本日系统讲解一下，如何破这个局。
01
用户分群的痛点
最大的痛点在于：分群本身不能直接产生代价。无论分群用的是啥模型，末了的结果也只是一个数据标签而已。问题就在于：没有一个用户会为这个标签买单。
用户买单的缘故原由永久是：
需求：我刚好须要这个
渠道：我刚好看到你家在卖
价格：你家商品价格很便宜
设计：你家商品设计很好看
品牌：你家牌子我很喜好
跟风：我看别人都在你家买
功能：你家商品功能多，好用
……
并且是这些成分综合影响的结果。指望一个模型，把以上所有通通预测清楚，是100%不可能的。那相称于哀求算法工程师能精确到：张三公元2021年7月29日10点19分会打开手机商城，他恰好想买一个正价200且优惠20元的大风牌电风扇……这么搞，还不如请个算命大师靠谱。
知道问题关键所在，破局的思路也就清晰了：放弃用一个神威无敌大将军模型，一炮搞掂所有问题的稚子想法。从影响用户消费的成分出发，分模块，各个击破。
02
提升古迹的关键
影响用户消费的成分之间，有内在逻辑关系（如下图）：
用户有需求，恰好能打仗到某个品牌，然后再思考这个品牌供应的办理方案能否知足需求。
因此从大类上，可以拆解成：
n 用户需求
n 打仗渠道
n 办理方案
三大模块
大部分企业不是头腾阿美滴，没有垄断地位，因此最大的难点是中间层：打仗渠道。如果无法有效打仗用户，前真个需求洞察，后真个方案匹配，都是空谈。
因此，真想让用户分群模型见效，首先冲要破的是打仗渠道这一环。对用户打仗行为进行分群，区分出不同用户适宜的打仗渠道，能直接提升落地效果。（如下图）
大部分企业不是能大把烧钱的公司，资源要谨慎利用。因此第二大难点，是区分用户支付能力，打算出到底值得投多少资源去做。把稳：很多同学
由于历史消费不代表未来消费，有些品类可能有用户忠实度，会进行复购。有些品类压根便是一笔的买卖。因此这里建议拆分几个标签，分别做归类（如下图）：
大部分企业不是平台企业，只要有交易就行，不在乎是谁的产品。因此在匹配办理方案的时候，就注定了有些商品可能没有市场竞争力，只能匹配给忠实度高的客户；有的商品便是拿价格换销量，引流一把而已。
以是办理方案，是紧密结合用户的代价、需求、触点来做的（如下图）：
有了以上准备，可以开始搭积木，组装能提升古迹的分层模型了。
03
用户分群组装办法
经由上一步剖析，准备好各个根本模块（如下图）开始组装
第一步：基于用户支付+品牌粘性，确认根本分群策略，锁定每个用户值得多少投入和预期达成的目标。
如果想进一步提升效益，可以在这里增加两个模型：
模型1：自然消费预测。通过建模/剖析，创造高概率（70%以上即可）自然消费的用户，然后削弱该部分用户的投入，这样就能进一步提高分群策略的资源投放ROI。
模型2：价格敏感性剖析。通过建模/剖析，创造高价格敏感型用户，然后视当前业务发展情形，如果缺发卖数量，就投钱做这批用户；如果缺利润，就暂时放弃不做，这样也能进一步提高ROI
第二步：基于用户偏好+打仗渠道，确认打仗策略。把稳，在打仗策略上，对付重点用户，完备可以采纳地毯式轰炸的战术，店员、APP信息、短信轮番上阵，直到100%覆盖。而对付边缘用户，则要看打仗概率，评估是否值得投资去联系。
第三步：用户分群+用户偏好，确定商品、匆匆销方案。个顶用户偏好决定了匹配哪种商品，分群策略决定了投不投优惠，投多少优惠力度。
第四步：确认内容。以上三项都确认完毕后，内容便是迎刃而解的。由于每个人群推送的商品、优惠方案、打仗渠道已定，内容只须要根据不同打仗渠道热点，创作相应的图片、笔墨、视频即可。
以上，组合出来的，便是一个完全的运营落地方案。比较之纯挚给一个：会消费/会流失落的预测结果，这种组合方案有几个明显上风：
1、锁定了用户该当投入多少资源，避免了“你不投，用户咋产生代价？用户没产生代价，我为啥要投？”这种鸡生蛋、蛋生鸡模样形状的侧核批
2、先考虑打仗渠道问题，避免了“你剖析的都有理，但是我联系不上客户”的尴尬
3、大大减少了掌握变量，避免了扯不清到底用户不买是投入不足还是设计不好
由于已经提前锁定了资源和打仗渠道，因此掌握变量只剩下内容、商品两个。后期优化便是看怎么换内容提高点击，怎么换商品提高转化。
这样后期复盘剖析思路也清楚：通过多轮商品、内容测试，能找出在现有商品构造下，对用户运营的能力上限在哪里，哪种手段好用。这样不但能提升短期效益，而且能为长期内推动商品升级做铺垫。
04
小结
从实质上看，之以是须要这种组合式分群模型，是由于当剖析目标是：“提升古迹”的时候，影响结果成分太多，不外细考虑，很有可能满盘皆失落。
想让数据见效，从来都不能指望“一模平天下”，多方调动资源才是正道。这种分群思路与建模过程，实际上便是CDP运营的整体思路。有兴趣的话，关注接地气学堂"大众号，下一篇我们专门分享，CDP如何做好数据运营，敬请期待哦。
作者：接地气的陈老师，微信"大众号：接地气学堂。十年资历的数据剖析师，拥有多个行业的CRM履历。
