用户分群指的是根据用户的标签、行为、偏好等维度， 将用户划分为不同的群体，方便后续更精准地定制差异化的营销计划和推广策略。 用户分群的目的是找到目标用户，进一步提升用户满意度和转化率。
本篇内容将从用户分群的角度出发，并结合 火山引擎客户数据平台VeCDP产品实践， 分享寻找“最佳”受众的方法论及落地路径，主要包含以下几个部分：
● 用户分群的思路和基本步骤
● 用户分群的常用方法和模型
● 基于CDP的分群构建与应用
● 用户分群构建与应用实践
文｜涵青 火山引擎VeCDP团队
在构建用户分群时，我们 往往需要结合实际情况和应用场景寻求最优方案， 不是所有数据都适合直接生成群组，首先，我们需要进一步 明确用户分群的目的和目标， 例如提高用户留存、增加用户转化、优化用户体验等。
在该环节中，我们可以通过 “5W2H分析法” 拆解和明确：
● What： 应用场景是什么？业务目的是什么？
● Why： 为什么要建这个分群？
● Where： 依靠什么模块完成分群构建？做成标签可不可以？
● When： 什么时候需要上线和应用？
● Who： 由谁来做最合适？
● How： 怎样构建这个分群？规则和逻辑是什么？
● How much： 价值是什么？
在明确目标后，我们需要 选择用户分群的维度和指标， 例如用户的属性（年龄、性别、地域等）、行为（访问频次、停留时长、购买金额等）、价值（消费能力、忠诚度、推荐度等）等，为进一步构建“最佳”分群提供准备。
在这个过程中，大家需要关注到“用户分群”与“用户分层”两个概念：
用户分群 指的是根据用户的特征、行为、偏好等，将用户划分为不同的群体，以便进行精细化的营销和运营。用户分群的维度和指标可以有很多，例如性别、年龄、常驻地、兴趣偏好、消费能力、消费频率等。 用户分群的特点是群体与群体之间可能存在交叉关系，同一用户有可能归属在多个分群中，适合多种营销策略。
而 用户分层 指的是根据用户的状态、价值等，将用户划分为不同的层级，以便进行更有针对性的营销和运营。用户分层的维度和指标通常与产品的核心目标或业务诉求相关，例如潜在用户、新用户、活跃用户、付费用户等。 用户分层的特点是层级与层级之间是递进或递减的关系，同一用户通常只会归属在某一层级中。
用户分群和用户分层是相辅相成的，在实际的用户分群过程中，我们需要结合不同的产品形态和运营目标，选择合适的方式最大化地提升用户价值，实现产品目标。
图：基于AIPL模型的用户分层
图：
存在交叉关系的用户分群
构建用户分群有以下几种常见的方法。
● 方法一：基于经验寻找最适合的分群
根据经验或一定的分层方法，拟定圈选人群的条件，根据规则进行圈选。这种依据经验的方法很容易导致判断不够周全，需要拍脑袋，策略缺乏数据支撑，并且当经验较少时，会出现不知道选择哪些数据和圈选条件的困局。
● 方法二：基于用人群特征分析并挖掘分群
通过自定义洞察分析，分析已有人群在不同特征维度上的表现，分析得出重点特征，并基于重点特征构建用户分群。这种方法对分析工具、标签特征丰富度都有较高的要求。
● 方法三：基于算法模型能力构建分群
常见的如RFM模型、AIPL模型、聚类、Lookalike模型等。
RFM模型是一种基于用户消费行为来划分用户价值和忠诚度的模型，其中R代表最近一次消费时间（Recency），F代表消费频次（Frequency），M代表消费金额（Monetary）。
根据这三个指标，可以 将用户划分为重要价值用户、重要发展用户、重要保持用户、重要挽留用户 等不同类型，并针对不同类型设计不同的营销策略。
AIPL模型是一种基于用户生命周期来划分用户价值和潜力的模型， 其中A（Awareness）代表品牌认知人群，一般指与品牌被动发生接触的人群，例如品牌广告触达和品类词搜索的人，I（Interest）代表品牌兴趣人群，一般指与品牌主动发生接触的人群， P（Purchase）代表品牌购买人群，L（Loyalty）代表品牌忠诚人群。
根据这几个指标基于不同用户生命周期进行洞察， 打造营销策略，提高用户对品牌的认知与兴趣。
聚类模型 可以根据用户的多个特征或指标，将用户划分为K个簇（群体），使得同一个簇内的用户相似度高，不同簇之间的用户相似度低， 帮助企业发现用户的潜在需求、偏好、特点等，并提供个性化的服务或产品。
Lookalike模型可以基于种子用户，通过 算法评估模型， 找到更多拥有潜在关联性的相似人群，实现高价值人群的有效扩量， 进一步通过运营或营销策略提升人群转化率。
火山引擎客户数据平台VeCDP
是面向业务增长的客户全域数据中台，能帮助企业打破数据孤岛，建立统一的人、物档案， 以数据驱动全链路营销和深度运营， 实现企业数字化转型和增长。
基于 客户数据平台(VeCDP) 产品，可以有效整合用户数据，形成统一的用户画像，并根据预设的规则或条件，将用户划分为不同的人群包，以便进行跨渠道的营销和运营。
基于CDP的人群包创建主要包括以下几个步骤：
● 接入用户数据。 CDP支持网站、APP、CRM等系统中的行为数据、属性数据、明细数据的接入，并将多方数据源进行清洗、整合，集成全渠道客户数据。
● 创建人群包。 CDP可以根据不同的业务场景和目标，提供多种自助式人群包构建方式，包括基于规则组合、基于模型、基于标签、上传等。基于规则是根据预先定义好的条件或逻辑来筛选用户，比如浏览频次、性别、地域等；
基于模型是根据预先训练好的算法模型来划分用户，比如Lookalike模型、回购预测模型等；基于标签是根据预先打好的标签来分类用户，比如消费偏好、购买渠道等。
● 管理人群包。 在CDP中你还可以对创建好的人群包进行管理和优化，包括查看人群包的基本信息（如名称、描述、规模等）、监测人群包的变化趋势（如分群历史表现、热门分群等）、人群工作流（如了解以人群包为中心的推送任务）、更新人群包的条件（如添加或删除某个规则等）、删除或拆分人群包等。
那么构建出来的人群包有哪些应用场景呢？
基于CDP工具 可以将创建好的人群包应用到不同的营销场景中， 例如：
● 促进用户转化或复购， 通过对高价值用户、高潜用户等不同价值的用户进行人群包划分，并根据其消费能力和偏好，进行差异化的推荐、促销等营销策略。
● 提高用户留存和活跃度， 通过对新用户、沉睡用户、流失用户等不同状态的用户进行人群包划分，并根据特征和画像进行差异化的引导、召回等运营策略。
● 优化用户体验和满意度， 通过对忠诚用户、负反馈用户等不同反馈状态的用户进行人群包划分，并根据其反馈和建议，进行差异化的激励、改进等服务策略。
让我们通过两个案例，进一步了解从分群构建到应用的全流程。
/ B2B营销线索孵化场景 /
●
确定分群的目的和场景
B端市场往往因为长线需求复杂、商品/服务的价格高、决策节点（参与人）多， 而导致决策链路漫长。 在ToB商业场景中，一条营销线索的孵化少则需要几天，多则需要持续几个月跟进。
当用户通过官网自助填写个人信息后，最原始的线索就会沉淀到CRM系统中，但对线索运营的团队来说，掌握的用户信息太少，很难高转化的孵化线索，因此， 亟需更多基于用户的行为数据和画像数据作为判断补充， 找到高价值用户，实现线索的自动化营销与运营，提高线索转化率。
●
选择合适的分群维度与构建方法
基于用户在官网的行为轨迹，如站内主动搜索、浏览落地页、参与线上活动、加入交流群、Demo体验、领取产品优惠券等行为，消费频次、订单金额等标签， 综合圈选低意向潜客人群、高意向潜客人群、活跃潜客人群等，设计差异化的线索运营策略。
●
分析和评估分群结果
以周为单位常态化运转线索自动线上运营流程，回收活动效果数据，完成分群效果的可视化分析，评估分群效果是否符合预期目标和业务场景。对于不符合预期的分群，进一步调整分群变量或方法，重新进行分群优化与应用。 经验证，某B2B企业通过该方案实现了线索运营100%线上化，并在上线一周内成功转化200余条商机。
/某生鲜APP用户精细化运营场景案例/
●
确定分群的目的和场景
聚焦生鲜APP场景，针对不同用户的需求和偏好， 拆解出更符合用户属性的服务标签， 洞察不同用户群体的需求差异，从而匹配更精准的营销活动和服务。
●
选择合适的分群维度与构建方法
如针对牛肉类产品，通过VeCDP可以依据历史购买数据为整合对应用户人群，并且可依据购买频次、购买类型（不同部位商品）、购买数量细化拆分出不同的用户标签。当有牛肉类商品价格波动或者优惠活动时，可随时调用已有的标签圈选“牛肉品类偏好人群”，并联动后链路营销动作，将相关信息及时推送给与牛肉类商品强相关人群。
● 分群效果
经统计，该企业在将VeCDP投入APP内的精准营销场景使用后，各 品类下单人数池增长约15%左右。
产品介绍
火山引擎客户数据平台 VeCDP
面向业务增长的客户全域数据中台，帮助企业打破数据孤岛，建立统一的人、物档案，以数据驱动全链路营销和深度运营，实现企业数字化转型和增长。后台回复数字“11”了解产品
