關鍵詞(Key words)：
細分 (segmentation)，客戶細分 (customer segmentation)，市場細分 (market segmentation)，客戶肖像 (persona)，市場定位 (Market proposition），STP（市場目標定位），精準營銷，客戶行為。
好，進入正題。
1. What and why無論是做生意還是聽到好的商業模式的時候，常常會伴隨一個簡單的問題：這個商業模式／生意的客戶群是哪些？（例如：uber的主要用戶是哪些？）好的回答會給你說，我的商業模式主要分B2C，C2C；再好一點的回答會給你說，「我做B2C，主要針對高端xx客戶」。再再好一點的答案會給你說，「根據我對市場的研究，我主要做B2C的市場，我的客戶主要會集中在群體A以及群體B，我的商業模式會對不同的群體有不同的運作方式」。(例如：Uber的主要市場是在一線城市，主要細分市場集中在中高端計程車（出行服務），主要客戶細分為服務提供方：私家車擁有者；服務受眾：需要更便捷的出行服務人群。)
也就是說，從受眾的角度來看，把市場一層層剝開為：（歡迎介紹簡單的圖例工具）
市場 (Market) -> 市場細分 (market segmentation) -> 客戶細分 (customer segmentation) -> 客戶 (individual customer)從運營角度來說，如果做的粗糙一些，就是要先了解市場細分，而做的細緻，則是對每一個顧客有定製化營銷。而對於任何一家公司來說，如何將這個認知的過程做好，則是這個生意／商業模式的關鍵。而「細分「（segmentation）很好地從一個相對可控的維度，給予我們決策者／執行者足夠的」認知「去進行商業決策。這裡需要強調的是，公司是用「細分」還是客戶定製化營銷，並不是對立的關係，完全是根據公司發展的進度和客戶的需求來的。（例如：知乎現在從戰略上來，用客戶細分解決那些「大」問題，類似這段時間的版權改版 － 針對大V／內容貢獻者這個segment的加強；類似知乎日報升級 － 針對普通用戶／非用戶segment的改進；）
2. How
說了那麼多假大空的東西，現在開始說如何進行客戶細分。
從統計學的角度來說，這是個分類問題（classification）。而從分析的角度來說，涉及兩個方面：定量分析（Quantitative Analysis），定性分析 (Qualitative Analysis)。在我們迫不及待跳到用什麼各類高端模型之前，先來確定我們的目標（problem statement), 其實說白了是對兩類客戶認知的判斷：
這個問題看上去很簡單，但是實際上，建立這樣的用戶肖像需要很系統的定量分析和定性分析，且缺一不可。而其實根據你對客戶的了解而提供對應的服務即是一種：產品經理的思維，產品開發的過程。很多大型公司都是由數據分析部門，產品開發部門，市場部門一起去指定新產品的定位（proposition）和戰略的，從而進行精準營銷。
對於現存客戶和潛在客戶的了解，我們可以通過以下工具來實現：
1. 了解你的商業模式，是零售類的重複性銷售，還是會員制度，還是保險/銀行等金融產品類的少頻價高。
2. 然後是了解你的商業目的：
我是想定位我的產品和商業模式（Proposition）？
還是指定不同的精準營銷手段（personalised marketing campaign segmentation）？
還是說提高用戶活躍度？（請參考我之前的答案：除了積分、等級、身份標籤等較為常見的用戶行為激勵措施，還有哪些新興奇特的策略？ - Terry Meng 的回答）
（××××××× 知乎編輯序號，換行這個位置有bug ××××××××××）
了解你的用戶基本行為，這個往往會通過很多小的項目（幫助你的其他部門同事）來不斷完善。基本上都是RFM分析（Recency，Frequency，Monetary）和一些市場營銷活動（marketing campaign）的分析，來了解你的用戶都是些什麼人，有什麼消費習慣，他們對營銷活動的反應是怎麼樣，反應率（response rate）是多少。整合2&3點，指定出你的商業計劃。利用數據模型，k-means cluster，CARTs，等等去分類你的已有客戶，看看他們基於某一個指標（通常我會使用利潤，當然，不同商業目的不同指標）來分類，因為我的商業目標是為高利潤的客戶提高更好的服務，降低這個客戶群的流失率，增加交叉銷售的成功率（cross-sell rate）。
最後再用這個指標，去做為一個統一標準，衡量之後你指定的商業計劃對客戶的影響。比如客群A，B，C，D通過精準營銷A1,B1,C1,D1 分別應該有 2%，3%，5%，10%的利潤提升。如果降低原因是什麼，升高的原因又是什麼？
案例：
作為一家保險公司，我希望通過定量分析和定性分析了解我的現有客戶的需求和行為習慣，也想了解我的潛在客戶的需求以及如何我接近他們。根據我們的資料庫，CRM，根據客戶的基本信息（demographic information）和保單情況，做一系列分析（歡迎補充，根據實際情況刪減）：客戶的價值 (customer value)
根據這些前期的分析，你應該已經對客戶的類型有了一定了解（什麼樣的客戶更容易cross sell，什麼樣的客戶更容易取消保單，什麼樣的客戶在什麼時間，年齡更容易再銷售等等）
根據你手上擁有的資源和分析成果，你可以大致畫出一個叫所謂客戶生命階段（customer life stage）的框架。簡而言之就是，人的生老病死都是階段性的，而每個階段對保險產品的需求都是不一樣的。而這個框架本身就是一種「細分」，只是以人的相對年紀作為坐標來劃分。
有的人會說，這個框架其實拍拍腦子就可以想出來了。粗放的角度來看，是的。但是，當你要再細化到：
1. 不同人群的生命階段的需求都是一樣的嗎？
2. 具體代表不同人群進入這個階段的事件是什麼，標誌是什麼？（Event trigger）
3. 不同的人群，不同的階段，我最好的獲客戰略是什麼？
4. 如何量化我的客戶體驗，如何追蹤，如何提升？
那這個時候，你的客戶生命階段和你產品的定位以及相應的轉化率關係應該可以量化如上圖所示（這裡的圖片我隨便在網上找的，大家有什麼好的畫圖工具，歡迎推薦）。
再回到如何用統計模型構造這樣的「細分」，其實你現在手上的數據有：基本信息（demographic information，年齡，性別等等），也有消費行為的數據，或許你還有通過定性分析得來的數據。
對於使用什麼統計手段，這裡沒有一個標準定論。如果數據都是靜態的，例如身份數據，我會選擇使用k-means cluster，或者是根據消費行為習慣，我可能更多要通過分析每個變量的scale，分布，每一年的變化，來確定是用cluster還是svm還是其它什麼數據模型。而這裡希望追求的是模型的穩定性和易用性。
當我們完成了對客戶的細分，再加上你使用的變量，你可以獲得4～6個大細分。由於你的聽眾不一定和你一樣對數據那麼敏感，加上數據本身就是難以消化的東西。用戶肖像（persona）就很好的解決了這個問題，通過用戶肖像，加上定性分析，你可以用人性化的語言描述出你的客戶類型，讓聽眾一目了然（如下圖）。而定性分析則從更深層次的角度幫你剝析你們個細分的訴求。你在定性分析的過程中，會使用調查問卷，focus group，1 on 1 採訪等等。
可以說，當你完成以上的幾個步驟和分析之後：
1. 了解你的商業模式
2. 了解你的客戶資料庫，crm
3. 做一系列幫助你了解客戶行為的基本分析（RFM）
4. 制定細分目標（如何衡量，如何追蹤，如何提升）
5. 確定細分模型（根據你變量的特點，線性、非線性，scale如何，每年的變化如何等等去選擇不同的模型）
6. 描繪用戶肖像（persona），結合定性分析（qualitative analysis）更深層次的了解你的用戶。並用人性化，通俗易懂的詞彙描述出來。
你就實現了你對你現有客戶以及潛在客戶的一個了解和定位。當公司的數據驅動程度比較高的時候，可以通過很多自動化的機器學習方法實現你要求的精準營銷。比如推薦系統，我這裡的推薦系統不是只是給你推薦什麼產品，而是根據不同的應用場景，設定不同的商業規則，真正的實現「在對的時間，向對的客戶，通過對的渠道，推薦對的產品」。而如何和他們交互（engage）？如何量化你的策略？如何用機器學習的方法測試你的創意？如何用統計模型實現？且聽下回分解。