提到客群，大家应该并不陌生，我们在做客户管理、客户营销的时候，都离不开相应的客群划分，做好客群划分能够事半功倍，谁分得更好，谁效率更高，谁就是赢家。本文整理自索信达控股数据分析专家杨震南的线上直播分享，本文以零售银行的客群划分、新客经营和特色客群经营为例，介绍了客群划分的方法和相应的客群经营策略。供大家参考。

客群划分的维度和意义

客群就是按照一定的条件将人群进行划分，成为有共同特征的一群人。那么，这里所说的“一定的条件”及“共同的特征”就构成了客群划分所需的多种维度。客群划分常用的维度都有哪些？具体有以下三种：

一是人口和社会学信息的维度，例如性别、年龄、地域、职业、收入、经济条件等等。

二是活跃信息相关的维度，如客户在线上线下所产生的一些行为，比如浏览、点击、购买、分享、访问、到访等等这些相关的行为。

三是交易的信息，例如交易的次数、交易的金额、交易的品类。尤其是金融企业，非常注重以交易信息这样的维度去进行客群的划分。

下图以银行零售客户为例，列举从以上三个维度去做客群划分，能够划分出怎样的客群：

客群划分的意义是什么？我们为什么要进行客群划分？原因主要有以下三点：

第一是帮助企业更好的去认识客户，去了解客户的需求和潜在的需求，从而明晰此客群相关的画像；

第二是为了区分客户的特征，去划分客户的偏好，是为了帮助我们在营销的过程中提升精准性，避免同样一个策略一把抓、全覆盖的情况出现；

第三点是为了划分客户的价值，在营销资源有限的情况下，可以把有限的营销资源去按照不同的优先级划分给不同的营销策略。

下图是某金融企业新客激活转化活动前后的效果对比。可见在同样的活动资源和渠道下，通过数据分析找出现金活动敏感客群后，转化率能够提升3%，转化成本也降低了 。

客群划分的第一步，是要明确业务目标。不同的业务目标决定我们使用不同的方法组合：例如，如果客户划分以客户价值提升为目标，那么在客群划分的过程中，可以重点选取客户价值评估的方法论（价值金字塔模型、RFM等），同时需要确认具体业务下的价值评判维度。

选择客群划分方法和数据洞察过程不分先后。各类客户分群方法论的使用都是伴随着数据洞察与测算分析，例如，使用RFM客群划分方法时，同步需要对R、F、M三个维度的高低标准点进行测算，选择确定R、F、M三个维度时，也需要对基本业务数据进行洞察分析。

基本划分方法与使用维度选定后，需要进行客群划分实践，客群规模大小需要根据业务需求、资源规模等进行不断地测算和调整，并无统一标准。

根据划分后的客群进行专题数据洞察与分析，根据不同客群现状与客群经营目标制定相应的营销策略，包括营销体系、营销资源、营销方法以及营销渠道。

策略落地后，进行营销策略后评估，建立评估指标体系，进行数据监测与分析。依靠数据分析结果调整营销策略以及客群划分策略，形成客群营销闭环。

接下来进入到实践案例的部分，带大家了解零售银行的客群划分与经营实践。

首先，整个客群划分的第一个步骤就是去确定客群划分的目标。

客群划分的目标分为宏观目标和微观目标。对银行零售客户经营来说，宏观目标主要有两个，一是客户管理资产提升（AUM提升），通过去提升构成AUM的各项分类资产从而实现AUM的整体提升；二是优化客户结构，不断促进低层级、低价值客户向高层级、高价值客户转化，在这个过程中，也会带来AUM的提升以及客户资产配置的优化。

与宏观目标相比，微观的目标就更为丰富多元，包括APP MAU、财富客户的保级率、基金持有客户数、存款产品销量、联系覆盖度、升级转率等等。那么这些微观目标的产生逻辑是怎样的呢？这些看起来零散的目标，实际上都有其内在的联系性，都是按照一定逻辑从两个宏观目标层层拆解出来的。这个指标拆解的过程在实际策略制定的过程中非常重要，我们要把宏观的大的指标拆解到具体可落地的任务，才能够继续去做后续策略的产出和实施。

第二个步骤就是选择客群划分的方法，做好数据洞察和客群划分与测算。

如下图所示，银行零售客户分层可划分战略层和战术层。战略方向的分层，提供后续业务经营的整体方向，可以采用客户生命周期模型和价值金字塔模型进行划分；而战术方面的分层，指导后续经营策略的产出与落地，可以采取事件分类梳理方法、各类特色模型等。

第三个步骤就是根据数据洞察制定策略，形成整体的经营体系。

我们已经有了客群整体划分的体系了，接下来要做的事情就是制定策略。在做各类专题数据洞察之前，首先要搭建一套整体的策略体系，下图为大家展示客户经营策略体系搭建的构成要素。对应战略分成生命周期的各个阶段，客户的转化旅程和需求是如何变化的、每一个时期具体的经营目标是怎样的、战术的细分需要从哪些方面入手、以及需要搭配怎样的营销渠道等。这些就形成了整个经营策略的框架体系。

另外，营销渠道是最终策略触达客户的必备环节。需要针对不同的场景选择恰当的触达渠道，进行渠道组合营销，以完成策略落地。通过主被动营销渠道协同，线上线下营销渠道互为补充，构建多元协同营销模式。

第四步是进行策略后评估和优化。

策略后评估最重要的是要搭建一套评估的指标体系，而且评估的指标体系应该是个性化的，针对不同类别的客群、不同类别的策略，每一个策略都有自己特色的一个指标体系。以下图为示例，我们可以考虑从这几个方面给策略搭建评估的指标体系。

形成策略效果评估指标体系后需要做好埋点补充与数据口径核对工作，才能更好地进行评估和优化：

当前获客成本越来越高，对于来之不易的新客，如何做到激活、转化、留存，是很多企业非常关注的问题。

首先，确定新客经营业务目标并对其进行数据洞察，通过数据洞察与分析确认新客经营时间节点与重要动作，探索新客行为特征与画像。

其次，梳理新客经营路径并对客群进行细分，结合新客客户旅程及新客转化成长路径梳理新客经营思路。

最后，形成新客经营框架，新客经营结束后，需根据新客状态对其进行分流并进行进一步的客群经营。

在新客经营框架前期搭建的过程中，数据洞察是一个非常重要的环节。如何搭建数据分析的逻辑框架，一定程度上决定了我们后续的分析结果是否有效。AUM提升和客户层级跃迁是结果指标，需要将结果指标进行拆解，得到可落地的过程指标，才能具体化数据分析需求。具体步骤如下：

一是明确新客经营的预期是什么？这需要从结果指标去寻找过程指标定义的突破口；

二是为什么要去做新客的经营？需要证明做客群经营是有价值的，对比做了新客经营和没有做新客经营的这些新客，后续发展有什么不一样？是否变得更好？

三是怎么做新客的经营？ 通过数据分析探索关键业务动作，帮助我们了解通过哪些动作的转化能够让新客客群向结果目标发展。

前文为大家介绍了数据洞察在客户经营中的重要地位和具体实操，以及怎样从客群划分到策略产出进行衔接。接下来的案例以职业女性客群为例，为大家展示方案落地过程中的一些策略细节。

运营职业女性客群，首先要了解客群，做客群的划分。特色客群是在战术的分群之后，为了策略能够更好的落地以及把客群分得更细致，梳理和客户相关的不同事件划分出来的客群。接下来是数据的洞察。通过多维度的数据洞察去了解客群的基本特征，从而为我们的营销指明方向。在数据洞察之后，形成客群画像。在形成客群画像的时候，就可以根据客群的基本信息为营销的方向提出相应的建议，从而制定具体的策略，最后是策略监控和迭代，形成营销闭环。

通过数据分析，我们就会形成不同的客群画像，这对于策略制定就会给到一些方向和建议。比如营销场景的选择、资源营销的方向性指导、渠道营销方向的选择。

在具体到策略落地的过程中，有很多的细节需要关注，比如人群圈选的细致规则、配置什么样的产品和权益、触达的渠道怎么选择组合、触达的时间和内容文案等等。

在策略落地时，每一个策略都应该有一个个性化的效果评估指标体系，对策略进行数据监控。对比不同的策略，在不同环节中的转化效果，并根据监控所得的数据，对运营策略进行迭代优化。迭代方向的假设，同样可以通过A/B测试的方式，测试之后再去进行有效的上线。