一提到用户信息，我们就会联想到很多维度。然而， 维度多!=有用 ，针对特定的目的，需要有特定的用户信息。
观察用户的多个维度
我们拥有的信息越多、越真实，就能做出越有效的分析。
分析用户从最实在的数据开始，逐步深化。
如果订单信息如下图所示，那么基本上只能针对 门店 进行分析。
订单至少要关联 客户ID ，这样才能进行目标客户分析。
假如用户在4月1日消费：
假如用户买了产品a1：
例子
比如一个客户买了1件L码54片装尿布，这意味着：
优先考虑同一个品类下高度关联的产品。
产品的价格=消费档次，消费档次可以划分为高中低。顾客有可能是偏向x档次的消费者，有可能会购买其他x档次的产品。
优惠力度 = 优惠券额度 / 总消费金额
假如用户多了x积分：
用户首次付费是特别重要的，尤其是对于可免费体验的产品。
同一客户，连续购买A产品，购买的间隔时间称为 补货周期 ，计算补货周期可以及时触发用户二次购买，提升销量。
同一客户，购买同一产品，数量增加，称为 增量销售 ，增量销售是最常见的促进销售的模式。
增量销售可能是源自用户对平台信任加深，需求增加；也可能是因为有促销囤货，因此需要结合 下次购买时间 ， 本次购买是否有优惠券 来综合考虑。
同一客户，同一订单内两种产品同时出现，有可能有 交叉销售 的机会。
注意：两种商品的关联关系可能是 单向 的，也就是买A有可能买B，买B不一定买A，计算关联关系时需要注意顺序。
同一客户，购买A以后购买B，可能存在 购物路径 ，有跟踪销售的机会。
注意：购物路径是基于 时间关系 的，交叉销售是同一张订单下的两种产品，统计维度有所区别。
随着用户忠诚度加深，用户有可能更信任我们的平台，消费金额与品类都会增加。
跟踪用户忠诚度变化，可以针对用户忠诚度瓶颈进行促销，提升整体用户质量。
同一客户的累积使用优惠情况，需要注意监控是否每次都只有优惠才消费。
特别是实体企业，控制优惠力度，保证优惠用到正确的地方非常重要。
互动内容可以多级分类 ，便于分析总结用户需求，比如一个用户来电，就可以针对其互动内容进行不断地向下多级分类：
统计互动行为频次与时长 ，可以找到用户的真正关注点。比如，用户长期互动但没有消费，可能是没有找到合适的产品，或者是在等待促销机会。
所以需要我们结合用户互动习惯与需求，来推送信息，提升活跃度，促成消费。
总结起来就是一句话：
1.为精准营销铺路
点对点的互动是精准营销的前提，只有当我们真正找到顾客本人的时候，才能进行所谓的个性化服务。
如果没有点对点的宣传渠道，不同人推送同一个信息，但是优惠信息却不同，这样营销规则就会写的无限长，而且当用户发现了不同用户的优惠幅度不一样时，容易引发顾客不满。
2.测试响应结果
所谓的精准营销，指的并不是100%的精准，而是比“全体用户”更小的一个圈子，是一个 相对精准 的概念。所有算法、程序都不敢保证用户会100%响应，所有的策略都需要通过不断的测试，迭代提升效果。
关注最终用户响应，反推提升响应率的策略。
1.首先关注的是： 用户响应 ，也就是希望顾客做出什么样的动作。
2.其次，再思考：
根据顾客互动习惯与需求，设计沟通内容
以信用卡为例
用户在企业的资料库里面有多个状态，也就是所谓的 客户生命周期 。
概念
一般指没有正式注册，没有联系方式的用户。
注意
概念
一般指已经在平台注册，有联系方式，可以联系上的用户。
重要性
能联系上的用户非常重要，意味着后续可以做更多互动、促单。
注意
一般有拉新成本，在册人数并非越多越好，也需要考虑质量。
概念
一般指有互动，或者有使用产品行为的用户，缺少互动平台的传统企业一般会直接把消费当做活跃。
重要性
活跃用户是付费的保证，保持用户活跃，从中采集数据，可以有效促进后续消费。
概念
一般指第一次在平台付费的用户。
重要性
首次付费意义重大，如何转化活跃用户，如何开展后续营销，都从此开始分析。
注意
在传统企业中，在册、活跃、首次付费很有可能是一回事，新用户的分析是从首次付费开始的。
重要性
概念
一般指有连续的付费行为，有潜力或已成为VIP的用户，具体如何定义VIP一般按照企业需求有三种方式： 按预充值、按实际消费、按身份定义 。
重要性
VIP是企业主要利润来源，服务生重点照顾，营销上重点挖掘潜力。
概念
一般指长时间不活跃或无消费，但仍能联系上的用户。
注意
概念
一般指有明确流失动作，比如注销、销卡等行为，已无法联系上的用户。
注意
用户结构全图一般需要从 价值 和 人数 两个维度来进行考量。
用户结构全图作用：领导决策必备
一般领导决策都喜欢总分总式地思考问题，用户结构可以让领导一眼看到整体局势，从而引发往哪个方向走的深入思考。
进行客户价值分级，是为了识别出高价值用户，进而提升ROI、增加盈利。
衡量用户价值有很多种方法，但是一般都从这3个角度进行考虑：
高价值用户不仅仅只是土豪。
计积分消费能力 极强，指的是真正消费能力强的人，而不是利用信用卡进行套现的人。
如果没有头绪，可以采用 十分位法 ，因为二八法则在大部分行业都是通用的。
Step1：选中最主要的分类指标，如用户消费，比如净利润。
Step2：将用户按照指标排序，根据排序顺序，分作10段。
Step3：观察10分段用户的总价值、人均价值等指标，做分段合并。
G1，G2，G3三组，排名前30%的用户贡献了83%的总业绩。
接着提炼出各个分组的各类业务信息，找到业务含义。
所有的积分计划、会员计划，最大的痛点就是： 会员达标了就不消费了！白白享受各种福利！
所以，寻找生命周期刚开始的潜力用户更重要，这也是我们识别现有高端用户特征的意义，就是为了辅助寻找未来潜力用户。
可以根据一下几个特征进行辨别。
用户分析，最难的一点在于无数据可以分析。
互联网增加了获取数据的机会与维度
除了订单与互动之外，基础的用户信息同样重要，具备两个作用：
如果基础信息质量好，甚至很多分析都可以省了。
1.精简维度
采集信息时，采集的信息越少，收集难度越小，所以需要我们尽量只收集能促成销售、互动的最关键信息。
床垫销售案例
“您喜欢睡软床还是硬床？”
2.赏罚并用，流程控制
信用卡销售案例
想要提升额度：
3.在小互动中采集
客户标签是经验的积累
比如在保健品行业，顾客消费和产品是有经验和规律可循的。
客户标签是区分懂行与不懂行的重要标志
客户标签是推荐系统的基础
基于有成熟经验的、有验证的标签，更容易做出来质量好的模型。用户标签相当于建模过程中的描述性统计与交叉检验。
想要积累标签经验，需要从身边做起，从习惯做起
对于业务经常说的：“高端、低端”、“VIP”等词汇深入追问；对于经常处理的问题积累经验，比如寻找“有需求”、“有潜力”的用户，再每次分析完以后总结经验，找出最核心的维度与分类方式。
日常使用的客户标签
1.采集数据
2.基于业务进行分类整理
分类需要基于业务需求，不同场景下可能分类不同。
3.量化，统一评价规则与标准
评分可以量化主观指标，但需要基本规则做指引。
4.综合维度，输出标签
一个综合的标签可以集成多个维度的信息，比如关于“财富”的标签，应该综合考虑到收入、车型、房子面积位置、负债情况等信息。
5.设置假设，验证结果
生成标签之后，可以进行预测，然后验证结果。
6.基于结果，修正标签
有效的预测标签是运营出来的，不是计算出来的。
以信用卡营销为例
定义“高潜力”用户标签的过程：