客戶洞察擁有高效、精準的用戶洞察和細分引擎，將存量客戶標簽化管理，確保人群的精準匹配。我們將獲取到的客戶、商品、訂單、物流、評價、詢單、營銷、服務等數據拆解細分成各種標簽，通過標簽的自由組合實現人群的精細化分組，為后期進行精細化管理提供基礎。

2.1 分群類別

為了更好的管理分群，我們提供分群類別功能，用戶可以根據其分類習慣將分群歸類到各個類別。用戶可以點擊新增、修改、刪除分類。當分類下有子分類時，分類將不支持刪除，只有將子分類全部移除后才可刪除。

2.2.2 分群列表

• 點擊【新增分群】將會跳轉到新增分群頁面

• 點擊【導入分群】將會跳轉到導入分群頁面，用戶導入文件后，點擊保存。

• 點擊【編輯】將會到分群修改頁面

• 點擊【查看人群】可以查看客戶詳情頁面，并支持全部客戶導出

• 點擊【刪除】將會刪除分群

• 點擊【復制】將會創建分群副本

基礎屬性、RFM屬性、交易屬性、營銷屬性、互動屬性：根據所選區域及視角，圈選該視角下的人群

標簽屬性：根據區域獲取該區域的屬性標簽

說明：若區域只有一個視角，則默認該視角（不展示可選視角）

創建分群時用戶需要先在頂部創建分群名稱以及選擇分群分類。

其次用戶可點擊左側分群屬性進行分群條件添加。當添加條件時，點擊相應屬性，就會把該屬性添加到分群篩選條件中。如果該屬性只能添加1次，則點擊后該屬性會置灰，如果該屬性能添加多次則同一屬性多個條件之間需要選中邏輯關系，一些特殊的屬性如地區，兩個地區條件之間必須選擇或者。

完成以上步驟后，如果用戶需要查看該分群下涵蓋多少人群，可以點擊上方統計分析按鈕，查看人數以及人群屬性分析。

最后確認分群條件無誤后可點擊保存分群，分群將會出現在分群列表頁。

新建分群頁面左側為我們通過視角下數據整理出的分群屬性標簽，總共分為六大屬性：基礎屬性、標簽屬性、RFM屬性、交易屬性、營銷屬性、互動屬性。

4.1 基礎屬性

基礎屬性是本視角下客戶的基礎信息標簽，包括客戶的自然屬性，如生日、年齡、性別、地址、聯系方式（電話、郵箱、QQ）等，以及人為劃分的屬性，如領卡時間，會員等級、客戶類型、會員黑名單、權益黑名單、短信退訂等，另外還融入了一些特有的基礎屬性，如客戶姓名等。

領卡信息：支持篩選領卡時間和領卡渠道篩選人群，通過領卡渠道和時間篩選人群進行分析，以判斷哪一個時間段入會人數較多，哪個入會渠道的效果更好，以決策投入資源配比

說明：領卡渠道支持選擇有贊會員、官網注冊、自主商城注冊，并支持通過領卡店鋪、領卡來源篩選人群。

入會時間：通過用戶的入會時間篩選某段時間內的新入用戶。

首次來源：支持具體到店鋪，也可以支持通過店鋪分類進行二次篩選。

權益黑名單：若勾選互動活動，則篩選的是互動活動黑名單的客戶（不能參加會員俱樂部的互動活動）。

4.2 標簽屬性

商家可以根據自己類目自定義屬性（會員中臺—>用戶中心—>標簽信息—>屬性標簽-字符文本框），如服飾的商家可以收集身高、體征等信息。導購端、客服端給客戶打標簽，可以在此用該屬性標簽篩選出來這部分客戶后進行營銷。

例如：商家篩選身高170以上的客戶，做大碼衣褲的推薦，或者篩選身高為空，即未填寫身高信息的客戶，篩選后推送完善信息獲取獎勵。

例如：時間屬性標簽，可篩選距離當前之前或之后一段時間篩選人群，通過屬性標簽收集的結婚紀念日，屬性標簽可以篩選出紀念日是距離現在前N天或者未來N天的人群。

4.3 RFM屬性

RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。該模型是基于最近一次消費、消費頻率和消費金額這三個基本要素而建立的。

在RFM模式中，R（Recency）表示客戶最近一次購買的時間有多遠，F（Frequency）表示客戶在最近一段時間內購買的次數，M（Monetary）表示客戶在最近一段時間內購買的金額。一般的分析型CRM著重在對于客戶貢獻度的分析，RFM則強調以客戶的行為來區分客戶。

RFM模型較為動態地層示了一個客戶的全部輪廓，這對個性化的溝通和服務提供了依據，同時，如果與該客戶打交道的時間足夠長，也能夠較為精確地判斷該客戶的長期價值（甚至是終身價值），通過改善三項指標的狀況，從而為更多的營銷決策提供支持。

RFM模型統計的是一個固定的數據，不會受下單時間或付款時間等時間的限制。

用戶在篩選RFM屬性時支持篩選到當前區域下視角的店鋪的RFM值。

付款總次數：統計用戶的付款總次數（一天多次付款計算為多次），支持商家細分統計時間段內的不同購買情況，即通過統計時間段內的付款次數來觀察用戶的行為。

首次下單時間：篩選出在某段時間內首次下單的用戶。

4.4 交易屬性

交易屬性篩選是通過客戶的交易、子訂單的關聯進行客戶的篩選，是最靈活的客戶篩選方式，通過交易的時間、狀態、所購商品等組合，可以對交易過程中的每一個環節的客戶進行精準篩選。

預售付款次數：客戶預售付款的次數，例如：篩選出預售付款次數大于等于2的客戶，針對這部分客戶推送雙11預售活動。

最后購買店鋪：篩選出該視角下用戶最后一次購買是在指定店鋪的客戶，例如，商家在店鋪的維度上舉行店鋪的周年慶活動，可以將店鋪的忠實用戶篩選出來，通過消息通知或者打電話的方式引導到該店鋪參加周年慶活動。結合時間和金額標簽，則實現在一定的時間范圍內，達到某個消費額度，且最后一次消費的店鋪是在本店鋪的用戶會邀請過來參加周年慶活動。

4.5 營銷屬性

營銷屬性用于幫助賣家篩選出營銷活動后不同響應結果的客戶，為進一步制定和采取應對的營銷策略提供支持。

短信回復：支持某時間回復了某些關鍵字的客戶。

門店優惠券：根據優惠券的名稱或優惠券的過期時間篩選出相應的用戶進行營銷活動。

說明：支持篩選到已經過期的優惠券，進而根據優惠券的使用情況篩選人群。

4.6 互動屬性

互動屬性一般用于幫助用戶分析客戶的互動行為、次數、時間、周期以及所擁有的積分情況，根據這些情況可以反映出客戶的活躍度，從而調整后期運營方案，做出針對性活動等。

公眾號關注：便于進行篩選某個公眾號的粉絲進行定向營銷。

企微好友：篩選支持通過員工組件篩選好友。

添加好友時間：篩選某段時間內的新加好友，例如：①將最近加好友的人群篩選出來，然后做針對性的營銷活動，促進新好友轉化。②將最近加好友而且有過消費的人群篩選出來，認為這批用戶存在價值，進行批量打標等。

在分組列表頁面，點擊查看人群，可查看客戶明細。

客戶明細頁面除了客戶的基本信息外，還支持導出客戶數據。

在分組列表頁面，點擊人群分析，可查看人數以及人群屬性分析。