起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識顧客分群功能設計總結
顧客分群&顧客模型，能夠按群體特征、使用偏好、活躍特征、留存特征等對顧客進行分類，是一項重要且基礎的功能。筆者將結合自己的經驗，為我們講講如何做出顧客分群功能。
導讀
- 顧客模型與顧客分群
- 設計思路
- 設計細節如何落地
- 過程中的一些問題
一、顧客模型與顧客分群
顧客分群&顧客模型對于數據分析類產品都是重要且基礎的功能，不僅在我們所面對“智慧商場”類的產品中有，在互聯網數據分析產品中也十分常見，例如GrowingIO、神策等等，但各有各的特點。
建立顧客分群&顧客模型，是每一個以“人”為分析中的產品所必備的能力，“物以類聚、人以群分”，每一類用戶群體都具有自己的特征。建立分群后，可以實現客群分析、客群的留存、客群偏好等等，而不是籠統的概覽。
在AI快速發展的當下，我們可以通過AI的方式去智能地識別出一個客群，也可以通過自定義特征的方式來選定一個客群，本文要講的就是這一部分。
那么，特征怎么確定，特征間怎么打通？
（建立分群原型）
（分群使用原型）
二、設計思路
在開始我們的設計之前，我們對許多的數據分析類產品進行分析，并得到了一個統一規范，這也符合我們在“靈魂設計”中提到的思考流。因此，我們的思路也沿用這個整體規范：
- 查詢業務邏輯
- 顧客特征描述
- 語義表達式
但每一個方向都需要有我們自己的思考，產品設計過程就是將這個思路逐步細化的過程。
選擇客群與分析客群是兩個獨立的過程。
正如上圖所示當我們通過條件組合得到一個客群后，即得到了一個顧客ID組，在分析選項時，是分析這個ID組在分析選項組合中的數據。
1. 顧客模型
用戶模型分為兩個部分：屬性、行為。
屬性很好解釋，我們的采集手段目前只有這些，至于其它的屬性標簽，只能說目前辦不到。
那么行為呢，在我們的技術條件下，我們只能判斷軌跡、駐留時長等，那就從我們的能力出發。在對用戶調研中，我們得到用戶十分關注顧客在場內的駐留、深逛的深度等，因此將用戶關注與技術能力相結合，我們使用了游深、到訪、駐留三個行為來刻畫用戶。
2. 查詢語義表達式設計
一個完整表達式的自然語義：
用抽象的方式來表達：
前面兩部分是對顧客模型與業務邏輯的分析，在具體客群定義的條件項中，我們需要去設計條件，也就是本段所描述的表達式語義。
屬性表達式相對簡單，由屬性標簽以及標簽的值組成，行為表達式相對復雜一些，包含行為的對象，行為的屬性值以及行為的發生時段。
三、設計細節如何落地
感謝我們的PM易無止境十分細致地完成了從思路到方案的梳理工作。
先上一張圖看一下顧客分群與功能是如何結合的，在這個留存分析功能模塊中，查詢器的第一個條件就是選擇我們建立的客群。從產品認知上，我們和起點就是選擇一個客群，因此這個功能我們劃分到“顧客洞察”板塊中。
（一個功能原型案例）
（建立客群原型）
1. 構建語義表達式
客群 = 不同篩選條件（屬性條件/事件條件）的組合，條件之間支持and和or的邏輯關系。在數學中，有一個運算優先級的概念，為了能夠在表達式中兼容優先級，我們設計了外層表達式和內層子表達式，內層子表達式的優先級高于外層表達式。
2. 屬性表達式
屬性表達式包含：屬性、運算符、結果值。
3. 行為表達式
事件條件包含：行為、時間、空間、統計、運算符、結果值。
4. 顧客屬性
屬性受數據來源的限制，可以通過自有的渠道彩集，也可以通過整合第三方（阿里、騰訊）的大數據標簽系統。這由自己的業務規模所決定，需要PM根據實際情況進行判斷。
5. 顧客行為
我們的顧客行為有：到訪、駐留、游深三個。
6. 運算符
不同的判斷內容類型，需要提供不同的操作符，這里需要注意如何去定義值的類型，是數值、數據范圍、還是文本等等。
7. 時間范圍
時間范圍是行為發生的時間范圍，可以有多種確定時間范圍的方式，例如近30天、6.1號~6.4號等等，復雜在于近**天的時間范圍，時間一直在改變因此客群也是動態變化的。
8. 空間范圍
空間范圍是指行為發生的空間范圍。
9. 統計方式
有一段時間我們放棄了統計方式的選擇，全部使用“累計”，但后來還是發現不夠靈活，于是增加了一些其它的統計方式。
四、一些問題
1. 怎么想起來要做分群
現在看第一版的產品，就是一個數據可視化產品，談不上分析。在完成后不久，我們通過分析相似行業——互聯網產品數據產品的發展，得出一個結論：從UV/PV的數據統計升級到行為分析（GrowingIO等）。
于是我們也打算跟上這個步伐，怎么做呢？
向IO類產品以及其它數據分析產品學習，于是分群、顧客模型、指標體系等都成了擺在我們面前的工作。后來與潛在客戶有了更多的交流，他們對于場內客流的經營都是以“家庭結構”進行的營銷策劃，這就是一種分群類型，而我們的“顧客分群”功能正好也能覆蓋這個需求。
2. 客群與查詢條件的兩次運算
對這樣的處理方式異議最大的來自內部，由開發團隊提出，畢竟做兩次運算的難度超過一次運算，但最后我們還是說服了內部團隊。
為什么這樣，源于我們對于線下商業體客群的理解——客群是一個相對靜態的范圍，線下商業體中的SKU類型、體量相對固定，顧客的消費習慣也是相對固定；所以我們建立一個相對固定的客群，來分析這群人在不同的時間、不同的空間中有什么樣的表現。
3. 如何理解用戶的行為
過去一段時間，我們對于用戶行為的定義是：進入、離開、就餐、娛樂等，這確實與線下消費場景十分的符合。但是問題也來了：
- 實現起來十分的復雜，各種行為的判定條件很難精準；
- 用戶的信息化水平低，脫離了實際的使用需求；
經過取舍，為了讓產品與用戶的實際水平相符合，我們決定重新定義行為。
我們來看看用戶關心什么：人從哪里來、人是什么樣、來了待多久、去了幾家店等等。所此，我們重新定義行為有：到訪行為（頻次）、駐留行為（時長）……以達到既能描述顧客，又與用戶實際的使用水平達到平稀。
總結
本文介紹了我們如何一步一步的完成顧客分群的設計以及過程中遇到的問題，雖然每個產品面對的問題不一樣，但思路有許多的相似性，希望能對你有所幫助。
相關閱讀
查詢器設計：《從0到1，快速實現用戶群定義與查詢器設計》
作者：張牧師說，微信公眾號：D哥產品說。
本文由@張牧師說 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自Unsplash, 基于CC0協議
- 目前還沒評論，等你發揮！
