数据挖掘之用户细分的三大维度

一般来说，细分可以根据三个方面的考虑来进行：

1. 外在属性

如用户的地域分布，用户的产品拥有，客户的组织归属——企业用户、个人用户、政府用户等。通常，这种分层最简单、直观，数据也很容易得到。

但这种分类比较粗放，我们依然不知道在每一个用户层面，谁是“好”用户，谁是“差”用户。我们能知道的只是某一类用户(如大企业客户) 较之另一类用户(如政府客户) 可能消费能力更强。

2. 内在属性

内在属性行为客户的内在因素所决定的属性，比如性别、年龄、信仰、爱好、收入、家庭成员数、信用度、性格、价值取向等。

3. 消费行为分类

在不少行业对消费行为的分析主要从三个方面考虑，即所谓RFM：最近消费、消费频率与消费额.　这些指标都需要在账务系统中得到。但并不是每个行业都能适用。在通信行业，比如说，对客户分类主要依据这样一些变量：话费量、使用行为特征、付款记录,　信用记录、维护行为、注册行为等。

按照消费行为来分类通常只能适用于现有客户，对于潜在客户，由于消费行为还没有开始，当然分层无从谈起。即使对于现有用户，消费行为分类也只能满足企业用户分层的特定目的。如奖励贡献多的用户。至于找出用户中的特点为市场营销活动找到确定对策，则要做更多的数据分析工作。

原文始发于微信公众号（PPV课数据科学社区）：数据挖掘之用户细分的三大维度