用户分层

用户分层是依据与业务目标相关的特征、行为或客户关系，把用户组织成不同群体，并采取差异化产品、营销或服务动作的方法。英文常称User Segmentation；针对购买客户时，也常使用Customer Segmentation。电商中可以按首购、复购、购买品类、消费记录、市场和互动行为等条件划分。

分层的重点是让相似需求或相似状态的用户得到合适的信息与服务，而不是给每个人贴永久标签。一个客户既可能是老客，也可能正在购买新类目；当前未购买的人也可能仍在比较或等待供货。分层结果应随数据和业务状态更新。

分层、分群、画像和会员等级

部分团队把“分层”用于有顺序的状态或价值层级，把“分群”用于没有高低顺序的兴趣、地区等集合；也有团队将两者统称为用户分层。这些术语并没有在所有企业中保持相同用法。重要的是说明分组依据、是否互斥，以及每一组用于什么动作。

用户画像概括某类用户的需求、行为及特征，分层则需要把实际用户按规则归入可分析或可运营的集合。画像可以帮助选择维度，但不能凭印象给具体客户补上没有依据的收入、职业或购买意图。

会员等级通常对应公开的权益、积分或资格规则；运营分层可以在内部分析中使用，两者不一定一一对应。客户进入“近期未购买”群组，不意味着其会员权益自动失效；高消费客户也可能因售后未解决而不适合收到促销消息。

先确定要解决的问题

希望提高新客首购，可以观察已订阅但未下单、浏览过特定商品或已加购的人群；希望促进复购，可以区分首购商品、购买规格和后续间隔；希望改善服务，则可以关注尚有未结售后、配送异常或重复联系的客户。不同目标需要不同规则，不能只用累计消费金额回答所有问题。

有的分组用于分析，有的用于实际触达。分析群组可以包括暂时无法联系的用户；营销触达则还需符合相应渠道的订阅状态、排除条件和发送限制。属于目标群组，并不自动等于可以给该用户发邮件或短信。

规则应能连接一个明确动作。例如，首次购买某类需要安装的商品，可以提供适用安装说明；已购买消耗品的客户，可以在合理时机了解补货选择；存在退款问题的客户，则应优先完成售后。若不同组收到完全相同的内容、时机和服务，增加分组数量未必产生价值。

常见分层维度

客户关系维度包括未购买、首购和多次购买。应明确按有效订单还是其他记录判断，避免将取消、补发或测试订单当成真实复购。匿名访客、订阅联系人和已识别客户的覆盖范围不同，也不宜混成同一总体。

行为维度包括近期访问、关注品类、加购、点击消息及购买记录。访问某个页面可能只是查找说明书或帮助他人选购，不一定代表马上购买；消息互动也只是部分可观测行为。可以结合多种信息判断，不能把单次点击直接认定为确定购买意图。

商品与需求维度包括首购商品、常购品类、尺寸或规格偏好、购买用途和是否采用订阅。基于客户主动提供或实际购买的数据，通常比根据模糊人口特征猜测更具体。购买礼品的客户与为自己补货的客户，即使订单金额相近，后续需求也可能不同。

市场维度包括适用语言、可配送地区、币种和当地购买条件。跨境经营中，同一消息可能需要不同语言、单位和交付说明。应核对实际地址及市场规则，不能仅根据浏览位置就认定客户居住地或配送目的地。

RFM是常见方法，但不是唯一方法

RFM分别观察最近一次购买距今多久（Recency）、购买频次（Frequency）和消费金额（Monetary）。它适合从历史交易中分析客户状态，帮助识别近期活跃、持续购买、曾经活跃但近期减少购买等不同情况。

使用前要明确统计窗口、有效订单、退款处理和币种。最近购买间隔通常越短，表示购买越近；频次与金额则要结合商品类型解释。一次购买高价耐用品与多次购买低价耗材，不能仅凭同一频次阈值判断谁更值得服务。

RFM并不要求所有业务都按固定五档、八类或统一金额划分。阈值可以根据业务含义和实际分布设置，再检验每一组规模及可用性。按分位数打分属于一种办法，按明确业务条件分组也是一种办法，不能将其中一种写成唯一标准。

消费金额也不等于利润或未来价值。高销售额客户可能购买低毛利商品、产生较多退款或有不同履约成本，需要结合其他指标分析。尚未购买的潜在客户缺少完整交易记录，应使用适合其阶段的行为或订阅规则，而不是强行解释为低价值RFM客户。

规则组合、重叠与动态更新

分层规则需要明确“同时满足”与“满足任一”。例如，“买过咖啡豆且最近30天没有再次购买”与“买过咖啡豆或最近30天没有再次购买”会得到完全不同的人群。时间范围、次数和商品条件都应完整表达。

不同群组可以重叠。某客户可能同时属于VIP、咖啡品类客户和近期沉默客户。用于统计整体结构时，需要互斥规则或明确重叠比例；用于触达时，则要设置排除、优先级和频次控制，避免同一天因多个群组收到重复消息。

一个简单的互斥示例是：未购买客户、仅有一笔有效订单的客户、至少两笔有效订单的客户。这样的划分便于查看购买阶段，但仍可以在各组内叠加品类、市场或服务状态。示例不代表所有店铺都应采用相同层级。

动态分层会随着用户行为和属性变化增加或移出成员。Shopify客户细分及Klaviyo条件群组都提供这种思路；固定导出的名单则是某一时点的快照。将快照用于后续触达前，需要重新确认购买、订阅和售后状态，不能把过期名单当成实时结果。

数据质量与可触达人数

客户识别会影响分层准确性。访客使用不同设备或邮箱可能形成多个档案，共享账号也可能代表多人。合并记录需要可靠依据，不能只因姓名相似就认定为同一客户。空值、未识别与真实为零也应区分，例如没有金额数据不一定表示从未购买。

数据同步、追踪可用性和属性命名同样重要。购买记录尚未传入时，已下单客户可能暂时仍在未购买组；取消或退款处理不同，也会改变频次和金额。发现群组人数异常时，应先核对数据范围和更新状态，再解释经营变化。

Klaviyo官方说明，群组人数是满足条件的档案数量，创建活动时的预计收件人还会受到订阅、抑制和发送频次等条件影响，最终人数在发送时确认。因此，“群组有一万人”不能直接等于“一万人都会收到消息”，也不能等于全部属于独立真实购买者。

怎样评估分层是否有用

应结合分层目标选择结果指标。新客经营可以关注首次有效购买，补货提醒可以关注对应商品再次购买，服务分层可以关注未结案减少与重复联系，不能全部用打开率评价。订单金额增加时，也应结合优惠、毛利、退款和退订理解。

不同群组天然具有不同历史行为。VIP复购率高于潜在客户，并不能证明VIP活动本身有效。如果需要判断策略贡献，可以在相近资格人群中设置合理对照或实验，而不是直接比较两个原本不同的群组。

分层不宜细到每组只有极少客户，也不宜复杂到无法解释归属和执行动作。先用少数与目标直接相关、可以检查的规则形成有意义群组，再根据结果调整，通常更容易发现问题。有效分层应改善信息与需求的匹配，并保留真实反馈及正常服务权益。

参考资料：Shopify客户细分、Shopify RFM客户分析、Klaviyo群组与名单的区别、Klaviyo群组人数与预计受众。