Engage

什么是行为细分?场馆营销人员指南

什么是行为细分?了解场馆如何根据到访频次、消费金额和问卷调查结果对顾客进行细分,从而推送相关优惠并衡量成效。

What is behavioral segmentation? a venue Marketer's guide

行为细分根据可观察到的操作对顾客进行细分,例如他们到店的频率、消费金额以及对问卷调查的反馈情况。根据 CITE Research 为 Attentive 进行的调查,2025 年对 3,300 名消费者开展的一项调查发现,71% 的受访者表示希望品牌能够随着时间的推移了解他们的购物习惯。

许多场所管理者拥有满是名单的数据库,向所有人发送营销简报,却很难知道哪些宾客阅读了邮件或再度光顾。他们或许能在吧台一眼认出熟客,却很难在营销记录中辨识出这些人。

问题往往出在信息割裂上。收银机记录消费,预订系统记录预订,而 WiFi 门户则记录到访。当这些数据彼此隔离时,将更难看清宾客的消费习惯,也难以确定该通过何种措施来进行测试。

目录

行为细分对场所的意义

行为细分客群是指根据您记录中明确可见的操作所界定的一组顾客。维基百科关于市场细分的参考资料 将这种做法描述为通过观察到的行为或反馈对客户进行细分,而非依据年龄、收入、地理位置或其他描述性特征,其典型变量涵盖购买频率、消费水平、品牌忠诚度、最近互动时间以及对促销活动的响应。

这一概念的历史比许多人想象的更为悠久。Wendell R. Smith 于 1956 年在《营销杂志》(Journal of Marketing)上发表了《产品差异化与市场细分作为替代营销策略》(Product Differentiation and Market Segmentation as Alternative Marketing Strategies),提出可以将一个异质市场视为具有不同偏好、相对同质的小型细分群体。这标志着对大众营销模式的突破。自此之后的所有讨论,都围绕着哪些差异才真正重要而展开。

试想一下,一位酒吧经理凭借顾客常点的饮品就能认出周二常客。她不需要知道他们的邮政编码。她知道坐在角落里的那位男士喝健力士啤酒,而且在九点前离开;她也熟悉七点到店并点餐的那桌四人组。她能提供更好的服务,是因为她在洞察行为,而非人口统计特征。

受众特征细分根据年龄、收入或邮编对宾客进行分类,并假定该群体中的每个人都有相同的诉求。住在同一条街上的两位 34 岁宾客,可能一个是每两周大额消费一次的常客,另一个则是一年仅光顾一次的访客。仅凭这一分类标签,根本无法为周四该向他们发送什么内容提供任何有价值的参考。

基于行为的细分具有人口统计学细分所难以比拟的可操作性。因为每个客群都与记录的事件(例如一次到访、一次预订、一次优惠兑换或一份填写的调查问卷)直接关联,细分群体无需人工逐一决策,即可自动触发一条信息、一项优惠或后续跟进。近期到访者、高频消费者、流失的常客、预订客户以及对优惠活动做出回应的宾客,都是您可以利用现有数据在今天立即完成定义的客群。

一张解释场馆行为细分的图表,展示了到访频次、消费金额、优惠核销情况以及反馈类别。

依据 人口统计细分 行为细分
所用数据 年龄、收入、邮编 到访、消费、预订、问卷反馈
群体示例 居住在 3 英里以内、年龄在 25 至 34 岁的宾客 过去 30 天内到访 3 次的宾客
变更时机 宾客搬家或年龄增长 宾客产生到访、消费或停止到访
能否触发消息 极少,因其描述的是用户身份特征 可以,因其关联了已记录的事件

每个细分群体都在解答一个问题:这位宾客有过什么行为,我们下一步应该做什么?如果您无法同时解答这两个方面,那么您构建的充其量只是一个冠以华丽名称的邮件列表。能够打造卓越线下体验的实体场所本能地明白这一点,正因如此,一家优秀的 精酿啤酒吧 关注的是现场的顾客状态,而非冰冷的电子表格。

每个受众群体背后的访客信号

细分群体的有效性完全取决于为其提供输入的数据信号。机器学习中动态细分的相关研究 清晰地阐明了因果逻辑:过往行为即当前意向的体现。新近度能够捕捉互动度的下滑趋势,频次可以衡量习惯的养成程度,而消费金额则代表商业价值潜力。

这三项构成核心基础。其余皆为背景信息。

一位 45 天未到访的宾客释放出的信号,与上个月来过三次的宾客截然不同。平均消费位列前 10% 的宾客与买杯咖啡就走的宾客,其商业价值也不可同日而语。单凭其中任何一项事实都无法决定具体该说什么。但两者结合,便能告诉您该对谁去说。

信号 衡量内容 场所示例 重要原因
最近一次访问(Recency) 距离上次到访或消费的天数 访客在设定天数内未到访 反映互动活跃度是否正在减退
到访频次(Frequency) 设定时间窗口内的到访或下单次数 过去 90 天内到访 3 次或以上 反映习惯养成强度
消费金额(Monetary value) 总消费额或平均消费额 平均消费额高于设定阈值 反映潜在经济价值
标签(Tags) 工作人员或规则添加到记录中的标签 VIP、过敏备注、包房用餐意向 补充收银系统无法记录的上下文背景
问卷调查回复 明确表达的偏好与反馈 偏好素食菜单 支持推荐契合其口味的内容
预订与入住记录 预订、登记入住、间夜数 预订了 6 人位但未到店(No-show) 展现单次交易之外的意向
WiFi 访问 场所网络登录记录 仅在工作日回访 记录未消费客群的客流量

固定阈值失效的原因

规则一旦设定,就可能会产生误导。季节性、促销活动以及新菜单都会改变“正常”状态的定义。圣诞节的客流高峰常被误认为是客户忠诚度的激增;而清淡的八月则可能看似客户大量流失。实际上,并不是宾客与您的关系发生了变化,而是日历发生了改变。

解决方法是在每个刷新周期重新核对规则,而不是将其视为一成不变。Purple Engage 基于到访次数、消费金额、标签和问卷回复构建细分客群,并可在约一分钟内完成刷新;因此,今天下午完成预订的宾客在下次发送前便不再符合客户挽回规则的触发条件。

实用法则:如果您无法指出将访客归入某一受众群体的确切事件,则该信号过于模糊,无法据此采取行动。

将信号与目标相匹配。近期消费行为推动客户挽回。到访频次推动忠诚度认可。消费金额推动高端礼遇邀约。调查问卷的反馈推动生成契合宾客阅读意愿的内容。如果试图让单个细分群体同时承担这四项任务,往往难以取得成效。将此类数据整合到统一平台的操作机制,请参阅这份 实体场所第一方数据指南。

受众群体如何构建、更新和测试

这篇 信息系统研究中的细分方法综述 指出,只有当细分与定向触达相结合并对照反事实进行衡量时,它才具有分析价值。这个词起着举足轻重的作用。反事实是指与您的目标受众特征完全相同却未接收任何内容的人群。

以下是创建经得起推敲的受众群体的具体步骤。

  1. 收集与匹配。从收银机、预订、WiFi 登录、表单和住宿记录中提取事件数据,然后通过电子邮件将其与单个宾客进行匹配。重复记录会影响后续的所有流程,因此在编写规则之前必须先解决身份解析问题。

  2. 将历史数据转化为特征。将每位宾客的记录转换为可衡量的数值:距上次到访天数、特定时间窗口内的到访次数、平均消费额、两次到访之间的间隔时间。这些应是可用于比较的数字,而非备注字段中的文字叙述。

  3. 根据数据形态选择方法。对 105 篇客群细分出版物的审查发现,k-means 是各类用例中最常用的方法,但它假定聚类紧凑且基于距离,并要求预先指定分组数量。这使得它在宾客行为数据稀疏、偏斜、具有季节性或处于持续变动状态时表现欠佳。基于规则的阈值(例如 90 天内到访 3 次)很容易向管理人员解释。高斯混合模型适合介于两类群体之间的宾客。基于密度或层次聚类的方法则能有效处理不规则且处于动态变化的边界。

  4. 标准化并设定消费上限。单次大型聚会预订可能会极大地拉高平均值,从而导致整个聚类出现偏差。在分组之前,请对货币变量进行标准化处理并对极值设定上限。

  5. 制定运营规则。每个细分客群都需要明确的动作、资格规则、刷新周期以及排除逻辑。针对流失高价值宾客的召回旅程应排除本周内已有购买行为的用户,否则可能会让核心优质客户养成等待折扣的习惯。

  6. 保留对照组。从每个符合条件的细分客群中随机预留一部分宾客,不向其发送任何内容。这是了解营销信息是否产生实际效果的唯一途径。

  7. 对比并报告区间效果。衡量触达组与对照组在到访频次或消费额方面的差异,并注明不确定性区间。

一张流程图,展示了构建、清理、分组、更新和测试营销客户行为细分群体的五个步骤。

选择细分方法

方法 宾客分组方式 最佳适用场景
基于规则的阈值 明确规则(如 90 天内到访 3 次) 易于解释,但当季节性改变行为模式时容易失效
K-means 聚类 根据距离将宾客归入指定数量的聚类 公开发表中最为常见,仅适合紧凑的聚类
高斯混合模型 为每个分组赋予概率归属性 适合介于两个细分群体之间的宾客
基于密度或层次聚类的方法 识别不规则群体及处于变动中的边界 适合稀疏、偏斜或具有季节性的行为

打开率和点击量反映的是互动情况,但并不能证明该细分客群带来了额外的客流。45% 的打开率如果没有带来可衡量的实际到店客流,说明该活动只是触达了那些无论如何都会到访的顾客。

当触达组的表现超出对照组的幅度大于不确定性范围时,该受众群体即在发挥作用。

餐饮、酒店和零售行业的客群细分示例

以一家拥有 3,000 条访客记录但不知道在阴雨连绵的周二该给谁发邮件的餐厅为例。将流失常客定义为 90 天内到访 3 次或以上,但在过去 45 天内未曾到访。排除本周已有预订的任何人,避免挽回优惠触达那些本就打算回访的宾客。随机保留符合资格群体的十分之一作为对照组,不向其发送任何内容。

现在,优惠效果有了明确的评估依据。如果触达组的复访率显著高于对照组,该规则便证明了自身的价值。如果并非如此,您就成功省去了一笔本不必给出的折扣成本。

酒吧以不同方式应用相同的逻辑。其模式基于习惯而非消费金额:在 60 天内于工作日晚间到访四次或以上的顾客可获得活动的优先参与权,该名单每周更新。而零售商店对其优质客户采取的做法则与打折恰恰相反。在过去六个月中消费排名前 20% 的客户可以抢先预览新品系列 - 因为对最具消费实力的买家打折,只会培养其等待降价的习惯。

酒店需要遵循额外的一项准则。按每处物业分别运行客群细分,这样入住在曼彻斯特酒店的宾客就不会收到伦敦酒店的推广内容。这正是 Purple Engage 建议的架构方式,也是确保营销相关性与暴露您对其所在门店一无所知之间的区别。

场所类型 客群细分 规则 行动 刷新频率
餐厅 流失常客 90 天内光顾 3 次或以上,且在过去 45 天内无光顾 包含对照组的挽回优惠 每日
酒吧 工作日常客 60 天内于工作日晚间光顾 4 次或以上 活动优先参与权 每周
咖啡厅 首次光顾访客 首次光顾在过去 14 天内 欢迎优惠与简短调查 每日
酒店 回头客 24 个月内入住 2 次或以上 直接预订特权 每月
酒店 已预订未到店 今年已预订但尚未办理入住 入住提醒 每日
零售 高消费顾客 过去 6 个月消费排名前 20% 新品抢先预览 每周

2025 年 CITE Research 的数据在这里具有更深层的意义,而不仅仅是奉承。71% 的消费者希望品牌能够随着时间的推移了解他们的购物习惯。 基于顾客能在自身行为中察觉到的习惯(例如他们清楚自己总在周四光顾)所构建的细分客群,会让人感到贴心服务。而基于人口统计学猜测构建的细分客群,则会让人感到被监视。当顾客在单次光顾与长期套餐之间权衡时,洗车店也会进行同样的权衡,而结果通常取决于企业对其行为模式的解读程度;这份关于 单次洗车与会员制 的比较正是从这些角度阐述了这一决策。

在任何细分客群正式上线前,请运行三项检查:规则(能否用一句话说明?)、操作(宾客具体会收到什么?)以及刷新周期(客群自我修正的速度有多快?)。

在访客旅程中运用受众细分

触发一次的受众群体是一次营销活动。引导访客完成一系列流程的受众群体则是一次旅程,两者的区别在于退出规则。

  1. 欢迎。首次光顾在过去 14 天内的咖啡厅客人将收到欢迎优惠和一份简短调查。一旦回复调查或超过 14 天,他们就会立即退出该旅程。若在此之后仍保留他们,就意味着在向常客发送欢迎信息。

  2. 忠诚度。在 60 天内于工作日晚间光顾达到 4 次的酒吧常客将加入优先体验名单,该名单每周刷新一次。准入规则与定义该细分客群的规则完全一致,可确保两者保持同步。

  3. 客源挽回。在 90 天内光顾 3 次且在过去 45 天内无光顾的餐厅客人将进入流失常客旅程。对照组不会收到任何优惠,从而确保测试结果的真实有效。

  4. 预订提醒。今年已预订但尚未入住的酒店客人将在到店前收到一次提醒。仅限一次。第二次提醒就是打扰,而打扰会让你失去下一次预订。

  5. 退出机制。一旦客人完成预订、购买或选择退订,将立即退出所有进行中的旅程。绝无例外,绝不搞“就这一次”的违规推送。

为每位宾客设定每周消息上限。当有人同时符合两个细分客群的条件时,应在发送前而不是发送过程中确定哪项具有优先级。既是工作日常客又是流失常客的宾客属于数据冲突,临场处理往往会导致推送消息自相矛盾。

旅程在访客完成您期望操作的那一天即告结束。此后的一切皆为干扰信息。

将每个旅程的刷新周期与其触发条件相绑定。每日刷新的细分群体会在宾客再次到访后的一天内结束旅程;而每月刷新的细分群体则会让宾客在第二次到访后的三周内仍处于欢迎流程中。如需了解映射这些进入与退出规则的更广泛方法,请参阅这份关于 什么是客户旅程图 的解析。相同的习惯逻辑也适用于活动策划:跟踪谁参加了 The Ten District 每月活动 的酒吧可以优先邀请重复到访者,并查明该邀请是否促进了到访。

行为何时会产生误导以及如何核验

一位 45 天未到店的顾客可能正在流失。但他们也可能正在旅行、生病、换工作,或者是因为上次的不良体验而暂时不来。科学领域对行为细分陷阱的评估 提出了一个尖锐的问题:某种行为究竟在何时代表真实意图,而非特定境遇? 将不活跃视为一种固定的偏好,会导致推送无关的优惠、抑制实际需求,并让顾客感到被监视。

一家豪华酒店大堂,配有一张舒适的扶手椅、湖景以及一名接待人员。

因此,应将“近期未到访”视为开展测试的触发信号,而非必须提供折扣的依据。这一转变将改变您设计营销活动的方式 - 因为您是在进行测试实验,而不是在执行补救惩罚。

值得明确指出的两项局限

身份标识。同一位用户可能会以三个电子邮件地址、两台设备、家庭成员记录以及特定物业档案等形式出现。合并这些记录会改变细分客群的定义,有时甚至会影响您是否有权使用这些数据。在基于其构建规则之前,请先确认匹配准确无误。

用户同意。基于 WiFi、收银系统和预订数据构建的细分客群,需要获取针对特定用途的用户同意,并提供持久有效的退订机制。Oracle 与 Skift 的酒店业研究 发现,约四分之三的旅客对 AI 分析其数据以提供更个性化的优惠或服务感兴趣,但其中约 45% 的意愿取决于是否获得了针对该用途的明确同意。在每次发送前必须立即核对免打扰名单,并确保能够清楚解释客人符合资格的原因。

需要摒弃的三个误区

细分客群并不代表性格类型。它们是带有时间戳且具有有效期的观察结果。今天的“流失熟客”可能就是下个月的“回流熟客”。

细分客群并非越多越好。每一个细分客群都需要投入相应的行动成本、刷新规则及对照组设置。六个管理良好的细分客群,远胜过四十个无人维护的客群。

庞大的名单并不等同于定义明确的细分客群。规模衡量的是触达范围,而非定义清晰度。如果您无法说明每位宾客为何符合条件,那您拥有的只是受众群,而不是细分客群。

评估这些举措是否产生回报属于衡量范畴,同样的原则适用于所有营销支出;本指南中关于 营销投资回报率 (ROI) 的定义 涵盖了相关的核算考量。

本月先从一个可衡量的受众群体开始

选择能够得出明确结果的最小可行方案。

  1. 在一个场所选定一个问题。 例如:流失的常客在收到挽回优惠后是否会回访?而不是无法得出明确结论的“营销是否有效”。

  2. 确认信号存在。 您需要掌握每位客人的到访日期、消费额、标签以及许可同意状态。如果缺少任何一项,请先完善数据收集,再编写规则。

  3. 设定归因窗口期。 Purple Engage 建议餐厅先从 14 天归因窗口期 开始,然后根据客人的自然回访频次进行调整。每月到访一次的客群比较每周到访一次的客群需要更长的窗口期,否则衡量出的只是您自己的急躁情绪。

  4. 建立规则和对照组。 筛选出在 90 天内到访 3 次或以上、且最近 45 天内未到访的客户。仅向已同意接收消息的客户发送。同时从同一细分客群中随机保留一个对照组,不向他们发送任何内容。

  5. 对比并决策。 窗口期结束后,对比触达客群与对照组客群的到访情况。Purple Engage 会将新增到访次数与预留对照组进行区间范围对比,因此得出的差异会附带不确定性考量,而非一个孤立的百分比。

明确的效果体现为:触达组的表现超出对照组,且差距大于不确定性误差幅度,同时每位收到信息的宾客均已事先同意接收。

然后做出决策:推广规模、调整规则或予以弃用。测试失败的细分方案仍然能为您提供宝贵洞察,其价值远胜于一个月的凭空猜测,并且让您清楚接下来该测试哪项信号。


Purple Engage 将 WiFi 登录、收银销售、预订和问卷调查反馈整合为统一的顾客档案,从而使“上个月到店三次但已有 30 天未再光顾”等规则成为可执行推送的目标。细分客群约在一分钟内自动刷新,优惠信息通过电子邮件、短信或 WhatsApp 在统一的许可台账下发出,且额外的到店次数是基于对照组衡量,而非根据打开率推断。如果您想了解流失老客的潜在价值,请 访问 Purple Engage,从创建首个细分客群开始。

More ways to bring guests back