customer-analytics

客户分析

概述

客户分析将原始订单数据转化为有关购买模式、生命周期阶段和流失风险的可操作洞察。核心分析包括 RFM 评分、群组留存、购买频率和流失预测，可帮助识别哪些客户忠诚度高、哪些客户有流失风险，以及哪些渠道能带来长期价值最高的客户。

本技能将指导你使用平台内置工具和专用分析应用开展这些分析；对于需要更深入细分的店铺，还会介绍数据仓库方法。

何时使用本技能

• 当营销团队需要超越简单人口统计筛选条件的数据驱动型细分时
• 当需要计算季度业务回顾中的高风险客户数量时
• 当需要衡量忠诚度计划对购买频率的影响时
• 当需要识别能带来客户生命周期价值（LTV）最高客户的获客渠道时
• 当需要为客户管理或 VIP 计划准备客户健康状况仪表板时
• 当需要构建群组留存分析，以了解客户生命周期价值趋势时

核心说明

步骤 1：为你的平台选择合适的工具

平台	推荐工具	提供的功能
Shopify	Klaviyo + Shopify 内置的客户细分	RFM 风格细分、购买频率、CLV 预测、群组报告
Shopify（高级）	Lifetimely 或 Triple Whale	真正的群组 LTV、按获客渠道划分的 CLV、留存曲线
WooCommerce	Metorik	客户细分、RFM 分析、群组留存、流失识别
WooCommerce（邮件）	适用于 WooCommerce 的 Klaviyo	行为细分 + 基于客户生命周期阶段的自动化流程
BigCommerce	适用于 BigCommerce 的 Klaviyo + Glew.io	Glew 原生提供 BigCommerce 群组分析和 CLV 跟踪
所有平台（数据优先）	通过 Fivetran 导出到 Google Looker Studio + BigQuery	完整的 SQL 分析；高级 RFM 和群组建模所必需

步骤 2：在平台上设置客户细分

---

Shopify

使用 Shopify 内置的客户细分群组（所有套餐均适用）：

1. 前往 Customers → Segments
2. Shopify 提供预建细分群组，包括：
   • 过去 30 天内放弃结账的客户
   • 购买次数超过 X 次的客户
   • 过去 90 天内未购买的客户（有流失风险的细分群组）
   • 高消费客户（根据总消费金额阈值划分）
3. 使用查询编辑器和以下筛选条件创建自定义细分群组：
   • number_of_orders >= 3（忠实客户）
   • days_since_last_order > 90（有流失风险）
   • total_spent > 500（高价值客户）
4. 将细分群组导出为 CSV，或直接同步到 Klaviyo，用于电子邮件营销活动

在 Shopify 上使用 Klaviyo 进行 RFM 细分：

1. 从 Shopify App Store 安装 Klaviyo
2. Klaviyo 会自动同步所有历史和新增的 Shopify 订单数据
3. 前往 Segments → Create Segment，使用以下条件创建 RFM 风格的细分群组：
   • 最近一次消费时间：“在过去 X 天内下过订单”
   • 消费频次：“订单数大于 X”
   • 消费金额：“消费总金额大于 $X”
4. 预建细分群组示例：
   • **忠实客户：**过去 30 天内下过订单 + 订单数不少于 3 笔 + 终身消费金额不少于 $200
   • **有流失风险：**过去 90–180 天内没有订单 + 之前下过至少 2 笔订单
   • **已流失客户：**过去 180 天以上没有订单
5. 使用这些细分群组在 Klaviyo 中触发工作流：针对有流失风险的客户开展召回营销活动，为忠实客户提供 VIP 奖励

在 Shopify 上使用 Lifetimely 分析群组 LTV：

1. 从 Shopify App Store 安装 Lifetimely
2. 前往 Lifetimely → Cohorts，查看逐月留存矩阵：每个获客群组中的客户在第 1、3、6、12 个月仍在购买的比例
3. 前往 Lifetimely → Channels，比较不同获客来源（Google、Meta、自然流量、电子邮件）的 12 个月 LTV
4. 前往 Lifetimely → Customer Segments，查看 RFM 分布以及每位客户的预测 CLV

---

WooCommerce

使用 Metorik：

1. 通过 API 将 Metorik 连接到你的 WooCommerce 商店
2. 前往 Metorik → Customers，通过以下筛选条件浏览所有客户：
   • 最近一次下单日期（识别已流失或有流失风险的客户）
   • 消费总金额（识别高价值客户）
   • 订单数（识别一次性购买者和回头客）
3. 前往 Metorik → Reports → Customer Cohorts，查看按月获客群组划分的留存情况
4. 前往 Metorik → Segments，创建已保存的客户细分群组（相当于 RFM 分组）；将细分群组导出为 CSV 文件，以便用于 Klaviyo 或 Mailchimp

在 WooCommerce 上使用 Klaviyo：

1. 安装 Klaviyo for WooCommerce 插件
2. Klaviyo 会同步 WooCommerce 客户和订单，从而支持与上述 Shopify 相同的 RFM 细分群组
3. 前往 Klaviyo → Analytics → Cohort Analysis，按获客日期查看留存曲线和预测 CLV

---

BigCommerce

1. **BigCommerce Customer Groups：**前往 Customers → Customer Groups，根据购买历史、消费金额阈值和地理条件创建客户群组
2. 从 BigCommerce App Marketplace 安装 Glew.io，以进行群组留存分析、RFM 评分，并按获客渠道分析 CLV
3. 为 BigCommerce 安装 Klaviyo，以进行行为型电子邮件细分和客户生命周期自动化

---

步骤 3：分析购买频率和留存率

购买频率分布（使用任意平台的导出数据）：

将客户订单数据导出为 CSV 或 Google 表格，并计算：

• 恰好下过 1 笔订单的客户占比是多少？
• 下过 2–3 笔订单的客户占比是多少？
• 下过 4 笔或更多订单的客户占比是多少？

行业基准：

• 典型的 DTC 品牌：60–70% 的客户只购买一次
• 健康的订阅制或消耗品品牌：40–50% 的客户会在 90 天内再次购买
• 你的二次购买率（首次购买者中在 90 天内再次下单的比例）是长期 CLV 最重要的领先指标

队列留存分析：

队列留存表格会显示在 X 月获取的客户中，有多少比例在第 1、3、6、12 个月仍在购买：

• Shopify + Lifetimely： 可直接在 Cohorts 视图中查看
• Klaviyo： 可在 Analytics → Cohort Analysis 下查看
• Metorik： 可在 Reports → Cohorts 下查看
• 手动（任意平台）： 将所有订单导出到 Google Sheets；创建数据透视表，以获取客户的月份为行，以“首次下单后的月数”为列

良好留存率的标准：

首次下单后的月份	最低可行水平	良好	优秀
第 1 个月（二次购买率）	15%	25%	40%+
第 3 个月留存率	10%	20%	35%+
第 12 个月留存率	5%	15%	30%+

步骤 4：识别有流失风险的客户并采取行动

识别有流失风险的客户：

最简单的风险定义：曾多次下单，但超过其典型购买间隔仍未下单的客户。

• Shopify Segments： number_of_orders > 1 AND days_since_last_order > 90
• Klaviyo： 创建“挽回”细分：“下单次数超过 1 次”且“过去 90 天内未下单”
• Metorik： 使用预设筛选条件“有流失风险的客户”

针对不同细分采取行动：

细分	建议行动
核心客户（近期购买、频繁购买、消费高）	邀请加入 VIP 计划；优先体验新品
忠诚但活跃度下降（购买频繁但近期未购买）	发送有针对性的挽回邮件，并个性化推荐产品
有流失风险（超过 90 天未活跃，且此前多次下单）	挽回序列：提醒 → 小额优惠 → 最终优惠
一次性买家	推动二次购买的营销活动；展示互补产品
已流失（超过 180 天未活跃）	尝试低成本重新互动；如果没有回应，则取消订阅以降低邮件成本

最佳实践

• 每月进行一次 RFM 评分 —— 客户订单历史持续变化；过时的细分会导致定位错误
• 将二次购买率作为领先指标跟踪 —— 从一次性买家转化为回头客，是影响最大的留存指标；与任何 LTV 模型相比，它能更早预测 CLV
• 按获客渠道细分 CLV —— 来自自然搜索、付费社交和邮件／SMS 推荐的客户，其 LTV 往往差异很大；分别衡量，以便指导预算分配
• 为细分群体迁移设置提醒 —— 当“有流失风险”细分的人数逐周增加时，说明存在需要立即处理的留存问题；在 Klaviyo 或 Lifetimely 中设置提醒
• 单独标记季节性买家 —— 只在第 4 季度购买的客户，不应在第 2 季度被标记为已流失；在进行流失分析前添加季节性买家标签

常见陷阱

问题	解决方案
促销活动后，RFM 细分结果发生剧烈变化	使用滚动 90 天窗口进行评分；近期销售额激增不应永久提高仅因折扣而响应的客户的评分
获客渠道 CLV 分析未考虑多触点归因	按渠道分析 CLV 时使用首次触点归因——即将客户引入的渠道，而非促成其最后一笔订单的渠道
群组留存率在第 6 个月后显示为 0%	检查查询或导出是否筛除了尚未积累 6 个月数据的群组；查看长期留存情况时，排除最近 6 个月内获取的群组
各细分中的客户数量与邮件列表规模不符	商店中的部分客户可能未订阅邮件；请将客户细分（基于订单）与邮件列表（基于同意）分开处理
召回营销活动发送给了近期购买过的客户	确保细分筛选条件是最新的——导出细分数据前先同步订单数据；数据过期会导致邮件发送给错误的联系人

相关技能

• @customer-segmentation
• @attribution-modeling
• @sales-reporting-dashboard
• @ab-testing-ecommerce
• @unit-economics-tracking