们可以用不同的指标来去划分，比如可以按照停止消费的时间来划分。
在大数据的背景下，决定是不是对他们进行唤醒，以及用怎样的产品和怎样的方式去唤醒，都不是简单地拍脑袋，而是由行为分析作为依托的。
四、客户转化
企业的客户管理，说起来复杂，其实也简单，就是两件事：
1)把已有的客户服务好，包括逐步改善你的产品，不断唤醒那些沉睡的客户，增加客户满意度和忠诚度；
2)通过各种手段，把各种非客户都转化成为客户。当越来越多的人从不是客户变成客户的时候，企业就是在走向成功。
第三节中讨论了如何唤醒沉睡的客户，也就是第一个问题。这节，我们讨论如何增加客户，也就是第二个问题。
1三种非客户
1)企业的准非客户
离标准客户距离最近的一种客户，符合包括需求，支付能力等所有的目标客户特点，但现在不是你的客户。
2)拒绝型非客户
至少有一项不符合目标客户的特征，比如说支付能力，或者需求目标。但是通过对他们的细致研究，改变或推出新产品，也可能将他们转化为你的用户。
3)企业从未探知的客户
2转化关键:抓住价值主张
对于上述三种客户，如何才能把他们转化为自己的用户呢？
显然，对于不同的人，转化手段是完全不同的，当然，转化的结果也可能完全不同。不过，虽然实现成功转化的细节会不一样，但转化的核心都要基于客户的 “ 价值主张 ” 分析。
客户购买你的服务，一定是满足了全部刚需需求，部分非刚需需求。支付能力是刚需需求，需求取决于用户本身，可能是刚需需求，也可能是非刚需需求。充分了解客户的价值主张，并把刚需和非刚需需求都列全。之后研究能否把刚需需求全满足，尽可能多的满足非刚需需求。
这里要强调一点，刚需不是你以为的刚需，而是客户的真实刚需。有个办法可以确认是否是刚需。对所有的客户刚需需求，再列一个优先级。假设只能有一个刚需，选哪个。只能有两个，选哪个。找到真正的用户刚需，在资源分配上，也向满足客户刚需的工作倾斜，就会有突破。满足了客户的真实刚需，就可以实现对于客户的转化，你就会创造超乎寻常的经营效果。
五、客户与品牌
品牌就是企业圈粉，并且把客户彻底锁定的工具。好的品牌，其实就是要和客户形成一种关系，用一种附加在品牌背后的理念，用产品和服务的功能，紧紧地把产品和服务与客户的诉求和情感联系起来。这种关系，从消费者一方说，就是信任；而从企业一方说，就是承诺。
1品牌与企业规模无关
品牌就是连接产品和客户的线索。这条线索强，客户锁定的能力就强。品牌不一定是大，也可以是精，品牌只是一个定位，而大只是其中一种
2语义记忆与情节记忆
1)语义记忆:在某个行业内，将自己的品牌，与某个词语联系在一起，做到行业+词语=你的品牌。而这个词语的定位及定义，决定了你的品牌。比如高档，质量好等等。
和品牌绑定的词语，定义很关键，产品越趋于同质化，越没有差异化，就越容易遭遇记忆干扰。
2)情节记忆:消费过程中的情节体验，以及后续的产品使用，决定了用户的情节记忆
3)语义记忆和情节记忆的关系
由于外在的宣传、由他人传递给你的关于某一个品牌产品的体验，是可以被你暂时接受的，形成你关于某一个品牌的一个好印象。这个好印象，就是一个长期记忆。后来，当你每一次看到这个商品的广告时，都会把记忆在头脑深处的知识拿出来复习一下，重新形成对这个品牌的印象和记忆。当你得到好的购物体验和消费体验的时候，也会把这种强化了的知识，加入到你的记忆之中；同样，当有比较差的体验的时候，你的记忆也会被修正。
3广告:向用户传递品牌信息
在提供出色的产品和服务之后，努力建设品牌，向客户传递品牌信息，这个方式是有讲究的。广告对人的影响效果，频次越高，记忆越持久。
总结一下:
1客户策略，基于理解用户的前提，用多种不同的手段，理解用户；
2为不同的消费者，提供个性化，针对性强的产品或解决方案，4p与4c相辅相成；
3对客户进行分类，抓住各类型用户不同的价值主张，进行转化；
4注意树立企业自己的品牌，并寻求差异化。
客户细分的标准很多，可以根据不同的维度，不同的需要进行细分，一般而言，可以参照如下维度进行客户细分：客户的消费行为（消费习惯、数量和频率）、客户的地理位置、职业、对企业的贡献、忠诚度、信誉度等等。下面我们就两个在CRM中应用较多的维度来讨论如何细分客户。
（1）按客户的价值进行细分
根据著名的“二八原理”，20％的客户往往能够给企业带来80％，甚至更多的利润，或者说80％的客户让公司或者企业赚不到多少钱，有得甚至让公司、企业赔钱。因此，企业必须根据客户的价值进行细分，识别核心，才能更好实施客户关系管理。
根据客户的价值金字塔模型，我们把客户分为以下四类：
VIP客户――这种客户是对企业的贡献排名最大，一般情况下，占企业客户总量的5％左右；
大客户――这种客户对企业的贡献仅次于VIP客户，一般占企业客户总量的15％左右
中间型客户――这类客户是企业一般能为企业带来一定的利润，是可发展的成长型客户，一般占客户总量的20％。
普通小客户――这类客户占企业客户总量的大部分，约占60％。
我们根据客户的价值去细分客户，目的是为了让企业更清楚地识别他的核心客户，把企业的资源服务于核心的客户，在帮助客户成长的同时企业得以更好的发展。
（2） 按客户与企业之间的关系进行细分
广义的企业客户概念告诉我们，企业除了通常我们所说的狭义的零售客户以外，还有企业类型的客户处于企业的内部与外部。因此，根据客户与企业之间的关系，我们可以把客户分为以下几种：
普通客户――就是我们所熟知的消费者市场上的普通消费者，一般是个人或者家庭购买者购买的是企业的最终产品或者服务。
企业客户――这类客户也是使用企业最终产品的客户，但是它以企业为单位购买或者使用企业的产品或者服务，企业内部自用或者用于。例如，企业批量购买办公用品的，企业批量购买礼仪用品用于企业的一个公关活动并赠予来宾。
渠道分销商和代理商――他们一般是直接购买企业的产品，目的是通过二次销售产品而从中获利，或者作为该产品或服务在某个地区的代表或者代理。他们同样是为企业带来可靠利润的客户。
当然，根据不同的维度，我们可以区分不同性质的客户，根据客户当前的状态我们可以把客户分为新客户、老客户、流失预警客户；根据客户的自然属性我们可以划分各种不同类型的客户，如高收入、中产、低收入的客户；根据客户的消费行为，我们客户把客户分为增长型、衰退型、稳定型、波动型等不同类型的客户。
市场研究从业四年，到现在才开始正儿八经思考市场细分和用户角色的相似和差异。忙碌的时候一直在实践，不忙的时候看书和反思。在下一次的实践之前，解决这个问题。
一、定义
市场细分的概念最早于1956年，由美国营销学家Smith提出，“市场细分的基础是建立在市场需求面的发展上，并针对 产品和营销活动 做更合理和确实的调整，以使其 适用于消费者或适用者的需要 。”Alfred(1981)将市场细分定义为：“将市场区分成不同的顾客群，使得每一群体均可成为 特定的营销组合 所针对的目标市场。”《市场细分与定位》的作者James认为“目的在于识别子顾客群或潜在顾客，这些顾客对于既定的 营销组合 （产品／服务、价格、促销和分销）会产生类似的反应，或者反过来他们将对企业的营销规划产生有利的作用。换而言之，就是为了识别出对某一类产品或服务具有购买欲望的顾客，而这一类产品或服务与其他细分市场上的产品或服务又有显著的区别。”
二、目的
从不同年代学者的定义来看，市场细分均基于不同的用户需求，服务于企业的产品或营销组合。
三、细分市场是否有效的评估条件
从理论上而言，成功的细分市场必须满足三个条件：1、这些子群具有不同的需求、价值取向或欲望；2、对于某一营销活动的反应与其他子群有明显差别；3、这些子群对于企业实现营销计划目标具有一定作用。
衡量细分人群的标准：1、可衡量：人群可识别；2、可进入：营销可行性（包括营销的内容和渠道）；3、可盈利：具有一定规模；4、差异性；5、稳定性
四、用于细分的变量
一）Schiffman把目前西方学者所选用的细分标准与细分变量分为八种：地理细分、人口细分、心理细分、社会文化细分、使用细分、使用情境细分、利益细分及混合细分。
二）但事实上一般在市场研究中使用的细分变量主要有以下三种：
1、人口统计学变量：地理区域（地理方位、城市综合实力（城市线）、风俗习惯等）、年龄、性别、家庭人口和组成、教育程度、职业、住房类型等；
2、行为变量：品牌角色、购买考虑因素、使用情境、使用频率等
3、生活方式和消费心理（也包括价值观、需求和态度等；该变量的使用目前仍是市场细分的主流）
三）另外，Wind还提出了一个以管理任务为导向的细分标准选择模型：
1、了解市场整体情况：产品的购买和使用、需求、品牌忠诚度、品牌转换模式等；
2、定位研究：产品使用、产品偏好、寻求利益等；
3、新产品的引入：对新产品概念的反应、寻求利益；
4、定价决策：价格敏感性、降价偏好、不同使用购买方式的价格敏感度等；
5、广告决策：需求的利益、媒体使用、心理描述/生活形态；
6、分销决策：商店忠诚度，商店选择所寻求的利益。
刚刚开始入行的时候，曾被告知满意度、忠诚度等主观评分的因素不适合拿来做市场细分。现在看来并不是不可以，而是要根据行业的情况，研究的目标，以及后面可能采用的统计方法来决定使用哪些因素进行市场细分。
另外：也曾遇到迷恋于模型的客户与同事，认为不采用统计模型的细分结果粗糙而不具有代表性。事实上，市场细分确实随着统计学的发展不断引入新的统计方法。而这些方法不过是工具，如果前期没有通过定性提出一些想法和假设，再好的统计工具也难以获得有效的细分市场。因此如果在定性阶段就产生了清晰的有助于项目目的的洞察，在问卷里设置相关的题目验证即可，未必一定要采用大量的生活方式/价值观题目，也不一定要做复杂的统计分析模型。
五、市场细分的方法
市场细分的方法众多，例如细分因素划分法、因子聚类、典型相关聚类、潜类聚类（latent class model）、人工神经网络和联合分析等等。此处简单记录几种细分方法：
1、细分因素划分法：
营销人员直接选用细分因素，人为的将总体市场划分为细分市场。最常用的细分因素包括人口统计学因素和行为因素。优点是简单、区隔力强、容易识别和描述；使用人口统计学因素的缺点是没有考虑内在动机、预测行为的能力弱、没有想象中简单（许多人口统计变量其实是相关的）；使用行为因素还有一个优点就是与消费者的行为、选择、品牌使用相关联，可以识别新的市场机会，但是只看行为不看为什么，缺乏诊断性的价值
2、因子聚类：
使用的细分因素主要为需要、态度、生活方式、消费价值观等方面的评分题目。需要注意的问题是：1、问卷中的态度语句是否真正反映消费者的需要；2、由于因子聚类的过程中未考虑消费者人口统计特征及消费行为，因而分类结果往往存在细分市场间行为与背景的差别不明显，可识别性差的情况，较难提供可操作性的建议；3、内在逻辑的问题：实际上是假设态度不同的消费者，其购买行为也不同，然而事实情况却并非如此。
3、典型相关聚类
由于上述因子聚类存在的问题，可能需要将更多的变量引入模型，例如购买动机、品牌偏好、广告和促销的影响等。而这些变量通常并非连续变量，无法采用因子聚类，因此引入典型相关聚类。典型相关聚类其实是用典型相关代替因子分析。优点在于能同时考虑到产品需要、价值观、人口统计学特征及消费行为，使得最终的细分人群是内在的、有逻辑的、从定性上是可解释的；同时变量的选择更加灵活，定性变量和定量变量都能接受。
4、几种聚类方法的说明
1）层次聚类：既可处理分类变量，也可处理连续变量，但不能同时处理两类变量，不需要指定类别数。聚类结果间存在着嵌套，或者说层次的关系。
2）K-均值聚类法（K-Means Cluster），也叫快速聚类法。针对连续变量，也可处理有序分类变量，运算很快，但需要指定类别数。K-均值聚类法不会自动对数据进行标准化处理，需要先自己手动进行标准化分析。
3）两步聚类法（Two-Step Cluster）：可以同时处理分类变量和连续变量，能自动识别最佳的类别数，结果比较稳定。如果只对连续变量进行聚类，描述记录之间的距离性时可以使用欧氏（Euclidean）距离，也可以使用对数似然值（Log-likelihood），如果使用前者，则该方法和传统的聚类方法并无太大区别；但是若进行聚类的还有离散变量，那么就只能使用对数似然值来表述记录间的差异性。当聚类指标为有序类别变量时，Two-Step Cluster出来的分类结果没有K-means cluster的明晰，这是因为K-means算法假定聚类指标变量为连续变量。
4）聚类分析的几点注意事项：A、得到因子后要明确是基于量的聚类还是基于模式的聚类；B、聚类的数量，在3-7之间尝试，spss的话，事先保证样本是排序的；C、用F检验各类在聚类变量上是否存在显著差异；D、测试不同的聚类结果：例如3类和4类的结果进行交互分析，看看变化在哪儿，主要是什么变量影响的？E、针对可能稳定的聚类，测试每个变量（原始问卷）在各个类的F统计量情况；F、把最后确定的聚类结果写入原始数据集，命名；G、判别分析，判别类和聚类变量的可视化，画判别图，进一步识别类的特征；H、采用对应分析和多元对应分析，识别类的属性和关键类（细分）表述变量，例如性别、年龄、职业、收入等；I、采用CHAID分类决策树，自动侦测进一步识别类的特性。
参考：
《市场细分与定位》：詹姆斯H迈尔斯
《市场研究实务与方法》：郑宗成、陈进、张文双
《市场细分研究综述-回顾与展望》：罗纪宁
沈浩老师的博客
不论是做市场战略分析，或是用户行为分析，想必大家肯定少不了跟各种研究模型打交道。由于各种研究模型都是分散的，需要用的时候还要到处找，还不一定能及时找到，所以这边文章我就把常用的研究模型整理了出来，共计22款～这22款分为：市场战略分析模型7款用户分析漏斗模型3款用户分析与运营模型9款一、市场战略分析模型1、波特五力模型模型价值：行业竞争战略分析模型研究模型概述：(1)竞争对手：影响行业内企业竞争的因素有产业增加、固定（存储）成本/附加价值周期性生产过剩、产品差异、商标专有、转换成本、集中与平衡、信息复杂性、竞争者的多样性、公司的风险、退出壁垒等。(2)新进入者：影响潜在新竞争者进入的因素有：经济规模、专卖产品的差别、商标专有、资本需求、分销渠道、绝对成本优势、政府政策、行业内企业的预期反击等。(3)购买者：决定购买者力量的因素有买方的集中程度相对于企业的集中程度、买方的数量、买方转换成本相对企业转换成本、买方信息、后向整合能力、替代品、克服危机的能力、价格/购买总量、产品差异、品牌专有、质量/性能影响、买方利润、决策者的激励。(4)替代产品：决定替代威胁的因素有替代品的相对价格表现、转换成本、客户对替代品的使用倾向。(5)供应商：决定供应商力量的因素有投入的差异、产业中供方和企业的转换成本、替代品投入的现状、供方的集中程度、批量大小对供方的重要性、与产业总购买量的相关成本、投入对成本和特色的影响、产业中企业前向整合相对于后向整合的威胁等。2、BCG矩阵模型价值：协助企业进行业务组合或投资组合研究模型概述：(1)金牛：在低增长市场上具有相对高的市场份额的业务将产生健康的现金流，它们能用于向其他方面提供资金，发展业务。(2)瘦狗：在低增长市场是具有相对低的市场份额的业务经常是中等现金流的使用者。由于其虚弱的竞争地位，它们将成为现金的陷阱。(3)明星：在高增长市场上具有相对高的市场份额通常需要大量的现金以维持增长，但具有较强的市场地位并将产生较高的报告利润，它们有可能处在现金平衡状态。(4)问题：在迅速增长的市场上具有相对较低市场份额的业务需要大量的现金流入，以便为增长筹措资金。3、GE矩阵模型价值：企业决定发展战略的分析模型，保证企业资源的合理配置研究模型概述：(1)行业吸引力需要考虑的因素主要有：行业(绝对市场规模、长大率、价格敏感性、进入壁垒、替代品、市场竞争、供应商等)，环境(政府法规、经济气候、通货风险、社会趋势、技术、就业、利率等)(2)竞争力需要考虑的因素主要有：目前优势(市场份额、市场份额变化趋势、盈利能力、现金流、差别化、相对价格地位等)，持久性(成本、后勤、营销、服务、客户形象、技术等)4、波特价值链模型价值：寻求确定企业竞争优势的分析工具模型应用场景：对于企业价值链进行分析的目的在于分析公司运行的哪个环节可以提高客户价值或降低生产成本。对于任意一个价值增加行为，关键问题在于：是否可以在降低成本的同时维持价值（收入）不变；是否可以在提高价值的同时保持成本不变；是否可以降低工序投入的同时有保持成本收入不变；更为重要的是，企业能否可以同时实现1、2、3条。研究模型概述：(1)进料后勤：与接收、存储和分配相关联的各种活动，如原材料搬运、仓储、库存控制、车辆调度和供应商退货。(2)生产作业：与将投入转化为最终产品形式相关的各种活动，如机械加工、包装、组装、设备维护、检测等。(3)发货后勤：与集中、存储和将产品发送给买方有关的各种活动，如产成品库存管理、原材料搬运、送货车辆调度等。(4)销售：与提供买方购买产品的方式和引导它们进行购买相关的各种活动，如广告、促销、销售队伍、渠道建设等。(5)售后服务：与提供服务以增加或保持产品价值有关的各种活动，如安装、维修、培训、零部件供应等。(6)采购与物料管理：指购买用于企业价值链各种投入的活动，采购既包括企业生产原料的采购，也包括支持性活动相关的购买行为，如研发设备的购买等；另外亦包含物料的的管理作业。(7)研究与开发：每项价值活动都包含着技术成分，无论是技术诀窍、程序，还是在工艺设备中所体现出来的技术。(8)人力资源管理：包括各种涉及所有类型人员的招聘、雇佣、培训、开发和报酬等各种活动。人力资源管理不仅对基本和支持性活动起到辅助作用，而且支撑着整个价值链。(9)企业基础制度：企业基础制度支撑了企业的价值链条。如：会计制度、行政流程等5、STP模型模型价值：营销战略的核心分析工具。在一定的市场细分基础上，确定自己的目标市场，从而把产品或服务定位在目标市场中的确定为止。研究模型概述：Step1：确定细分市场。按照某种标准(例如人口属性/心理特征等)将顾客划分若干群体，并描述每个细分市场的特征。Step2：根据企业资源或实力、产品同质性、市场同质性综合评估进行选择，一般有5种模式，市场集中化，产品专业化，市场专业化，选择性专业化，全面涵盖Step3：确定市场及产品定位。根据目标市场的需求及竞争状况，为企业形象和产品塑造强有力的差异化定位，并传递给顾客。6、Gartner魔力四象限模型价值：Gartner魔力四象限是对某一特定企业级IT技术市场的研究总结，通过统一的评估准则并汇总至固定两个维度上—AbilitytoExecute（执行层面，即当前产品、服务、销售等表现）和ComplenessofVision（战略层面，即未来愿景的清晰完整性）。研究模型概述：魔力四象限根据各家供应商们的表现，将其划分入如下四个象限中，分别为：Leaders（领导者）、Visionaries（远见者）、Challengers（挑战者）和NichePlayers（利基企业，指某个细分领域占主导地位的企业）。(1)领导者：根据现有目标经营状况良好，对未来的规划很清晰。(2)有远见者：了解市场发展方向，或是有改变市场规则的愿望，但经营状况欠佳。(3)挑战者：目前经营状况良好，可能正独霸一方，但缺乏对市场发展方向的把握。(4)利基企业：成将重点放在一片小领域中，但也可能是重点模糊、创新不突出、业绩平平。使用魔力四象限，可以帮助企业客户评估对于某个技术供应商的采购与投资。特别需要留意的是，处于领导者象限的供应商并不一定总是最佳选择，在企业的实际需求情况下，处于挑战者或利基企业象限的供应商可能是更好的选择。07、4Ps营销组合模型价值：制定市场战略最经典的营销工具研究模型概述：该模型认为营销活动的核心就在于制定并实施有效的市场营销组合。企业营销活动的实质是一个利用内部可控因素适应外部环境的过程，即通过对产品、价格、渠道、促销的计划和实施，对外部不可控因素做出积极动态的反应，从而促成交易的实现和满足个人与组织的目标。(1)产品Product：指现有产品本身及其特征(商品，质量，包装，品牌，售后服务等)，以及重视产品升级与创新。要求产品有独特的卖点，把产品的功能诉求放在第一位。(2)价格Price：指企业的定价策略，根据不同的市场定位，制定不同的价格策略，产品的定价依据是企业的品牌战略，注重品牌的含金量。(3)渠道Place：根据产品的性质，市场的细分和顾客的区隔研究，所采取的分销渠道、储存设施、运输设施、存货控制等，它代表企业为使产品进入和达到目标市场所组织和实施的各种活动。(4)促销Promotion：企业注重销售行为的改变来刺激消费者，以短期的行为（如让利，买一送一，营销现场气氛等等）促成消费的增长，吸引其他品牌的消费者或导致提前消费来促进销售的增长，包括广告，人员推销，营业推广与公共关系等。模型应用场景：4Ps提示企业经营者，做好营销工作，其实就是找到下面四个问题的答案：我们提供什么样的产品是市场最需要的？什么样的定价是最适合的？通过什么样的渠道推广我们的产品最好？采取什么样的手段促销能达到销售目的？4Ps-4Cs-4Rs对比：二、用户行为分析漏斗模型1、AIDMA模型模型价值：AIDMA模型主要适用于品牌营销方面，AIDMA模型是在AIDA模型（Attention,Interest,Desire,Action）的基础上，增加了Memory，形成的注意→兴趣→欲望→记忆→行动（购买）的模型。但AIDMA的用户流程并非即时转化，缺乏购买后的用户反馈信息。研究模型概述：从吸引消费者的注意力，到引起用户转向购买欲望的兴趣，并能够记忆住足够的时间，以便用户作出行动（在下次的时候购买、下载）。很多互联网产品重视打造品牌，冠名综艺，H5刷屏、地铁广告等等，都是从引起用户的兴趣，强化品牌记忆，从而吸引潜在用户。2、AISASA模型模型价值：电通公司针对互联网与无线应用时代消费者生活形态的变化，而提出的一种全新的消费者行为分析模型。强调各个环节的切入，紧扣用户体验，AISAS模型更符合互联网的特点，时效性强，但它和IDMA模型一样，缺乏量化标准，每一环节的效应不能通过数据进行反馈。研究模型概述：营销方式从传统的AIDMA营销法则（Attention注意Interest兴趣Desire欲望Memory记忆Action行动）向含有网络特质的AISAS发展。Attention——引起注意Interest——引起兴趣Search——进行搜索Action——购买行动Share——人人分享在全新的营销法则中，两个具备网络特质的“s”——search（搜索），share（分享）的出现，指出了互联网时代下搜索（Search）和分享（Share）的重要性，而不是一味地向用户进行单向的理念灌输，充分体现了互联网对于人们生活方式和消费行为的影响与改变。3、AARRR模型模型价值：AARRR模型是2007年由DaveMcClure(500Startups创始人)提出的一种业务增长模式。用户生命周期漏斗分析工具，是营销的底层逻辑研究模型概述：它包括5个环节：获客(Acquisition)、激活(Activation)、留存(Retention)、商业变现(Revenue)、用户推荐/自传播(Referral)。每个环节分别的含义如下：(1)Acquisition获取用户：吸引流量，让潜在用户首次接触到产品。其途径多样，如搜索引擎发现、点击网站广告进入、看到媒体报道下载等。(2)Activation激发活跃：获取到用户后引导用户完成某些“指定动作”，使之成为长期活跃的忠诚用户。“指定动作”可以是填写一份表单、下载一个软件、发表一篇内容、上传一张照片，或是任何促使他们正确而高效使用产品的行为。(3)Retention提高留存：用户来得快，走得也快。产品缺乏黏度，导致的结果是一方面新用户不断涌入，另一方面他们又迅速流失。通常留住一个老用户的成本要远远低于获取一个新用户的成本。因此提高用户留存，是维持产品价值、延长生命周期的重要手段。(4)Revenue增加收入：到了获取收入阶段，基本转化目标就已经实现，获取收入也可以叫转化，用户打电话联系、用户在线下单、用户购买产品、用户办理会员卡等形式，都能算是获取收入，具体要看商业模式(5)Referral传播推荐：社交网络的兴起促成了基于用户关系的病毒传播，这是低成本推广产品的全新方式，运用妥当将可能引起爆发式的增长。模型应用场景：电商类漏斗模型路径最为清晰，常见的就是：浏览/搜索-加购-下单-支付-复购。对于电商产品来说，最主要的目的是下单支付，因此成交转化率是衡量整个流程的全局指标；对于单独的某个环节来说，一般是UV、CTR、页面停留时长、转化率、跳失率等。如图加购转化漏斗（虚拟数据），展示的是从商品详情页页-加入购物车-提交订单-支付的流程的数据。需要做的就是整理出路径中各个环节的数据，考虑用户流失的因素，进行对应的优化；也可以通过缩短用户路径来优化产品体验。三、用户分析与运营模型1、HOOKED上瘾模型模型价值：让用户养成产品使用习惯研究模型概述：上瘾模型分为四个阶段：触发，行动，多变的酬赏，投入。（1）触发：指促使用户使用产品的诱因，分为外部触发和内部触发两种。外部触发即我们常说的拉新手段，包括广告、seo、应用商店推荐、熟人推荐等，是通过用户以外的环境因素来引导用户产生行为。内部触发则通过用户记忆中的各种关联（associations）来引导用户产生行为，负面情绪通常被作为内部触发使用。（2）行动：指用户使用产品，用户通常是对产品有所期待才会使用产品（比如使用拼多多就可以买到99包邮的口红）；这便是产生行动的第一个要素——动机。除了充分的动机，行为还必须便于实施。（3）酬赏：用户在使用该产品之后，应当能够获得奖励，且该奖励应当是多变的。多变的酬赏包括以下3种：社交酬赏：人们从产品中通过与他人的互动而获取的人际奖励（如别人的点赞、威望值）；猎物酬赏：指人们从产品中获得的具体资源或信息（如赌博、源源不断的信息流）；自我酬赏：指人们从产品中体验到的操控感、成就感和终结感。（4）投入：指用户为产品提供个人数据和社会资本，不断地为产品付出自己的时间、精力和金钱。行动阶段用户获得即时的满足和奖励，而投入阶段主要与用户对未来酬赏的期待有关。比如，对于微信朋友圈来说，用户在朋友圈“发状态”便是一种投入。随着用户发送的状态越来越多，朋友圈便具有了一种记录和储存的功能。用户在朋友圈发状态也是下一次触发的前提，进而让这个模型持续运转。2、NPS用户推荐意愿模型价值：推荐意愿即用户向其他人推荐的程度。研究模型概述：产品被推荐意愿越高说明这个产品的用户体验/整体服务体验越好，也说明产品设计的越成功。这里可以通过NPS（NetPromoterScore）来做具现化的评估，通过置入产品的办法来收集用户声音，从而了解产品是否满足用户意愿。模型应用案例：顺丰运用NPS来进行体验愉悦度评估～3、GROW模型价值：指导大快消行业品类有的放矢的增长模型，适用于母婴、食品、家清、美妆、医药保健和个护等几大一级类目的大快消行业增长“仪表盘”研究模型概述：渗透力（Gain）：指消费者购买更过类型品类/产品对品牌总增长机会的贡献复购力（Retain）：指消费者更频繁/重复购买产品对品牌总增长机会的贡献价格力（bOOst）：指消费者购买价格升级产品对品牌总增长机会的贡献延展力（Widen）：指品牌通过提供现有品类外其他关联类型产品所贡献的总增长机会4、RFM模型模型价值：用来量化用户价值研究模型概述：R（Recency）最近一次消费时间：表示用户最近一次消费距离现在的时间。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。F（Frequency）消费频率：消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。M（Monetary）消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。5、CLV（LTV）模型模型价值：CustomerLifetimeValue客户生命周期价值模型，用来量化用户价值，也叫LTV(lifetimevalue)，模型主要在做年度规划，年度财务核算，或者企业战略中较多使用，以站在企业的战略层面去考虑顾客价值与投入之间的关系。研究模型概述：此公式对群体有效，对个体精准度较低，因为个体流失率影响因素太多，而群体流失率却是可以统计的。6、顾客社交价值模型模型价值：量化用户价值，顾客的价值不仅仅是她给企业直接带来的现金利润，也应当考虑用户对企业美誉度，传播度的价值影响。研究模型概述：于区分品牌的社交活跃度用户，这部分用户在对于品牌ugc内容产出，社区活跃度上起到很大贡献。此外，顾客影响力模型的价值在于找到品牌中的影响力人群，进一步运营，提升用户价值7、TOFA模型模型价值：用来研究区域消费差异的概念模型研究模型概述：在众多的区域文化和消费的差异面相中，如何区分出基本类别或典型类型？除了饮食文化和习俗的差别，是否接受外部文化？是否敢于花钱？是消费文化价值的两个基本维度，前者导致区域消费形态的变化，后者主导区域消费的基本风格。由此CMC引入时尚指数S（Style）以衡量在时尚——传统之间的区域位置。引入花钱指数R（Risk）以衡量在勤俭——享乐之间的区域位置。模型维度解读：高S：追逐新潮、变化快，乐于接受外部文化、崇尚品牌，重视品牌的象征价值，群体影响大。低S：对外来文化谨慎甚至抗拒，崇尚经典与传统价值，保守稳定，注重长远功能。高R：决策快,敢冒消费风险，勇于尝试新品，主张享乐主义、及时行乐。低R：对价格和SP敏感，追求性价比，忧虑未来、安全感低，跟随与后动。模型特征解读：S和R这二个指数可以区分出区域消费行为差异的4种基本面相，其各自的特征如下：A型（高S高R）：前卫型（Advance），时尚而敢花钱，如：深圳、重庆；F型（高S低R）：理财型（Fashion、Financing），时尚而精明，如：上海、宁波；O型（低S高R）：乐天型（Optimism），传统而敢花钱，如：贵阳、新疆；T型（低S低R）：保守型（Traditionalism），传统而节俭，如：西安、昆明。模型应用场景：严格地说，每一区域都是上述4种典型类别的不同比例的混合体，如：某城市为F型55%+A型15%+O型20%+K型10%，但其主导性或主特征决定了其消费特征倾向，可通过调查测量得出实证的结果。
举例：菜市场，进行细分，卖肉的分，卖猪肉牛肉腊肉的，分卖冻肉鸡爪的猪鞭猪脚冷鲜的。卖菜的，分卖小菜的白菜黄瓜。。。。如果你是卖肉的，针对群体你就可以对人群进行划分，中年老年基本是以家庭为主买菜，妇女年轻人可能就是小店主自己掌管店子为生意买菜，小孩青年也许就是租房上班族等自己开火，针对不同人群进行划分，然后是目标市场选择，我选哪类人利润最大，中老年买的以家庭量就少，也不长期，青少年消费能力或者懒惰思想多不愿开火，最后定成生意商户，为目标群体，这样就出现了28定律知道做哪类人群的生意了。
市场细分是指企业按照某种标准将市场上的顾客划分成若干个顾客群，每一个顾客群构成一个子市场，不同子市场之间，需求存在着明显的差别。
企业在营销策略上，有很多不规则和不系统的行为。原因是，中国的市场营销理论书籍在这方面提供的帮助比较少，加之一些国外的书籍翻译过来之后不太适合我们的市场条件和思维方式。
再有就是我们的企业在市场上成长的时间比较短，企业营销人员的市场经验和体会市场的时间有限，所以只能用一个阶段的经验去诠释市场营销的全部含义。
一些营销书籍的作者缺乏市场工作的经验，他们一部分人是销售出身，还有一部分是广告人出身，严格地说都不是做市场工作的。他们在策略把握上和把握策略的能力上都缺乏对应市场活动的经验和体会。所以，市场上的细分概念被演绎得比较混乱。
扩展资料
市场细分种类：
1、地理细分：是按地理特征细分市场，包括以下因素：地形，气候，交通，城乡，行政区等
2、人口细分：是按人口特征细分市场，包括以下因素：年龄、性别、家庭人口、收入、教育程度、社会阶层，宗教信仰或种族等。
3、心理细分：个性或生活方式等变量对客户细分。
4、行为细分：对消费者行为的评估，然后进行细分。
5、社会文化细分：是按社会文化特征细分市场，以民族和宗教为主进行细分。
6、使用者行为细分：是按个人特征细分市场，职业，文化，家庭，个性。
-市场细分
笔者一直从事于用户运营领域，很多情况下都是要在资源有限情况下，去最大化的撬动效益，如何挖掘能创造最大价值的客户就是用户运营的最基础工作了。这个和基于用户价值的细分模型基本上是一个意思，注意本文讨论的用户价值指的是用户对企业创利能力的衡量，而不是传统营销学理论中企业为客户提供的价值。
本文我们会来谈谈常用的几个衡量客户价值的模型，以及它们的区别和应用场景。
提到如何衡量客户价值，RFM基本上是头脑中第一个想到的模型，也是大部分运营人员都会接触到的。根据Arthur Hughes的研究，发现客户的数据中有三个非常重要的指标：
这三个指标非常有意思，我们可以从中将用户的活跃度，忠诚度和消费能力评估出来，如下图：
按照案例中的情况，我们分别将R\F\M三个值都再细分成了4个等级，现在大家可以思考一下：000代表了什么客户，她与004的区别在哪里？她们的价值是否不同，是否要区分维护？
在下面的表格里，我会列举当中一些具有明显特征的用户价值细分，大家可以好好体会一下：
最后以一个问题，结束对RFM的探讨，大家认为040与004，哪个价值更大些呢？
我们知道并不是所有的顾客都具备相同的价值，如果企业能够专注于那些可以带来最大未来利益的客户，就可以实现更好的运营。所以企业必须识别出这些客户，CLV是对客户未来利润的有效预测，它还有另外一个名字，叫做LTV （life time value)。
实际上这个模型在中小企业的具体运营中应用到的不多，更多是在做年度规划，年度财务核算，或者企业战略中会较为常见的使用，以站在企业的战略层面去考虑顾客价值与投入之间的关系。
这里需要特别说明的是，CLV考虑了完整的客户生命周期，包含客户获取和客户流失，也就是它计算的不只是眼前顾客已经产生的价值，还预测了未来价值。
CLV的计算公式有非常多，有的会非常复杂，主要在流失率这个环节和影响因素就相当多，也有会加上投入成本，价值变化率和利率变化等等。
我认为比较实用简单的是这种：
注意此公式对群体有效，对个体精准度较低，因为个体流失率影响因素太多，而群体流失率却是可以统计的。
那对于CLV的应用，可以从以下两个模型来看，将企业的最优客户与不值得投入的客户区分出来：
最后也以一个问题，结束对CLV的探讨，大家认为这个公式实际应用中如何提高计算的精度呢？
（1）顾客社交活跃度模型
其实这个是我写这篇文章的初衷，实际上在我目前的工作中，单独用以上基于顾客消费属性来给顾客做价值判断和细分已经很少见了。在目前新的商业环境下，品牌与用户不仅仅是消费购物，推送产品的关系，而更多是互动与彼此认知。单个用户自带的传播属性和影响力，反而收到了越来越多的重视和运用。
用平实的语言来说，顾客的价值不仅仅是她给企业直接带来的现金利润，也应当考虑用户对企业美誉度，传播度的价值影响。
最近看到的对于顾客社交价值测算的模型还是非常有用处的，分享给大家。
这个模型用于区分品牌的社交活跃度用户，这部分用户在对于品牌ugc内容产出，社区活跃度上起到很大贡献。
（2）顾客影响力模型
这个模型在于找到品牌中的影响力人群，目前的KOL影响力毋庸置疑，如果品牌能从自身用户中发觉培养，定能起到四两拨千斤的作用。
以上就是三种常见的用户价值分析模型，那在日常运用中，还是要化繁为简，考虑实际运用场景，选择适合的运用模型。
这里给到大家的建议是将模型计算的结果标签化放在每个用户身上，比如：用户A，可以给她贴上“活跃度高，影响力弱，可获利客户”等等，那么在实际运用中，即可灵活根据标签筛选人群，进行营销策略。
