Menü
Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.
Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Ein direkter Befehl überspringt den Prüf-Prompt. Prüfen Sie die Quelle, bevor Sie ihn ausführen.
npx skills add https://github.com/huifer/Shopilot --skill segmentation-builderDer Befehl bleibt in einer Zeile. Scrollen Sie horizontal, um ihn vor dem Kopieren vollständig zu prüfen.
Sie bevorzugen eine lokale Kopie? Laden Sie die Dateien herunter, die SkillsMP derzeit vorliegen.
Basierend auf der SOC-Berufsklassifikation
SKILL.md wird angezeigt
| name | segmentation-builder |
| description | 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 |
| version | 1.0.0 |
| author | Shopilot |
| argument-hint | <segmentation-type> [segment-count] [target-metric] |
| disable-model-invocation | false |
| user-invocable | true |
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。
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
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
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
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%
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
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%
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%
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:
-
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
## 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
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:
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
-
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
-
/segmentation-builder --behavioral --segments 6 --target ltv
输出示例：
🎯 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: 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
:
个性化推荐系统
产品使用指南
交叉销售引导
向上销售激励
会员升级加速
新品专属优惠
: CLV +50%、升级率 +30pp
:
低频购买 (年度2.2次)
低客单价 (¥420)
高促销敏感度
低忠诚度
:
年龄: 25-45岁
性别: 均衡
地域: 分布广泛
收入: 月入¥6,000-12,000
:
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: 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
:
优惠券精准推送
清仓商品推荐
限时优惠通知
满减活动
会员折扣
捆绑销售 (降低单价)
: 购买频次 +30%、客单价 +15%
:
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
:
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
:
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: 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
:
购买激励优惠券
限时优惠倒计时
社会证明强化 (评价、销量)
一对一客服咨询
加购提醒 (库存紧张)
免费试用
: 转化率 +25pp、客单价 +20%
:
低频购买 (年度1.2次)
低活跃度
长时间未购买
有唤醒潜力
:
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
:
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: 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
:
Win-back优惠券 (高面值)
"我们想念你"邮件
新品推荐 (基于历史偏好)
限时回归优惠
满意度调研 (了解原因)
社群重新激活
: 唤醒率 25%、复购率 +40pp
:
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
:
年龄: 分布广泛
性别: 均衡
地域: 分布广泛
收入: 各层次
:
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
:
产品体验不满意 (35%)
价格原因 (25%)
竞品吸引 (20%)
需求消失 (15%)
服务问题 (5%)
:
满意度调研 (了解原因)
问题优先解决
挽回专属优惠
VIP客服主动联系
产品改进反馈
适度放弃 (负利润客户)
: 挽回率 15%、负利润客户淘汰
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
/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