用户分类

细分是将客户群体或受众划分为若干组，这些群体在与决策相关的方面存在差异。在数据分析中，它用于分解掩盖重要差异的平均值；在市场营销中，它用于精准投放广告；在产品开发中，它用于确定产品功能应满足哪些用户的需求。其最终目的是用多个描述不同行为群体的数字，取代描述所有用户的单一数字。

支持这一观点的理由是，汇总指标常常会误导人。稳定的总体转化率可能掩盖了移动端转化率上升抵消桌面端转化率下降的情况，低价值客户群体的增长掩盖了高价值客户的流失，或者某个市场的改善弥补了另一个市场的恶化。由于仪表盘上显示的是汇总数据，这些构成上的变化往往难以察觉，直到它们足以影响总体数据，而此时潜在的变化可能已经持续了数月之久。

有效的细分取决于它所支持的决策，而非恰好可用的数据。人口统计细分虽然容易构建，但往往无用，因为与人们的实际行为相比，年龄和地域往往预测行为的效果不佳。基于购买频率、最近购买时间、品类、渠道、设备或生命周期阶段的行为细分则更具实用性，因为成员构成反映的是用户的实际偏好而非属性，而且由此产生的群体能够与团队实际可采取的行动相匹配。

分析的主要风险在于，分割会增加得出错误结论的可能性。将实验或数据集分割得足够多，即使仅凭偶然性也会产生看似显著的差异；而且，每个分割点越小，其数值的不确定性就越大。在看到数据后才定义的、仅仅因为某个分割点显示出有趣的差异而选择的分割点尤其不可靠。正确的做法是预先定义感兴趣的分割点，在报告分割点数值的同时报告不确定性，并将事后分割结果视为需要单独验证的假设。

从实际操作角度来看，只有能够采取行动的细分群体才有价值。如果某个细分群体无法在目标系统中识别，或者规模太小而无法进行差异化处理，又或者其成员变化速度超过了其所反映的活动周期，那么分析结果将毫无意义。因此，在设计细分方案之前，而非之后，就应该考虑各种实际限制因素，例如该细分群体是否能够嵌入电子邮件平台、网站是否能够实时识别，以及最终产生的活动是否有归属权等等。

在设计阶段就应考虑细分市场的稳定性，因为成员变化迅速的细分市场难以有效运作，且衡量结果容易产生偏差。例如，一个基于近期行为定义的细分市场可能在一个月内流失一半成员，这意味着针对该细分市场开展的营销活动实际触达的人群与分析对象有所不同，而针对该细分市场报告的指标实际上是在不同时期比较不同的人群。对于生命周期阶段等本身就具有波动性的情况，更恰当的做法是报告细分市场之间的流动情况，而非细分市场内部的层级变化。因为了解有多少客户从活跃状态转变为流失状态，比了解当前处于每种状态的客户数量更有意义。

实际上，大多数组织受益于数量有限、定义清晰且稳定的细分市场，这些细分市场应在报告、营销和产品决策中始终如一地使用，而不是依赖于仅存在于单一分析中的复杂方案。建立这种共享的定义是正常的业务流程。 数据分析 功能，正是它允许 成长管理 和 营销服务 制定计划时要遵循统一的客户群体观点，而不是各自坚持自己的观点。