编辑编者按：关于互联网业务怎样开讲户群管理，你了解啥呢？其实如果做好分客户群就能四两拨千斤，谁抢得细，谁工作效率更高谁是输家。一起来看看作者的撷取。

先聊著几句现在的互联网业务。

消费金融创新：不管需不需要，让天下人有钱有势借，天下人上信用记录； 现场直播：不管哪路仙人还是妖精，让天下人都当女演员，装作爱好； 社区团购：卖菜卖菜卖菜，让后禽流感时代的生活也能像禽流感中一样，被投喂； 电商：付款更快，送货上门更快，愉悦感也更快衰亡； 短视频：Kendujhar只关心怎样解闷时间，让她们更凡让她们更俗；

是的，要努力做到这些，就罚球客户群。谁抢得细，谁工作效率更高。

面向全国客户群，大有可为。

下面正式开始互联网业务怎样开讲户群管理的那些事。

我之前说过，子代不重要，群体才重要。即使没法把你非要，平台也不把你非要。

做风险控制的目标不是为了零信用风险。你不能把所有存有信用风险的客户都婉拒掉，你也做不到这一点，即使每一人明细交易都存有信用风险，程度问题。你不能说两个葱分600分的人，比两个800分的人差，子代符合测不准原理。但是你能说，六百多分的Noc没有七百多分的许许多多好，这是对的，群体是测得准的。

风险控制不关注子代，1w个人申请，你通过了3k人，不是说这3k里的每一人都是会按时借款人的。实际上是，你把这1w人按信用风险次序分成10组，每一聊天室里计算利率，信用风险次序足够好的话，这10组的利率是死板的，利率为0做为边界线，你取出了其中前3组。Jalgaon中，不必真的算利率，欠费率好算的多，也不所收0做为边界线，取两个业务上合理的共振频率就能了。

你从来没有关注过子代，而这却是对的。所以你常常拜会过，风险控制把一些正常行为截击了，例如反复让你奇偶校验接收者、暗鞘失败、交易被婉拒、承保被拒等。

在金融创新市场上，那些金融创新机构不管你姓什么，是谁的儿子，读过啥书，有什么意识形态，持什么创业精神，宗教信仰什么宗教，如果你具有交易信用，有支付能力，她们就会跟你做金融创新交易。

对平台而言，没有子代，只有客户群。你真的你是VIP，联系客服人员去举报，在她们眼中，你也是个爱举报的客户群而已。你真真的你是什么VVIP吗？

在金融创新领域，我们把对客户群的理解统一称为KYC（know your customer），分客户群也能说是打标签。基于客户群，我们制定差异化的策略，使得对客户的管理达到最优。

客户群的概念远不仅限于金融创新领域，而是在几乎所有互联网业务中都扮演着举足轻重的地位。我们制定新策略、推出新产品、调整运营方案、进行战略升级、举办一些活动，都需要在了解客户群的基础上进行。

数据驱动的行业更是如此，分析师们根据经验或大数据抓耳挠腮地去分析各种维度，探索客户群的规律和特性，希望能找到新的盈利增长点，找到新的活跃客户和高转化客户，能说客户群分析是她们的一切。

我们先说说客户群怎样划分，然后对当前主流互联网业务进行展开，包括消费金融创新、电商、社区团购、短视频、现场直播，看看这些业务都在关注什么样的客户群，以达到对用户最好的管理。

一、怎样分客户群

不同的人差别可能很大，两个模型、一条策略不能有效地适用于所有客户群。这时候，把客户群划分成某些类别是很有必要的，例如收入高的、收入低的。一句话概括，分客户群是把具备某种相同特性的人归结在一起，就好像我们总喜欢基于某些特性给别人打标签或者被打标签。对于互联网业务来说，用户的背后是数据，客户群划分其实是基于数据的分类。

我们先说能获取的数据。

用户与平台交互产生的数据大体上讲能分为三类：基本属性信息、行为信息和交易信息。基本属性包括用户的年龄、性别、学历、出生地、常驻地、职业、是否有车、是否有房等，这些信息有的能从身份证、手机号上解析，有的是用户填写，有的可能需要根据其他信息推断，有的还需要授权去查询。行为信息则是用户在平台端频繁访问留下的数据，主要是浏览、点击、输入。交易信息则是用户历史的交易情况，互金的借贷和借款人，电商订单，外卖订单，出行订单等都是。此外，有一些数据平台自己没有，但是又需要用，能经过授权从行业层接入一些相关数据，如信用记录报告等。

要知道，互联网金融创新业务一般会比其他业务如搜索、广告、推荐拥有用户更精准更全面的信息，这是生意属性决定的。大数据风口上产生的一大批数据服务平台，就大多是为互金行业服务的。基于此，客户群的作用在互金领域比其他场景理应都大。

我们再来说怎样分客户群。

客户群划分能基于单个数据维度划分，也能基于多个数据维度复合划分。单维度能对客户群做两个类似于切面的划分，比如：职业、年龄、收入水平等；复合维度的划分则需要更多的业务理解，例如基于RFM进行用户价值分群、决策树分群、聚类分群等。

单一维度的分群很好理解，例如我们根据年龄这两个信息，能把客户分为少年、青年、中年、中老年、老年，共振频率没有严格固定的要求，但一般18岁以下的未成年人是特殊人群，65岁以上的老年人在互金领域一般也会排除在外。这种连续变量能按照某种含义切分成类别型变量用作分群。还有一类离散变量例如性别、学历，甚至所在城市等级，本身就很适合做为分群变量。我们关注这些分群，能深入理解业务的客户群结构，从而帮助我们进行宏观决策。

单一维度分群主要根据经验确定，除上述提到的基础信息外，还能定义许多跟所属业务相关的分群。在互金信贷领域，这样的分群包括但不限于不同收入的客户群、不同活跃程度的客户群、额度使用率高低的客户群，甚至是不同欠费程度的客户群等等。

此外，还能对特征进行单变量分析，从中挑选出区分效果好且稳定的特征，不管是模型还是策略，都能重点依赖这些变量决策。如果这些变量具备合适的业务含义，就能划分等级做为分群进行持续性跟踪分析。

复合维度的分群是精细化运营的必然产物。我们刚提到的RFM模型是很好的分群思路，它是从最近一次消费（Recency）、 消费频率（Frequency）、 消费金额（Monetary）三个维度来标记客户的特征。RFM模型是衡量客户价值和创利能力的重要工具和手段。我们能根据RFM指标区分出不同重要级别的客户，从而为用户管理提供数据支持。

RFM只是复合分群的两个代表，实践中复合分群能是各种维度信息的组合，能通过聚类、决策树来自动对样本进行分类。

其实，我们做的各种模型，都能看成复合维度的分群，信用风险模型是将高维变量加工成信用风险评分，从而得到信用风险分群。活跃度模型也是得到活跃度的分群，流失预警模型是按流失可能性得到分群。

另外，除基于数据的分群外，还有一类基于经验的分群，主要是利用从业务知识中了解到的客户群差异性来做分群，如不同的营销渠道上信用风险差异较大，那就能关注渠道分群，新的子产品上线了，业务更下沉了，那就能关注是否是这个子产品的用户这个分群等等。

二、消费金融创新

消费金融创新不仅仅是在平台内先享后付的金融创新，基本上所有的小额借贷都是用于消费，毕竟用于投资划不来。也是说，消费金融创新不仅仅是花呗和白条，借呗、金条和各大银行的信用卡、消金平台的贷款产品都包括在内。

那消费金融创新关注什么样客户群呢？一笔消费贷款完整的周期包括借款和借款人，借了不还就产生了损失，所以要做风险控制。风险控制关注点背后就两个，借款人能力和借款人意愿。分群本质上都跟这两点有关系。

这样的分群包括但不限于收入分群、多头分群、活跃程度分群、额度使用率分群，甚至是欠费程度分群，等等。

以收入分群为例，能根据月收入划分档次，收入代表了客户的借款人能力，借款人能力越强，统计意义上信用信用风险会越低。收入分群一般成偏正态分布，中等收入的客户群人数占比较高，极低和极高收入的两端人群较少，且收入越高信用风险越低。收入分群不仅能用来做信用风险决策，还能用来做额度管理，收入低的不应该给过高的额度，超出能力的提前消费会暴露较大的信用风险。

再例如多头等级，多头相关的信息非常多，有登录、申请、借款、借款人、欠费等一系列信息，很难通过单一变量定义出高效的多头客户群。能以多头变量对信用风险采用决策树建模，辅以经验优化，得到组合多个变量的多头分群，如轻度多头、一般多头、严重多头。这样的多头分群就能看作复合分群的一种。

活跃分群能分为近半年活跃、近一年活跃、历史活跃、从不活跃等。近期活跃的用户当然今后的活跃度也会更高，这部分用户贡献了最多的余额，并且信用风险相对也是低的。促活的意义在于用户越用就越好，很好理解，和平台交互越多，大浪淘沙，自然越来越好。

也常常关注额度的使用情况，额度使用率变高一般信用风险会升高，很好理解，能用但却不用，欺诈信用风险显然没有，信用信用风险不说绝对没有，也是很低的。最终表现出了信用风险大部分是产品设计问题。

欠费更不必说，未欠费的是衣食父母，轻度欠费的不用催收也可能自然回款，适当提醒还能挽救客户关系，中度欠费扔给催收，重点欠费卖资产包吧。

获客收入高的，转化活跃低的，用户质量越来越高，信息越来越厚，平台就越开心。

以上，是我为什么老说策略的精髓在于分群。

三、电商、社区团购

经典的“人货场”三板斧，于电商平台而言，是三项关键工作，选品、店铺运营、用户管理。品类要分群，店铺也要分群，在这个双边市场里，我们还是关注需求方，聊一聊客户群。

电商平台的运营策略差异化主要从3个角度出发：基于用户的活跃度、基于用户对不同商品的偏好、基于用户所处的决策阶段。

活跃程度分群，最经典的是前面说的RFM模型。对于流失客户，是否要考虑采取召回策略；对于高价值用户，是否能向其推荐更多精准的商品。

偏好分群是基于用户对不同商品的偏好，将用户区分成“美妆类”、“鞋帽类”、“数码类”、“书籍类”等不同群体，然后精准推送新品。也能进而根据品类和购买力，将用户分为土豪、白领、蓝领、低收等客户群。

基于用户决策阶段，是关注用户的关键行为，甚至是行为的路径。例如，“领取了优惠券，但是未使用”的客户群，能采取精准的推送，刺激用户的转化。例如，“提交了订单，但是未支付完成”的客户群，能去用户细查，仔细分析每一用户的操作流程，一般就能发现问题出在哪。另外，撤单、退货、举报等也是重要的分群。这些分群既能用事实标签，还能做模型预测。

以上分群在后台无时无刻不扮演着决策工具的角色。另有一类耳熟能详的分群走到了台前，例如会员等级。基于购买力和购买习惯创造出两个会员等级这样的产品，展示给用户，能和用户建立良性交互。“我的级别没你高，我要买东西超越你。”

社区团购相比电商，更高频更必需，分群倒没什么，是以社区为单位的客户群运营。平台主要是提供好供应链、物流仓储及售后支持，出发点是流量的争夺，尤其是下沉城市用户的争夺。社区团购业务本身不做什么精细化客户群运营。

平台的目标是挖掘好的客户群，并且把不好的客户群运营转化成好的客户群。

四、短视频、现场直播

短视频太“有毒”了，以至于我抵抗不了自己的意志，然后把抖音app的网络给关了。这样如果想刷，需要先去设置打开网络，这一步我的意志力能稍微负隅顽抗一下。

它是怎么努力做到的呢？

智能算法非常强大，根据你的观看或者评论，就能准确地推算个人爱好，接着推荐给你很多相似内容。而为了寻求极致的观看体验，推荐的视频都很精美，尤其是抖音，让观看者沉浸其中，无法自拔。

不管是快手还是抖音，营收主要都是靠广告、现场直播、电商，比例有所不同。视频生产者用尽手段让用户为之停留，再利用冲击力极强的戏码给足观众愉悦感，广告主收获海量用户，平台坐收广告费，再精准推荐现场直播间。

对广告而言，不管是借贷、游戏、交友、医美，还是之前的教育，大多都是竞价广告，点击-下载-安装的转化率算的明明白白的。投放要定向，定向就要找客户群，前文提到的常用客户群，照样会用在这个地方。除了根据人群标签投，还会根据CTR预估模型去投。

现场直播和电商更有趣，也更复杂。新手期时需要有一定的停留时长，来证明用户是喜欢你的现场直播间的，即使只有喜欢他才会购买，这是两个比较简单的道理。

但平台是非常关注时间的，是每一用户能够在这个现场直播间里消耗啥时间。如果用户在这里消耗了很多时间，但是销售额或者说GMV不增长，平台是不喜欢的，有些带货现场直播间拼命憋单拉停留时间，但是GMV做不上去，这种现场直播间也是拿不到流量的。

即使，每一用户在APP的停留时间是有限的，他如果在你的现场直播间消耗了很多时间，却没有产生GMV，对平台来讲是损失，它完全能把这个用户分发到别的现场直播间去，别的现场直播间有能力产生GMV。

平台在电商这块真正要的是，你在较短的时间内完成成交，而且不过度消耗时间。所以，对用户的运营，不仅仅是单一目标为出发点，而不是多目标优化问题。

点击率、转化率、客单价，以及越来越重要的复购，背后都有大数据去次序、去组合，最终找到那个需要的客户群。

好的客户群，大多是重复的，两个人既是微信、支付宝、京东的用户，也是抖音、快手、美团的用户。故事从来不是“你好我好大家好”的关系，从来都是PK关系。客户群做得好，经营到极致，本质上是互联网业务的流量之争。

回到最初的聊著：

消费金融创新：不管需不需要，让天下人有钱有势借，天下人上信用记录； 现场直播：不管哪路仙人还是妖精，让天下人都当女演员，装作爱好；社区团购：卖菜卖菜卖菜，让后禽流感时代的生活也能像禽流感中一样，被投喂； 电商：付款更快，送货上门更快，愉悦感也更快衰亡； 短视频：Kendujhar只关心怎样解闷时间，让她们更凡让她们更俗；

是的，要努力做到这些，就罚球客户群。谁抢得细，谁工作效率更高。

面向全国客户群，大有可为。

题图来自 Unsplash，基于CC0协议