基于MySQL的抖音电商数据多维分析

一·数据来源
阿里天池：
https://tianchi.aliyun.com/dataset/204698

二·整体思路

三·用户分类
1.计算RFM
2.用户分类
CREATE TABLE rfm_customer_segment AS

WITH rfm AS (
SELECT User_ID,
Last_Login_Days_Ago AS R,
Purchase_Frequency AS F,
Total_Spending AS M
FROM user_personalized_features
),
rfm_score AS (
SELECT
User_ID,
R, F, M,
6 - NTILE(5) OVER (ORDER BY R) AS R_score,
NTILE(5) OVER (ORDER BY F) AS F_score,
NTILE(5) OVER (ORDER BY M) AS M_score,
(6 - NTILE(5) OVER (ORDER BY R))

• NTILE(5) OVER (ORDER BY F)
• NTILE(5) OVER (ORDER BY M) AS RFM_score
  FROM rfm
  ),
  rfm_bins AS (
  SELECT
  MIN(RFM_score) AS min_score,
  MAX(RFM_score) AS max_score,
  (MAX(RFM_score) - MIN(RFM_score)) / 8.0 AS bin_width
  FROM rfm_score
  )
  SELECT
  r.User_ID,
  r.R AS Recency,
  r.F AS Frequency,
  r.M AS Monetary,
  r.RFM_score,
  CASE
  WHEN r.RFM_score <= (b.min_score + b.bin_width * 1) THEN ‘流失客户’
  WHEN r.RFM_score <= (b.min_score + b.bin_width * 2) THEN ‘一般维持客户’
  WHEN r.RFM_score <= (b.min_score + b.bin_width * 3) THEN ‘新客户’
  WHEN r.RFM_score <= (b.min_score + b.bin_width * 4) THEN ‘潜力客户’
  WHEN r.RFM_score <= (b.min_score + b.bin_width * 5) THEN ‘重要挽留客户’
  WHEN r.RFM_score <= (b.min_score + b.bin_width * 6) THEN ‘重要深耕客户’
  WHEN r.RFM_score <= (b.min_score + b.bin_width * 7) THEN ‘重要唤回客户’
  ELSE ‘重要价值客户’
  END AS customer_segment
  FROM rfm_score r
  CROSS JOIN rfm_bins b
  ORDER BY
  r.RFM_score DESC;
  

3.用户画像
计算各类用户的人数、平均年龄、平均收入、主要所在地等等，用以刻画画像
CREATE TABLE user_profile_rfm
INSERT INTO user_profile_rfm
WITH base AS (
SELECT
r.customer_segment,
u.gender,
u.location,
u.interests,
u.product_category_preference,
COUNT(*) AS cnt,
AVG(u.age) AS avg_age,
AVG(u.income) AS avg_income,
AVG(u.last_login_days_ago) AS avg_login_gap,
AVG(u.total_spending) AS avg_total_spending,
AVG(u.time_spent_on_site_minutes) AS avg_time_min,
AVG(CASE WHEN u.newsletter_subscription = ‘True’ THEN 1 ELSE 0 END) AS sub_rate
FROM user_personalized_features u
JOIN rfm_customer_segment r
ON u.User_ID = r.User_ID
GROUP BY
r.customer_segment,
u.gender, u.location,
u.interests,
u.product_category_preference
),
ranked AS (
SELECT
customer_segment,
cnt,
avg_age,
avg_income,
avg_login_gap,
avg_total_spending,
avg_time_min,
sub_rate,
gender,
location,
interests,
product_category_preference,
ROW_NUMBER() OVER (PARTITION BY customer_segment ORDER BY cnt DESC) AS rn
FROM base
)

根据这些指标：
刻画以下用户画像：
用户类别 画像
流失客户 低收入农村中年女性，曾买技术类书籍，人均GMV最低且 25 天未登录，处于“沉默边缘”，召回 ROI 优先测试

一般维持客户 中低收入农村中年女性技术爱好者，人均GMV中等但登录间隔 3 周，站内停留长却花钱谨慎，属于“时间多、花钱少”的性价比猎手
新客户 中等收入农村青壮年男性新客，首次购买家居服饰类，人均GMV尚可但近 20 天未回站，处于“首单蜜月结束”窗口

潜力客户 中等收入郊区中年岁男性，高人均GMV，对知识类内容兴趣浓，浏览深度足但登录间隔 2.5 周，属“高潜力待激活”
重要挽留客户 中高收入郊区青壮年男性，高人均GMV但登录间隔拉长的“沉睡金主”，以科技电子类为主

重要深耕客户 中高郊区中年男性，高人均GMV单 3C+服饰，10 天前仍活跃，是“高价值低频次”典型，可继续提频提客单
重要唤回客户 高收入郊区青壮年中高收入男性，曾经高频高人均GMV，6 天前仍登录，对美食与服饰兴趣浓厚，订阅营销比例高

重要价值客户 中高收入郊区中年高收入女性，近期活跃、高复购、高人均GMV，美妆食品双高消费，是平台“现金牛”

用户类别 营销目标 营销策略 客户价值
流失客户 1.最后召回；2.重建兴趣；3.收集流失原因 1.短信推送满300减50图书券（7日）；2.短信推送2024技术新书清单PDF；3.客服电话问卷+20元话费 ⭐
一般维持客户 1.提升客单；2.提高回访频次；3.提高停留→购买的转化率 1.短信推送满1 000减100数码券（24h）；2.抖音直播间推送周三「农村数码清仓」9.9元起；3.站内弹窗推送浏览10页送500积分抵5元 ⭐⭐
新客户 1.促成2次购买；2.加速决策；3.降低2单门槛 1.站内弹窗新人返场券：家居满1 500减150；2.短信推送男士潮流好物榜Top10推送；3.短信推送收货即送200积分+包邮券 ⭐⭐
潜力客户 1.提高浏览→购买的转化率；2.提升客单；3.清加购 1.短信推送限量签名技术书预售提醒；2.抖音直播间推送心爱作者直播签售+8折链接；3.站内弹窗加购48h未付送100元券 ⭐⭐⭐
重要挽留客户 1.拉回登录；2.内容唤醒；3.延长生命周期 1.短信推送满1 000减200技术书回购券（72h）；2.短信推送你关注的Python新书到货啦；3.邮件推送签收30天送「技术书早鸟券」满200减40，可预订未来3个月新书 ⭐⭐⭐⭐
重要深耕客户 1.提客单+提频；2.制造冲动；3.养成习惯 1.站内弹窗3C配件跨店2件9折3件8折；2.短信推送周末闪促：买耳机送品牌T；3.站内弹窗每月18号双倍积分+免邮 ⭐⭐⭐⭐
重要唤回客户 1.防止流失；2.提升频次；3.长期保鲜 1.短信推送满3 000返300服饰券（72h）；2.短信推送买食材送品牌T恤组合券；3.站内推送下单即赠「美食-服饰联动券包」：满500减50食材券+满1000减100服饰券，90天内可用 ⭐⭐⭐⭐⭐
重要价值客户 1.锁定高客单；2.放大复购；3.情感绑定 1.专属企业微信黑金会员群+专属客服；2.抖音直播间推送高端食材/进口美妆专场；3.专属企业微信推送生日前7天寄送实体「黑金手写信」+品牌玫瑰+专属QR码，长期无门槛券+线下VIP体验室邀请 ⭐⭐⭐⭐⭐

4.商品分析
依据客户价值，把八类客户聚合为五类客户。计算各类客户的前三偏好产品、各类客户每类偏好产品的客单、各类偏好产品在每类客户中的渗透率等等，用以分析商品和客户

WITH segment_map AS (
SELECT
CASE
WHEN r.customer_segment IN (‘重要价值客户’,‘重要唤回客户’) THEN ‘核心客户’
WHEN r.customer_segment IN (‘重要深耕客户’,‘重要挽留客户’) THEN ‘重要客户’
WHEN r.customer_segment = ‘潜力客户’ THEN ‘潜力客户’
WHEN r.customer_segment IN (‘一般维持客户’,‘新客户’) THEN ‘一般客户’
WHEN r.customer_segment = ‘流失客户’ THEN ‘流失客户’
END AS macro_segment,
u.User_ID,
u.interests,
u.product_category_preference,
u.Average_Order_Value,
u.Total_Spending
FROM rfm_customer_segment r
JOIN user_personalized_features u ON u.User_ID = r.User_ID
),
segment_size AS (
SELECT
macro_segment,
COUNT(DISTINCT User_ID) AS total_users
FROM segment_map
GROUP BY macro_segment
),
segment_agg AS (
SELECT
sm.macro_segment,-- 客户分类
sm.product_category_preference AS category,-- 偏好商品类别
COUNT(DISTINCT sm.User_ID) AS user_cnt,-- 人数
ROUND(AVG(sm.Average_Order_Value), 2) AS avg_order_val,-- 客单
ROUND(SUM(sm.Total_Spending), 2) AS total_spending,-- 总消费额
RANK() OVER(PARTITION BY sm.macro_segment ORDER BY SUM(sm.Total_Spending) DESC) AS spending_rank,-- 排名
COUNT(DISTINCT sm.User_ID) * 100.0 / ss.total_users AS penetration_rate,-- 商品渗透率
RANK() OVER(PARTITION BY sm.macro_segment ORDER BY COUNT(DISTINCT sm.User_ID) * 100.0 / ss.total_users DESC) AS penetration_rank – 排名
FROM segment_map sm
JOIN segment_size ss ON sm.macro_segment = ss.macro_segment
GROUP BY sm.macro_segment, sm.product_category_preference, ss.total_users
)
SELECT
macro_segment,
category,
user_cnt,
avg_order_val,
total_spending,
spending_rank,
ROUND(penetration_rate, 2) AS penetration_rate_percent,
penetration_rank
FROM segment_agg
WHERE spending_rank <= 3
ORDER BY macro_segment, spending_rank;
分析：
1.一般客户
Top3 品类：Electronics、Apparel、Home & Kitchen（按总消费额排序）
Electronics 的客单价较高（1026.43），偏好人数最多，且总消费额和渗透率均为第一。
说明一般客户对电子类产品有较高的购买力和兴趣，愿意为电子类产品支付高价。
策略：推送高客单价的Electronics促销信息，提升复购率
2.核心客户
Top3 品类：Apparel、Books、Health & Beauty
Apparel 的总消费额最高，但客单价较低（369.28），说明他们更频繁购买服装。
渗透率最高的是 Apparel（30.43%），说明服装是该群体的主流选择，且该群体偏好产品人数排名与Top3 品类的总消费额排名与渗透率排名完全相同，表明高渗透品类同时贡献了主要销售额，需求结构稳定。
策略：加强Apparel类的新品推送和会员权益，维持其高频购买
3. 流失客户
Top3 品类：Home & Kitchen、Books、Electronics
Books 的渗透率最高（25.81%），客单价也较高（444.50），说明流失前可能曾高价购书。
整体用户数少，客单价不低，说明流失客户中仍有高价值用户。
策略：针对曾经购买Books的用户推送专属优惠，尝试唤回

4. 潜力客户
   Top3 品类：Apparel、Books、Home & Kitchen
   Apparel 的总消费额和渗透率均为第一，客单价也较高（978.95），说明该群体对服装类有强烈偏好和购买力。
   Home & Kitchen 的客单价最高（1256.55），说明他们愿意为家居厨具类支付高价。
   策略：重点运营Apparel和Books品类，推出套装或满减活动
   5.重要客户
   Top3 品类：Apparel、Electronics、Health & Beauty
   Electronics 的渗透率最高（20.94%），但总消费额略低于 Apparel。
   Apparel 的总消费额最高，客单价最高（906.05），但渗透率最低（20.35%），说明他们追求高品质衣服。
   策略：保持Apparel和Electronics的稳定供应和优惠

根据消费额排名和渗透率排名，可以将商品分为四类并制定差异化策略（注意！还按照客户价值赋予不同权重来划分商品）：
类型 特征 策略建议 商品类别 类型
明星商品 高消费额 + 高渗透率 重点资源投入，保持优势，推出系列化产品 Apparel 明星商品
潜力商品 高消费额 + 低渗透率 通过营销活动提升渗透率，例如捆绑销售 Books、Electronics 潜力商品
利基商品 低消费额 + 高渗透率 优化推广组合，推出试用装并收集反馈 Health & Beauty 利基商品
尘埃商品 低消费额 + 低渗透率 维持基础流量，作为用户入口品类 Home & Kitchen 尘埃商品

5.区域分析
5.1区域整体
计算各区域的用户总数，总收益等等，用以分析区域市场规模。

分析：
1.用户分布与市场占比
Suburban（郊区） 区域的用户数量最多，共349人，占总用户数的34.9%。
Urban（城市） 和 Rural（农村） 的用户数分别为344人和307人，占比分别为34.4%和30.7%。
结论：Suburban 区域是最大的用户市场，市场占比最高；Rural 区域的用户占比相对较低，可能是一个需要进一步挖掘的市场。
2.区域收入贡献
Suburban 的总收入（Total_Revenue）最高，为 1044778。
Urban 次之，总收入为 1010981。
Rural 的收入最低，为 381377。
结论：Suburban 和 Urban 是核心收入来源，占总收入的绝大部分。Rural 的收入贡献较低，可能需要优化策略。
3.用户价值（ARPU）
Suburban 的平均用户收入（Avg_ARPU）为 2993.63。
Urban 的 Avg_ARPU 略低，为 2938.90。
Rural 的 Avg_ARPU 为 1242.27，显著低于其他两个区域。
结论：Rural 区域的用户价值较低，可能与用户的收入水平或消费习惯有关。
4.用户活跃度（Time Spent）
Suburban 用户平均花费时间为 304.43 分钟，为三者最高。
Urban 用户为 298.13 分钟。
Rural 用户为 288.46 分钟。
结论：Suburban 用户对平台的活跃度最高，可能表明此区域的用户体验或内容吸引力较强。
5.购买频率（Purchase Frequency）
Suburban 用户的平均购买频率为 7.3 次，高于 Urban 的 7.00 次。
Rural 的购买频率为 7.76 次，略高于 Suburban。
结论：Rural 用户虽然购买频率较高，但收入和 ARPU 仍较低，可能表明购买金额较低或消费能力有限。
6.区域优先级建议
重点关注 Suburban 和 Urban，因为它们是收入的核心来源。
优化 Rural 策略，考虑如何提高 Rural 用户的消费能力，比如通过促销活动或改善物流支持。
7.下一步行动
针对 Suburban用户：进一步提升用户体验，增加用户粘性（如个性化推荐、增加内容多样性）。
针对 Urban用户：探索提升 ARPU 的方式（如高价值产品推广）。
针对 Rural用户：推出适合低收入用户的套餐或教育用户提升消费能力。

5.2客户分群与区域交叉分析

在每个地区内，各个客户类别的占比

分析：
1.Rural（农村）
一般客户占比最高（39.09%），说明农村区域有大量普通消费能力的用户。
潜力客户占比 32.25%，表明有一定数量的用户可能提升为高价值客户。
重要客户占比 19.87%，是农村区域的主要价值来源。
流失客户占比 7.17%，需要关注流失原因并采取措施挽回。
核心客户占比最低（1.63%），说明高价值客户较少。
2.Suburban（郊区）
重要客户占比最高（45.27%），是郊区的核心用户群体，贡献了主要收入。
潜力客户占比 31.52%，显示出较大增长潜力。
一般客户占比 12.89%，可通过营销活动转化为更高价值客户。
核心客户占比 10.03%，是高价值用户，需维持其忠诚度。
流失客户占比仅 0.29%，表明客户流失问题较少。
3.Urban（城市）
重要客户占比 34.88%，是城市区域的主要收入来源。
潜力客户占比 33.43%，数量接近重要客户，具有较大开发潜力。
一般客户占比 20.93%，可通过营销策略提升其消费能力。
核心客户占比 8.43%，是城市中的高价值用户。
流失客户占比 2.33%，需关注流失原因。
总体建议
资源分配：优先在 Suburban 和 Urban 区域投入资源，因为这两个区域的高价值客户（重要客户和核心客户）占比更高。
农村市场开发：针对 Rural 区域的潜力客户设计专属策略，提升其消费能力。
流失客户管理：定期分析流失客户的原因，优化用户体验以降低流失率。

每个客户类别在不同地区的分布占比

分析：
1.一般客户
Rural占比最高（50.63%）：农村地区有一半以上的一般客户，表明农村区域有大量普通消费能力的用户。
Urban占比 30.38%：城市地区的一般客户数量也较多，但比例低于农村。
Suburban占比 18.99%：郊区的一般客户比例最低，但绝对数量（45 人）仍需关注。
2.核心客户
Suburban占比最高（50.72%）：郊区是核心客户的主力区域，表明郊区的高价值客户集中。
Urban占比 42.03%：城市核心客户的占比也很高，是重要的收入来源。
Rural占比仅 7.25%：农村的核心客户极少，需重点挖掘。
3.流失客户
Rural占比最高（70.97%）：农村流失客户占比极高，需重点关注流失原因。
Urban占比 25.81%：城市流失客户比例次之，需优化客户体验。
Suburban占比仅 3.23%：郊区流失客户极少，表明客户忠诚度较高。
4.潜力客户
Urban占比最高（35.49%）：城市潜力客户比例最高，表明城市有大量可开发的高价值用户。
Suburban占比 33.95%：郊区潜力客户紧随其后，需重点培养。
Rural占比 30.56%：农村潜力客户比例最低，但仍有一定开发空间。
5.重要客户
Suburban占比最高（46.61%）：郊区是重要客户的主力区域，表明郊区用户具有较高的消费潜力。
Urban占比 35.40%：城市的重要客户比例也较高，是收入的重要来源。
Rural占比 18.00%：农村重要客户比例最低，需进一步挖掘。
总体建议
资源分配：
优先投入郊区和城市：这两个区域的核心客户和重要客户占比高，是主要收入来源。
关注农村潜力客户和流失客户：通过召回活动和开发策略提升农村市场的价值。
客户维护：
针对郊区和城市的核心客户与重要客户，提供专属服务（如会员权益、个性化推荐）。
加强农村流失客户的召回工作，分析流失原因并优化体验。
市场开发：
在城市和郊区挖掘潜力客户的消费潜力，推动其向核心客户转化。
针对农村区域，设计入门级高价值产品吸引一般客户和潜力客户。

5.3偏好产品类别与区域交叉分析

在每个地区内，各个偏好产品类别的占比

分析：
1.Apparel（服装）
Urban：城市用户对服装类别的偏好最高，占比达36.70%，用户数80人。
Suburban 和 Rural：分别占比32.57%和30.73%，用户数为71和67人。
2.Books（书籍）
Suburban：郊区用户对书籍的偏好最高，占比39.39%，用户数78人。
Urban 和 Rural：分别占比31.82%和28.79%，用户数为63和57人。
3.Electronics（电子产品）
Suburban：郊区用户对电子产品的偏好最高，占比36.36%，用户数76人。
Rural 和 Urban：分别占比33.49%和30.14%，用户数为70和63人。
4.Health & Beauty（健康与美容）
Urban：城市用户对健康与美容类别的偏好最高，占比37.63%，用户数70人。
Suburban 和 Rural：分别占比35.48%和26.88%，用户数为66和50人。
5.Home & Kitchen（家居与厨房）
Urban：城市用户对家居与厨房类别的偏好最高，占比35.98%，用户数68人。
Rural 和 Suburban：分别占比33.33%和30.69%，用户数为63和58人。
总结
Urban：在服装、健康与美容以及家居与厨房类别上具有较强的偏好。
Suburban：在书籍和电子产品类别上表现出较高的偏好。
Rural：在所有类别上的偏好相对较低，但书籍和电子产品类别也有一定的用户基础。
建议
针对城市用户：可以重点推广服装、健康与美容以及家居与厨房相关产品。
针对郊区用户：可以加大书籍和电子产品的推广力度。
针对农村用户：可以尝试提升书籍和电子产品在农村市场的份额，同时关注其他类别的市场潜力。

每个偏好产品类别在不同地区的分布占比

分析：

1. Rural
   电子产品（Electronics）：以22.80%的占比位列第一，有70名用户。表明农村用户对电子产品需求较高，可能是由于电子产品在农村市场的普及度逐渐上升。
   服装（Apparel）：占比21.82%，有67名用户，对服装的需求也较为显著。
   家居与厨房（Home & Kitchen）：占比20.52%，有63名用户，显示出农村用户在家居用品方面的消费潜力。
   书籍（Books）：占比18.57%，有57名用户，表明一定比例的农村用户对书籍感兴趣。
   健康与美容（Health & Beauty）：占比16.29%，有50名用户，反映出健康与美容产品在农村市场的需求相对较低。
   分析：农村地区用户对电子产品、服装和家居用品表现出较高的偏好，可能与农村地区基础设施的改善和生活水平的提高有关。同时，书籍和健康与美容产品也有一定市场份额，可以针对这些类别进行市场推广。
   2.Suburban
   书籍（Books）：以22.35%的占比居首，有78名用户，显示郊区用户对书籍的偏好较高，可能与郊区居民较高的文化素养和闲暇时间较多有关。
   电子产品（Electronics）：占比21.78%，有76名用户，反映出郊区用户对电子产品的稳定需求。
   服装（Apparel）：占比20.34%，有71名用户，表明服装也是郊区用户的重要消费需求之一。
   健康与美容（Health & Beauty）：占比18.91%，有66名用户，显示出郊区用户对这一类别的关注。
   家居与厨房（Home & Kitchen）：占比16.62%，有58名用户，需求相对较低。
   分析：郊区用户对书籍和电子产品的偏好较高，显示出郊区居民对文化和科技产品的重视。此外，服装和健康与美容产品也有一定的市场，家居用品的需求相对较低。
   3.Urban
   服装（Apparel）：以23.26%的占比位列第一，有80名用户，表明城市用户对服装的需求最大，可能与城市时尚潮流和社交活动频繁有关。
   健康与美容（Health & Beauty）：占比20.35%，有70名用户，显示出城市用户对健康和美容产品的高度关注，这与城市生活节奏快、注重外表的形象相吻合。
   家居与厨房（Home & Kitchen）：占比19.77%，有68名用户，反映出城市用户在家居用品方面的消费潜力。
   电子产品（Electronics）：占比18.31%，有63名用户，需求相对稳定。
   书籍（Books）：占比18.31%，有63名用户，表明城市用户对书籍也有一定的兴趣。
   分析：城市用户对服装和健康与美容产品的偏好突出，反映出城市居民对时尚和健康生活的追求。家居用品也有一定的市场，电子产品和书籍的需求相对平均。
   综合分析
   产品偏好差异：不同地区用户的产品偏好存在明显差异。农村用户更倾向于电子产品、服装和家居用品；郊区用户对书籍和电子产品表现出较高的偏好；城市用户则对服装和健康与美容产品需求最大。
   市场策略建议：
   针对农村地区，可以加强电子产品、服装和家居用品的推广，同时关注书籍和健康与美容市场的潜力。
   在郊区，应重点推广书籍和电子产品，同时兼顾服装和健康与美容市场。
   对于城市地区，需重点关注服装和健康与美容产品，同时把握家居用品的市场机会。

5.6其他分析
判断兴趣和产品偏好是否匹配

计算兴趣和产品偏好匹配率
WITH segment_map AS (
SELECT
CASE
WHEN r.customer_segment IN (‘重要价值客户’,‘重要唤回客户’) THEN ‘核心客户’
WHEN r.customer_segment IN (‘重要深耕客户’,‘重要挽留客户’) THEN ‘重要客户’
WHEN r.customer_segment = ‘潜力客户’ THEN ‘潜力客户’
WHEN r.customer_segment IN (‘一般维持客户’,‘新客户’) THEN ‘一般客户’
WHEN r.customer_segment = ‘流失客户’ THEN ‘流失客户’
END AS macro_segment,
u.User_ID,
u.interests,
u.product_category_preference
FROM rfm_customer_segment r
JOIN user_personalized_features u ON u.User_ID = r.User_ID
)
SELECT
macro_segment,
COUNT(DISTINCT User_ID) AS total_users,
SUM(
CASE
WHEN (interests = ‘Fashion’ AND product_category_preference IN (‘Apparel’,‘Electronics’)) OR
(interests = ‘Technology’ AND product_category_preference IN (‘Electronics’,‘Books’)) OR
(interests = ‘Food’ AND product_category_preference IN (‘Home & Kitchen’, ‘Health & Beauty’,‘Books’)) OR
(interests = ‘Sports’ AND product_category_preference IN (‘Apparel’,‘Electronics’,‘Books’)) OR
(interests = ‘Travel’ AND product_category_preference IN (‘Apparel’,‘Electronics’, ‘Books’))
THEN 1
ELSE 0
END
) AS matched_users,
ROUND(
SUM(
CASE
WHEN (interests = ‘Fashion’ AND product_category_preference IN (‘Apparel’,‘Electronics’)) OR
(interests = ‘Technology’ AND product_category_preference IN (‘Electronics’,‘Books’)) OR
(interests = ‘Food’ AND product_category_preference IN (‘Home & Kitchen’, ‘Health & Beauty’,‘Books’)) OR
(interests = ‘Sports’ AND product_category_preference IN (‘Apparel’,‘Electronics’,‘Books’)) OR
(interests = ‘Travel’ AND product_category_preference IN (‘Apparel’,‘Electronics’, ‘Books’))
THEN 1
ELSE 0
END
) * 100.0 / COUNT(DISTINCT User_ID),
2
) AS match_rate_percent – 匹配率
FROM segment_map
GROUP BY macro_segment
ORDER BY match_rate_percent DESC;

CASE WHEN 语句定义了一套 “兴趣→品类”映射规则：
Fashion（时尚）兴趣 → 应购买 Apparel（服装）或 Electronics（时尚电子产品）
Technology（科技）兴趣 → 应购买 Electronics（电子产品）或 Books（科技书籍）
Food（美食）兴趣 → 应购买 Home & Kitchen（厨具）、Health & Beauty（健康食品/保健品）或 Books（食谱）
Sports（运动）兴趣 → 应购买 Apparel（运动服饰）、Electronics（运动电子产品）或 Books（运动健身书籍）
Travel（旅行）兴趣 → 应购买 Apparel（旅行服饰）、Electronics（旅行电子产品）或 Books（旅行指南）
match_rate_percent（匹配率） 衡量的是：在每个用户分群中，有多少比例的用户按照我们设定的“剧本”在消费。

分析：匹配率与用户价值正相关
用户分群 匹配率 分析
核心客户 65.22% 最佳表现群体。他们最认可平台的价值主张，抖音的商品供给、推荐算法和营销内容最能打动他们。他们是抖音平台的“知音”。
潜力客户 56.79% 表现良好。有超过一半的人跟着我们的引导走，有很大希望培养成核心客户。
重要客户 54.28% 表现良好。与潜力客户类似，但匹配率略低，可能需要不同的策略。
一般客户 51.05% 仍有提升空间。约一半用户的行为是“散点式”的，未能有效引导。
流失客户 48.39% 问题最大群体。抖音平台提供的货品（或体验）最不符合他们的兴趣预期，这是他们流失的一个关键原因。

深层洞察与行动建议

1. 为什么核心客户匹配率最高？

洞察：
抖音平台的货品结构和内容推荐高度契合了高价值用户的品味和需求。说明抖音平台的核心选品策略是正确的。
行动：
加倍投入：继续深化在这些“映射品类”（如时尚用户的服装、科技用户的电子产品）上的运营，这是抖音平台的核心优势。
复制经验：分析核心客户的特征（年龄、收入、地域），用于寻找更多类似的高潜力用户。
2. 为什么流失客户匹配率最低？
洞察：
这是最关键的预警！抖音平台未能满足他们的需求。可能的原因：
1.供给不足：一个标着Technology兴趣的用户，想买最新款显卡，但抖音平台只卖手机壳和畅销书。
2.推荐不准：推荐算法总是给他推他不感兴趣的品类。
3.体验不佳：虽然商品对路，但价格、物流、售后体验差，导致他最终不愿购买。
行动：
1.根本原因分析：抽样联系这些流失客户，做调研：“您当时希望买到什么但没找到？”。
2.优化供给：检查流失客户兴趣对应的期望品类，是否SKU不足、价格无优势、品牌不受欢迎。
3.召回策略：如果优化了供给，可以针对性地向这批流失客户推送信息：“您关注的XXX新品已到货！”
3. 如何提升中间群体的匹配率？

洞察：
对于潜力、重要、一般客户，有相当一部分人（40%-50%）没有被有效引导。
行动：
1.个性化强化：对这些用户，加强“兴趣→期望品类”的定向推送和优惠券发放。例如，给Sports兴趣但没买过Apparel的用户发送一张运动服饰专属券。
2.内容引导：制作更优质的内容来教育用户。例如，为Food兴趣的用户制作“如何用这款网红锅做出米其林大餐”的视频，引导其购买Home & Kitchen商品。
3.降低门槛：提供小样、试用装、低价体验套装，让用户以更低成本尝试抖音平台期望他们购买的品类。