在这个大数据时代，很多行业都开始挖掘企业自身的大数据价值，而在数字化竞争越来越白热化、同质化的今天，对于企业的客户尤其是C端客户，如何让辛辛苦苦引进来的新客变成老客，老客不流失成了一大难题，尤其是电商行业。不仅如此，在数字化交易的背景下，越来越多的商家开始使用诸如DataFocus、集客CRM等做数据分析，以想要做数据化营销。但无论工具怎么先进，分析还是得靠数据分析师的人脑和思维，以思维驱动工具。而很多商家对于人群该如何划分其实是比较模糊的，或者说按着一个既定的模板在操作。本篇就为大家分享一些关于店铺人群划分的思路。
店铺人群划分的思路其实和数据分析维度的建立类似，都是以目标出发，按照一套标准的逻辑实施。所以什么是店铺人群划分的标准，我们以一家合作的彩妆品牌为例。首先是人群划分的维度要单一化，为什么，因为不同人群重复的比例就会减少，提高数据精确性，这一点无法偷懒。第二是人群的区分度要高，让个性化的页面或活动定位更加的明确。第三是力求人群覆盖面广，让智能钻展或说千人千面的效果最大化。
那么接下来我们就该开始定义人群了。定义人群应该遵循三个原则。首先是简单性，只用1-2个标签定义最为妥当，比如某新客的标签是近80天有加购、折扣敏感度高、近360天无成交、180天收藏、近30天有浏览。那这个就是一个错误的示例。第二是互斥性，人群之间要做到低重叠。第三是充分性，需要覆盖店铺主流的客群。
最后是电商数据分析常说的万人四面。比如性别分男女后，向下钻取，女顾客有新老客之分，男顾客也是，那一个顾客维度就会分成性别+新老客。
以上就是店铺人群划分的基本思路，核心还是背后的数据分析。
