# Segmentation Builder

> 细分构建器 - 动态客户细分、基于行为/价值/人口统计的细分、细分画像和策略

- Skill: `huifer/segmentation-builder` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add huifer/segmentation-builder`
- Raw SKILL.md: https://api.skillmd.com/api/skills/huifer/segmentation-builder/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: huifer (https://skillmd.com/u/huifer)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/huifer/segmentation-builder

---


# Segmentation Builder 🎯

> 智能客户细分系统，基于多维度数据创建动态细分，提供个性化营销策略

专业的客户细分构建器，运用机器学习和聚类算法，基于行为、价值、人口统计等多维度数据，创建精准的客户细分，生成细分画像和针对性策略。

---

## 🎯 核心功能

### 1. 动态客户细分

#### 聚类算法

```yaml
K-Means聚类:
  原理: 基于距离的聚类
  优势: 简单高效、易于解释
  适用: 数值型特征、球形簇
  细分数量: 需预先指定
  确定最佳K值: 肘部法则、轮廓系数

DBSCAN聚类:
  原理: 基于密度的聚类
  优势: 自动发现簇数量、处理噪声
  适用: 任意形状簇、有噪声数据
  细分数量: 自动确定
  参数: 邻域半径、最小点数

层次聚类:
  原理: 层次式合并或分裂
  优势: 树状结构可视化
  适用: 小数据集、层次结构
  细分数量: 通过切割树确定
  类型: 凝聚型、分裂型

高斯混合模型 (GMM):
  原理: 概率模型、软聚类
  优势: 给出概率、灵活形状
  适用: 椭圆形簇、不确定性
  细分数量: 需预先指定
  输出: 每个样本属于各簇的概率
```

#### 细分特征

```yaml
行为特征:
  购买行为:
    - 购买频次 (高/中/低)
    - 购买金额 (高/中/低)
    - 购买品类 (广/中/窄)
    - 购买时间规律 (工作日/周末/节日)

  互动行为:
    - 登录频次
    - 浏览深度
    - 页面停留时间
    - 搜索行为

  营销响应:
    - 邮件打开率
    - 邮件点击率
    - 优惠券使用率
    - 活动参与率

价值特征:
  历史价值:
    - 累计消费金额
    - 平均客单价
    - 复购次数
    - 客户寿命

  预测价值:
    - 预测CLV
    - 预测购买概率
    - 预测流失概率
    - 增长潜力

人口统计:
  基本属性:
    - 年龄段
    - 性别
    - 地域
    - 收入水平

  生活阶段:
    - 学生
    - 职场新人
    - 已婚有孩
    - 退休人员

心理特征:
  价值观:
    - 价格敏感 vs 品质追求
    - 创新采纳 vs 保守谨慎
    - 社交驱动 vs 独立决策

  生活方式:
    - 健康意识
    - 环保理念
    - 科技兴趣
    - 社交活跃度
```

### 2. 基于行为的细分

#### RFM模型

```yaml
Recency (最近一次购买):
  得分1: >180天 (最近购买时间久)
  得分2: 90-180天
  得分3: 30-90天
  得分4: 7-30天
  得分5: 0-7天 (最近刚购买)

Frequency (购买频次):
  得分1: 1次
  得分2: 2次
  得分3: 3-5次
  得分4: 6-10次
  得分5: >10次

Monetary (消费金额):
  得分1: <¥200
  得分2: ¥200-500
  得分3: ¥500-1,000
  得分4: ¥1,000-2,000
  得分5: >¥2,000

RFM组合:
  555: 最佳客户 (最高优先级)
  543: 重要客户 (高优先级)
  344: 潜力客户 (中高优先级)
  222: 一般客户 (中优先级)
  111: 流失客户 (挽回优先级)
```

#### 行为模式细分

```yaml
浏览型客户:
  特征:
    - 高浏览频次
    - 低购买转化
    - 长停留时间
    - 多页面浏览

  占比: 15-20%
  策略:
    - 优惠券激励
    - 限时优惠
    - 购买引导
    - 降低决策门槛

冲动型客户:
  特征:
    - 短决策周期
    - 高转化率
    - 价格敏感
    - 活动响应快

  占比: 20-25%
  策略:
    - 促销活动
    - 限时优惠
    - 捆绑销售
    - 追加销售

研究型客户:
  特征:
    - 长决策周期
    - 深度研究
    - 多渠道对比
    - 理性决策

  占比: 25-30%
  策略:
    - 详细产品信息
    - 对比工具
    - 用户评价
    - 专家推荐

忠诚型客户:
  特征:
    - 高复购率
    - 高满意度
    - 高推荐率
    - 品牌忠诚

  占比: 10-15%
  策略:
    - VIP服务
    - 忠诚度计划
    - 专属优惠
    - 社群运营

价格型客户:
  特征:
    - 极度价格敏感
    - 只买打折商品
    - 频繁比价
    - 低忠诚度

  占比: 15-20%
  策略:
    - 清仓商品
    - 优惠券
    - 会员折扣
    - 捆绑优惠
```

### 3. 基于价值的细分

#### CLV分层

```yaml
高价值客户 (Top 20%):
  CLV范围: >¥5,000
  收入贡献: 60-70%
  特征:
    - 高客单价
    - 高购买频次
    - 长客户寿命
    - 高推荐率

  策略:
    - VIP专属服务
    - 优先资源配置
    - 忠诚度计划深化
    - 防流失最高优先级

中等价值客户 (Middle 60%):
  CLV范围: ¥1,000-5,000
  收入贡献: 30-35%
  特征:
    - 中等客单价
    - 中等购买频次
    - 有提升潜力

  策略:
    - 提升购买频次
    - 提升客单价
    - 交叉销售
    - 向上销售

低价值客户 (Bottom 20%):
  CLV范围: <¥1,000
  收入贡献: 5-10%
  特征:
    - 低客单价
    - 低购买频次
    - 部分负利润

  策略:
    - 自动化服务降成本
    - 识别有潜力客户
    - 淘汰负利润客户
```

#### 增长潜力分层

```yaml
高潜力客户:
  特征:
    - 当前CLV中等
    - 增长趋势明显
    - 行为活跃度提升
    - 预测CLV高

  占比: 15-20%
  策略:
    - 早期VIP服务
    - 培养成高价值
    - 优先资源倾斜
    - 快速响应需求

稳定增长客户:
  特征:
    - 稳定的购买习惯
    - 中等CLV
    - 增长平稳
    - 风险低

  占比: 40-50%
  策略:
    - 维持购买习惯
    - 会员体系绑定
    - 定期互动
    - 新品推荐

萎缩风险客户:
  特征:
    - 购买频次下降
    - 客单价下降
    - 互动减少
    - 流失风险高

  占比: 20-25%
  策略:
    - 挽回活动
    - 满意度调研
    - 问题解决
    - 专属优惠

已流失客户:
  特征:
    - >90天未购买
    - 无互动
    - 已流失

  占比: 10-15%
  策略:
    - Win-back活动
    - 重新激活
    - 分析流失原因
```

### 4. 基于人口统计的细分

#### 年龄细分

```yaml
Z世代 (18-24岁):
  特征:
    - 价格敏感
    - 社交驱动
    - 创新采纳
    - 品牌忠诚度低

  占比: 15%
  策略:
    - 社交媒体营销
    - KOL合作
    - 个性化推荐
    - 移动优先

千禧一代 (25-40岁):
  特征:
    - 品质追求
    - 体验重视
    - 数字化原住民
    - 愿意付费

  占比: 35%
  策略:
    - 品质强调
    - 体验优化
    - 个性化服务
    - 会员体系

X世代 (41-56岁):
  特征:
    - 理性决策
    - 性价比导向
    - 品牌忠诚
    - 多渠道购物

  占比: 30%
  策略:
    - 详细产品信息
    - 对比工具
    - 客服支持
    - 促销活动

婴儿潮一代 (57岁以上):
  特征:
    - 高收入
    - 品牌忠诚
    - 服务重视
    - 线上购物谨慎

  占比: 20%
  策略:
    - 客服支持
    - 简化流程
    - 信任建立
    - 电话营销
```

#### 地域细分

```yaml
一线城市 (北上广深):
  特征:
    - 高收入
    - 高消费
    - 快节奏
    - 品质追求

  占比: 25%
  策略:
    - 高端产品
    - 同城配送
    - 品质强调
    - 便捷服务

二三线城市:
  特征:
    - 中等收入
    - 性价比敏感
    - 价格竞争
    - 品牌追求

  占比: 45%
  策略:
    - 性价比产品
    - 促销活动
    - 品牌建设
    - 渠道下沉

县域及农村:
  特征:
    - 低收入
    - 价格极度敏感
    - 线下偏好
    - 信任建立难

  占比: 30%
  策略:
    - 低价产品
    - 下沉市场渠道
    - 乡村推广
    - 熟人推荐
```

### 5. 细分画像生成

#### 画像要素

```yaml
基本信息:
  - 细分名称
  - 客户规模
  - 占比
  - 核心特征

行为特征:
  - 购买行为描述
  - 互动行为描述
  - 决策模式
  - 偏好特征

价值特征:
  - 平均CLV
  - 购买频次
  - 客单价
  - 收入贡献

需求痛点:
  - 核心需求
  - 主要痛点
  - 购买动机
  - 决策因素

营销策略:
  - 渠道偏好
  - 内容偏好
  - 促销敏感度
  - 沟通频率
```

#### 画像示例

```markdown
## 细分画像: 都市白领精英

**客户规模**: 5,200人 (8%)
**平均CLV**: ¥6,800
**购买频次**: 季度2.8次
**平均客单价**: ¥1,150

### 基本特征
- 年龄: 28-40岁
- 性别: 女性65%
- 地域: 一线城市85%
- 职业: 企业白领/专业人士
- 收入: 月入¥15,000+

### 行为特征
- 购买时间: 工作日晚间、周末
- 购买渠道: APP为主、官网为辅
- 决策周期: 3-7天
- 品类偏好: 智能设备、健康监测、高端配件

### 价值特征
- 高客单价 (¥1,150 vs 平均¥680)
- 高复购率 (季度2.8次 vs 平均1.5次)
- 高满意度 (4.7/5)
- 高推荐率 (25%)

### 需求痛点
- 需求: 品质生活、健康管理、效率提升
- 痛点: 时间紧张、选择困难、信任成本
- 动机: 自我提升、生活品质、科技体验
- 因素: 品质、口碑、便捷

### 营销策略
- 渠道: APP推送、邮件营销、社群
- 内容: 产品评测、使用指南、生活方式
- 促销: 会员专属、新品优先、限量版
- 频率: 每周1-2次
```

### 6. 细分策略建议

#### 个性化营销

```yaml
高价值客户:
  营销策略:
    - VIP专属服务
    - 1对1客户经理
    - 专属产品线
    - 优先体验权

  内容策略:
    - 高端产品信息
    - 专属活动邀请
    - 个性化推荐
    - 生日节日关怀

  促销策略:
    - 会员专属折扣
    - 积分加成
    - 赠送高端礼品
    - VIP活动

价格敏感客户:
  营销策略:
    - 优惠券推送
    - 促销活动通知
    - 清仓信息
    - 限时优惠

  内容策略:
    - 性价比强调
    - 优惠信息
    - 对比优势
    - 用户评价

  促销策略:
    - 折扣券
    - 满减活动
    - 买赠活动
    - 会员折扣

潜力客户:
  营销策略:
    - 交叉销售
    - 向上销售引导
    - 品类拓展
    - 使用教育

  内容策略:
    - 产品使用指南
    - 搭配建议
    - 新品介绍
    - 用户案例

  促销策略:
    - 首购优惠
    - 捆绑销售
    - 满额优惠
    - 会员升级激励
```

#### 产品策略

```yaml
产品推荐:
  基于购买历史:
    - 购买A产品 → 推荐配件
    - 购买B产品 → 推荐升级款
    - 购买C产品 → 推荐互补品

  基于浏览行为:
    - 浏览A品类 → 推荐热门产品
    - 加购未购 → 推荐相似产品
    - 收藏产品 → 推荐降价提醒

  基于预测模型:
    - 预测需求时机
    - 预测产品偏好
    - 预测价格敏感度
    - 预测购买概率

产品开发:
  基于细分需求:
    - 高价值客户 → 高端产品线
    - 价格敏感客户 → 经济型产品线
    - 年轻客户 → 潮款产品线
    - 专业客户 → 专业版产品

  基于使用场景:
    - 办公场景
    - 运动场景
    - 居家场景
    - 出行场景
```

### 7. 细分效果追踪

#### 细分稳定性

```yaml
细分稳定性指标:
  客户流动率:
    - 高→中流动率: <10%/月 (稳定)
    - 中→低流动率: <5%/月 (稳定)
    - 低→中流动率: <8%/月 (良好)

  细分保持率:
    - 高价值保持率: >85% (优秀)
    - 中等价值保持率: >75% (良好)
    - 低价值保持率: >60% (一般)

  细分净增长:
    - 高价值净增长: >5%/季度
    - 中等价值净增长: >10%/季度
    - 低价值净转化: >15%/季度

优化建议:
- 细分流动率高: 调整细分标准
- 细分不稳定: 增加细分维度
- 细分净增长低: 优化培养策略
```

#### 细分ROI

```yaml
细分ROI计算:
  营销投入:
    - 获客成本
    - 营销费用
    - 服务成本

  收益产出:
    - 细分总收入
    - 细分利润
    - CLV增长

  ROI指标:
    - 营销ROI = (收入 - 成本) / 成本
    - CLV/CAC比率
    - 投资回收期

细分对比:
  高价值客户:
    - 营销ROI: 8.5x
    - CLV/CAC: 15:1
    - 回收期: 2个月

  中等价值客户:
    - 营销ROI: 4.2x
    - CLV/CAC: 5:1
    - 回收期: 6个月

  低价值客户:
    - 营销ROI: 1.8x
    - CLV/CAC: 2:1
    - 回收期: 12个月

资源分配建议:
- 高价值: 40%资源 (最高优先级)
- 中等价值: 45%资源 (主要增长点)
- 低价值: 15%资源 (精选潜力客户)
```

---

## 📋 使用场景

### 场景1：动态客户细分

```bash
/segmentation-builder --behavioral --segments 6 --target ltv
```

输出示例：

```markdown
🎯 客户细分分析 - 基于行为的6细分

## 细分概览

| 细分 | 客户数 | 占比 | 平均CLV | 购买频次 | 客单价 | 优先级 |
|------|--------|------|---------|---------|--------|--------|
| 忠诚高价值 | 1,200 | 6% | ¥8,500 | 季度3.5次 | ¥1,280 | 最高 |
| 成长潜力 | 3,500 | 17.5% | ¥2,800 | 半年2.8次 | ¥980 | 高 |
| 价格敏感 | 5,800 | 29% | ¥650 | 年度2.2次 | ¥420 | 中 |
 | 活跃探索 | 4,200 | 21% | ¥1,200 | 月度1.5次 | ¥650 | 中高 |
| 沉睡唤醒 | 3,100 | 15.5% | ¥380 | 年度1.2次 | ¥520 | 中 |
| 流失风险 | 2,200 | 11% | ¥180 | 年度0.8次 | ¥380 | 低 |

## 细分详细分析

### 1. 忠诚高价值客户 (6%)

**核心特征**:
- 高频购买 (季度3.5次)
- 高客单价 (¥1,280)
- 高满意度 (4.8/5)
- 高推荐率 (28%)

**行为画像**:
- 年龄: 35-50岁 (65%)
- 性别: 女性 (58%)
- 地域: 一线城市 (72%)
- 收入: 月入¥20,000+

**购买偏好**:
- 品类: 智能设备、健康监测、高端配件
- 时间: 工作日晚间、周末
- 渠道: APP (70%)、官网 (25%)
- 决策: 快速决策 (1-3天)

**需求痛点**:
- 需求: 品质生活、健康管理、科技体验
- 痛点: 产品稀缺、等待时间长、服务响应慢
- 动机: 自我奖励、生活品质、前沿科技

**策略建议**:
1. VIP专属服务 (1对1客户经理)
2. 新品优先体验权
3. 专属产品线
4. 会员积分加成 (1.5x)
5. 生日节日专属礼品

**预期效果**: CLV +20%、留存率 +15pp

### 2. 成长潜力客户 (17.5%)

**核心特征**:
- 中频购买 (半年2.8次)
- 中高客单价 (¥980)
- 增长趋势明显
- 活跃度提升

**行为画像**:
- 年龄: 28-40岁
- 性别: 均衡
- 地域: 一二线城市
- 收入: 月入¥12,000+

**购买偏好**:
- 品类: 跨品类购买、尝试新品
- 时间: 周末为主、促销期间
- 渠道: 多渠道尝试
- 决策: 中等周期 (3-7天)

**需求痛点**:
- 需求: 产品发现、使用指导、性价比
- 痛点: 选择困难、使用不熟练、价格敏感
- 动机: 生活改善、尝试新品、跟风购买

**策略建议**:
1. 个性化推荐系统
2. 产品使用指南
3. 交叉销售引导
4. 向上销售激励
5. 会员升级加速
6. 新品专属优惠

**预期效果**: CLV +50%、升级率 +30pp

### 3. 价格敏感客户 (29%)

**核心特征**:
- 低频购买 (年度2.2次)
- 低客单价 (¥420)
- 高促销敏感度
- 低忠诚度

**行为画像**:
- 年龄: 25-45岁
- 性别: 均衡
- 地域: 分布广泛
- 收入: 月入¥6,000-12,000

**购买偏好**:
- 品类: 基础款、清仓款
- 时间: 促销期间、节假日
- 渠道: 电商平台、比价后购买
- 决策: 长周期 (7-14天)

**需求痛点**:
- 需求: 基本需求、预算有限
- 痛点: 价格高、性价比不明确
- 动机: 便宜够用、促销吸引

**策略建议**:
1. 优惠券精准推送
2. 清仓商品推荐
3. 限时优惠通知
4. 满减活动
5. 会员折扣
6. 捆绑销售 (降低单价)

**预期效果**: 购买频次 +30%、客单价 +15%

### 4. 活跃探索客户 (21%)

**核心特征**:
- 高活跃度 (月度1.5次访问)
- 中等客单价 (¥650)
- 高浏览低转化
- 探索行为明显

**行为画像**:
- 年龄: 18-35岁 (70%)
- 性别: 均衡
- 地域: 一二线城市
- 收入: 月入¥8,000-15,000

**浏览偏好**:
- 行为: 深度浏览、多页面对比、加购频次高
- 品类: 多品类浏览、新品关注
- 时间: 碎片时间、晚间
- 渠道: APP为主

**需求痛点**:
- 需求: 产品信息、对比参考、使用场景
- 痛点: 信息不足、决策困难、价格犹豫
- 动机: 了解产品、对比选择、等待优惠

**策略建议**:
1. 购买激励优惠券
2. 限时优惠倒计时
3. 社会证明强化 (评价、销量)
4. 一对一客服咨询
5. 加购提醒 (库存紧张)
6. 免费试用

**预期效果**: 转化率 +25pp、客单价 +20%

### 5. 沉睡唤醒客户 (15.5%)

**核心特征**:
- 低频购买 (年度1.2次)
- 低活跃度
- 长时间未购买
- 有唤醒潜力

**行为画像**:
- 年龄: 30-45岁
- 性别: 女性55%
- 地域: 二三线城市
- 收入: 月入¥8,000-12,000

**历史行为**:
- 购买: 曾购买1-2次
- 时间: 最后一次购买60-180天前
- 互动: 偶尔打开邮件
- 反馈: 无投诉、无评价

**需求痛点**:
- 需求: 可能遗忘、需求不明确
- 痛点: 缺乏触达、无激励
- 动机: 曾有兴趣、可能重新激活

**策略建议**:
1. Win-back优惠券 (高面值)
2. "我们想念你"邮件
3. 新品推荐 (基于历史偏好)
4. 限时回归优惠
5. 满意度调研 (了解原因)
6. 社群重新激活

**预期效果**: 唤醒率 25%、复购率 +40pp

### 6. 流失风险客户 (11%)

**核心特征**:
- 极低频购买 (年度0.8次)
- 高流失风险 (>90天未购买)
- 低满意度
- 负利润风险

**行为画像**:
- 年龄: 分布广泛
- 性别: 均衡
- 地域: 分布广泛
- 收入: 各层次

**流失信号**:
- 行为: 购买频次下降80%+
- 时间: 90-180天未购买
- 互动: 不打开邮件、不响应
- 反馈: 可能有投诉、差评

**流失原因**:
1. 产品体验不满意 (35%)
2. 价格原因 (25%)
3. 竞品吸引 (20%)
4. 需求消失 (15%)
5. 服务问题 (5%)

**策略建议**:
1. 满意度调研 (了解原因)
2. 问题优先解决
3. 挽回专属优惠
4. VIP客服主动联系
5. 产品改进反馈
6. 适度放弃 (负利润客户)

**预期效果**: 挽回率 15%、负利润客户淘汰

## 细分对比分析

### CLV对比

```
忠诚高价值: ████████████ ¥8,500
成长潜力:   ████████░░░░ ¥2,800
活跃探索:   ████░░░░░░░░ ¥1,200
价格敏感:   ███░░░░░░░░░ ¥650
沉睡唤醒:   ██░░░░░░░░░░ ¥380
流失风险:   █░░░░░░░░░░░ ¥180
```

### 资源分配建议

**营销预算分配**:
- 忠诚高价值: 35% (最高ROI)
- 成长潜力: 35% (主要增长点)
- 活跃探索: 15% (转化提升)
- 价格敏感: 10% (精准促销)
- 沉睡唤醒: 5% (选择性唤醒)
- 流失风险: 0% (放弃)

**人力配置**:
- VIP客服: 专职服务忠诚高价值
- 专属客户经理: 服务成长潜力
- 智能客服: 服务其他细分
- 营销自动化: 价格敏感、活跃探索

## 细分迁移路径

```
流失风险
    ↓ (唤醒)
沉睡唤醒
    ↓ (激活)
活跃探索 → 成长潜力 → 忠诚高价值
    ↑           ↑
价格敏感 ──────┘
```

**优化目标**:
- 价格敏感 → 成长潜力: +20%
- 活跃探索 → 成长潜力: +30%
- 成长潜力 → 忠诚高价值: +25%
- 沉睡唤醒 → 活跃探索: +25%
- 流失风险 → 沉睡唤醒: +15%

## 细分效果追踪

**月度监控指标**:
1. 细分规模变化
2. 细分间流动率
3. 细分平均CLV变化
4. 营销ROI变化
5. 留存率变化

**季度优化**:
1. 重新聚类分析
2. 调整细分标准
3. 优化营销策略
4. 评估效果ROI
```

---

## 💡 最佳实践

### 细分有效性
- 细分间差异显著
- 细分内相对同质
- 细分可操作性强
- 细分相对稳定

### 细分更新
- 定期重新细分 (季度/半年)
- 监控细分稳定性
- 调整细分维度
- 优化细分标准

### 策略执行
- 个性化内容
- 精准投放
- 效果追踪
- 持续优化

---

## 📊 成功指标

### 细分质量
- 细分间差异显著度 >0.5
- 细分内相似度 >0.7
- 细分稳定性 >80%

### 业务价值
- 高价值客户占比 >25%
- 营销ROI提升 >40%
- 客户留存率提升 >20%
- 平均CLV提升 >30%

---

## 🔗 相关Skills

- `/cohort-analyzer` - 同群分析
- `/lifetime-value-predictor` - LTV预测
- `/predictive-analytics` - 预测分析
- `/customer-health-score` - 客户健康度
- `/advanced-customer-segmentation` - 高级客户细分

---

**Segment smart, target precise! 🎯**

**版本**: 1.0.0
**更新**: 2026-04-12
**作者**: Shopilot Team