Shopee老客价值怎么看：找到最值得投入的那批人

为什么不能一视同仁

资源是有限的，这是分层最根本的理由。客服的人力、优惠券的预算、触达的次数，全部都有上限，平均分配意味着谁都没有被好好对待。

如果对所有老客发同样的优惠券，最亏的是那些本来就打算复购的买家。他们本可以用原价下单，结果被无差别地让了利润。

同时，真正需要挽留的高价值买家，只拿到一张大众化的券，感觉不到被重视，反而更容易被别人的专属服务挖走。

另一个理由是老客的流失风险差别很大。长期沉默的高贡献买家一旦彻底流失，损失远大于一个偶尔下单的普通买家。

分层还让沟通变得更有针对性。知道对方处于哪个阶段，该说什么、该给什么，判断就变得直接，不再依赖临场估算。

最后，分层让投入产出可衡量。你能看到钱花在哪些人身上、带回了什么，而不是笼统地统计一次活动覆盖了多少人。

不做的代价其实很具体。头部买家被忽略，尾部买家占资源，整体复购率长期停留在同一个水平，谁都说不清问题出在哪。

做分层的门槛并不高，一张表格加上固定的更新节奏，就能把这件事运转起来。关键在于是否愿意把资源分配这件事想清楚。

还有一个现实原因是沟通成本的差异。同一个买家，一次触达就能带来订单，另一个买家需要反复跟进才有反应，两者的投入完全不同。

如果不去区分，客服的时间会被大量花在反应最慢的人身上，而最容易成交的那批人反而没有得到应有的关注，整体效率被拖低。

从买家的角度看，被区别对待本身并不必然是坏事。只要待遇和贡献大致对应，买家会认为这是合理的规则，而不是偏心。

真正会引起不满的是被无差别打扰。每天收到和自己无关的促销消息，比接受一套层级化的服务体验更让人反感。

从长期看，分层还能帮助店铺及早发现问题。某一层的人数突然增多或者减少，往往预示着某个环节出了变化。

把这些理由放在一起，分层不是一种额外的运营技巧，而是资源有限条件下的必然选择，早晚都要做。

在判断投入时，可以用一个简单的思路：把资源想象成一笔预算，问自己这笔钱投给谁会带回最多的复购。这个问题一旦问出来，平均分配就站不住脚了。

答案通常不是最有钱的买家，也不是下单最频繁的买家，而是那些既有历史贡献又有复购可能的人。他们正处在关系还能被推动的窗口里。

窗口这个概念很重要。同一个买家在不同阶段能产生的回报差别很大，资源应该压在他最容易被打动的那个时期。

分层的本质就是识别窗口。把买家按状态归类，等于把不同窗口的人区分开，资源自然就有了更明确的投向。

这样看下来，一视同仁的问题不在于不公平，而在于低效。同样一笔预算，分层使用能带回的结果明显更多。

在资源永远有限的现实里，追求对所有买家一样好，往往意味着对所有人都不够好。分层不是取舍，而是把好钢用在刀刃上。

分层不是给买家贴标签，是分配资源

老客价值看哪几个指标

第一个核心指标是购买频次。买过三次和买过一次的人，复购的可能性差别很大，频次是最直观的黏性信号。

频次也要看时间窗口。只看累计次数，一个两年前买过五次的买家和最近一个月买过五次的买家，会被归到同一层，判断就失真了。

第二个指标是最近一次购买时间。它反映的是关系的新鲜度，时间越近，被重新激活的成本越低。

第三个指标是累计消费金额。它体现历史贡献，但权重不宜过高，因为一次大额订单就能把数字抬高，掩盖真实的行为特征。

第四个指标是平均客单价。它和累计金额配合着看，能区分出高频低额和低频高额两类完全不同的买家。

第五个指标是互动活跃度。浏览、收藏、咨询、评价这些行为虽然没有产生订单，却预示着后续的购买可能性。

第六个指标是否带来新买家。愿意推荐或者分享的老客，价值不只是自己的订单，还包括他带来的外部流量。

指标不在多，而在于能否稳定获取和持续更新。选三到四个自己数据里能长期拿到的，比贪多求全更实际。

在实际使用中，还可以引入一个组合指标来简化判断。比如把频次和最近购买时间合成一个活跃度得分，用单一数字排序。

合成指标的好处是排序方便，看名单时一眼就能分出先后。缺点是损失了一部分信息，需要时可回到原始字段去核对。

指标的口径必须写清楚。购买频次是否包含未完成的订单，最近购买时间按支付时间还是创建时间算，都要提前定义。

不同品类的指标权重应该有所区别。快消品类看重频次，耐用品类更看重金额和最近购买时间的组合。

指标的数量控制在四个以内比较好。指标越多，判断越复杂，实际执行时反而容易因为口径不一而出现分歧。

选指标的过程本身就是一次对业务的梳理。想清楚哪些行为真正代表价值，后面的所有动作都会变得更笃定。

还有一个容易忽略的指标是购买的商品结构。一直买同一件商品的买家和不断尝试新品的买家，对店铺的依赖程度并不一样。

只买单一品类的买家一旦对这款商品失去兴趣，流失概率会很高。尝试过多个品类的买家则和店铺绑得更紧。

如果要用这个指标，可以看买家购买过的商品种类数量。数量越多，说明关系越立体，被替代的难度也越大。

这个指标对于判断长期价值很有帮助，但它依赖于商品体系的宽度。品类单一的店铺可以暂时不用，改用别的方式衡量。

指标的选择最终要服务于动作。如果算出来的数字并不能指导你决定给谁发什么，那这个指标的意义就很有限。

宁可少用几个指标，也要让每一个都能对应到具体的运营动作上，这样的分析才有落地价值。

频次和最近时间，比总额更有区分能力

怎么给买家分层

最常用的做法是用频次和最近购买时间两个维度做交叉。横轴是购买次数，纵轴是最近一次购买距今的时间长短。

频次高且最近有购买的人放在第一层，这是店铺的核心买家，稳定性最好，也最值得优先维护。

频次高但很久没有购买的人放在第二层。他们曾经认可店铺，现在的沉默更可能是被别的事情打断，值得重点唤醒。

频次低但最近有购买的人放在第三层。他们对店铺的印象还新，引导下一次购买的成功率相对高，是重点培养对象。

频次低且很久没买的人放在第四层。这批人数量通常最多，但单个价值低，适合用低成本的方式统一覆盖。

分完之后再叠加金额维度做微调。把累计消费特别高的买家单独标出来，无论落在哪一层都要优先处理。

层数控制在三到五层之间比较合适。层数太多，每层的人数会变得很少，运营动作反而难以统一执行。

分层的结果要能落到具体名单上。如果分完之后拿不出一份可操作的名单，说明这个方法还停留在概念层面。

分层之前先确定阈值。购买三次以上算高频还是五次以上，最近三个月有下单算活跃还是六个月内，这些边界要结合自己的品类周期来定。

阈值定得是否合理，可以用数据回头验证。看每一层买家在过去半年的实际复购表现，如果某一层的行为差异不明显，说明这条线画得不准。

分层的动作最好做成半自动。手动筛选虽然可行，但每次更新都要重来一遍，容易因为工作量太大而拖延。

如果暂时只能用表格，可以把筛选条件写成一个固定的操作步骤，每次照着做。标准化之后，二十个人的名单和两千个人的名单，处理方式是一样的。

分层结果要加上一个观察期。刚分完的名单先不要马上大规模行动，观察一两周看买家的自然流动情况，再决定动作强度。

分层的稳定性也很重要。如果每次分层结果波动很大，说明阈值设置得太敏感，或者数据本身不够干净。

除了频次和最近购买时间的交叉，还可以试试用金额和活跃度做二维划分。两种划分方式看问题的角度不一样，可以互相补充。

按频次和时间划分，侧重的是关系的新旧和黏性；按金额和活跃度划分，侧重的是贡献规模和当前的兴趣强度。

规模不大时两种选一种就够了，不要同时做两套。标准太多会让执行者无所适从，最终哪一套都用不好。

选定之后要跑至少两个完整周期再做评估。第一轮的结果往往受到数据质量的影响，第二轮的判断才比较可靠。

如果两轮之后发现某一层的买家行为差异很小，说明分层的价值不大，这时候应该调整阈值而不是增加层数。

分层的目的始终是让动作更精准。如果分完之后动作没有变化，那这套分层就需要重新设计，而不是继续维护下去。

不同层级怎么区别对待

第一层买家要做的是维护而不是激活。给他们的是稳定的权益和优先的信息，比如新品提前知晓、售后优先处理。

这一层不要频繁塞优惠券。他们本来就会复购，送券等于白白让出利润，还会让他们对原价产生怀疑。

第二层买家要做的是唤醒。重点在于搞清楚他们为什么沉默，用对应的由头把关系接上，而不是一味地加码折扣。

唤醒的节奏要慢一些。这批人曾经有过好感，过急的触达会破坏原有的印象，两三次温和的尝试比较合适。

第三层买家要做的是提升。引导他们从买一件变成买两件，从买单件变成买组合，重点是客单而不是次数。

这一层的触达可以更主动，因为他们对店铺还有新鲜感，接受推荐的意愿相对更强，转化路径也更短。

第四层买家只做批量维护。活动通知、内容推送这类低成本动作就够，不必投入一对一的人力。

每一层的投入上限要提前定下来。有了明确的上限，执行时才不会因为某次活动的热情而打乱资源分配。

在具体执行上，可以把每一层的动作写成一页说明。目标是什么、用什么渠道、发什么内容、投入多少、多久做一次，全部写清楚。

这一页说明就是执行标准。客服和运营拿着同一份文件操作，就不会出现不同的人对同一层买家给出完全不同待遇的情况。

每一层的目标也要可衡量。维护层的目标是复购频次的稳定，唤醒层的目标是从沉默中恢复互动，提升层的目标是客单价上移。

设定目标之后要定期回看。如果某一层的目标连续两个周期都没有进展，说明动作设计有问题，需要重新调整而不是继续加码。

层级之间的待遇差距不宜过大。差距太大会让上层的买家不珍惜，下层的买家觉得被冷落，合理的梯度更有利于整体维护。

最后要留出向上的通道。让低层级的买家知道做到什么程度能进入更高层级，这种明确的预期本身就是一种激励。

在渠道选择上，不同层级也应有区别。高价值买家的触达可以更个性化，甚至采用人工沟通，低价值买家则用批量渠道覆盖。

内容的详略程度同样要分层。核心买家用简洁的权益通知就够，培养层的买家需要更多商品信息来推动决策。

触达的时间也可以区分。核心买家对他们习惯的时段比较敏感，批量层则可以直接跟随店铺的整体发送节奏。

这些差异加起来，形成的就是一套完整的层级化服务。买家感受到的是被理解，而不是被冷落或者被过度打扰。

执行一段时间之后要做一次回看，看每一层的指标有没有朝着预期方向变化。没有变化的层，就说明动作需要重做。

差异化运营并不是把事情变复杂，恰恰相反，它是用明确的规则替代临时的判断，让日常执行变得更省力。

数据从哪里取

基础数据来自订单明细。订单号、买家编号、下单时间、支付金额、商品名称，这几个字段导出来就能支撑大部分分析。

如果店铺有多个销售渠道，要把数据合并到同一张表里。只看单一渠道，会把整体贡献高的买家误判成低价值。

订单数据之外，还需要行为数据做补充。浏览、收藏、加购这些记录能反映没有成交的那部分兴趣，是判断活跃度的重要依据。

客服对话记录也值得利用。买家问过什么、投诉过什么，往往能解释数据上看起来异常的地方。

数据导出的频率建议固定下来，比如每月一次。固定的节奏能让不同月份的数据具备可比性，避免口径混乱。

导出之后先做清洗，把测试订单、刷单嫌疑订单和内部采购订单剔除掉。不干净的数据会直接污染分层结果。

清洗规则要写成文档并且保留下来。下次换人操作时，同样的标准能让结果保持一致，这是可复用的前提。

如果店铺规模已经比较大，可以考虑用工具自动完成导出和计算。但工具只是提效手段，判断逻辑仍然要自己定。

如果店铺数据分散在多个后台，可以先建立一个汇总表，把各渠道的订单统一到同一个买家编号下，这是所有分析的基础。

合并时要注意买家身份的识别。同一个买家可能在不同渠道用不同的联系方式下单，需要用手机号或者收货信息做去重。

去重之后，把同一个买家在多渠道的订单相加，才能得到真实的累计贡献。只看单一渠道会让整体贡献被严重低估。

数据表建议保留原始字段并且不做删改，所有的计算都在单独的分析表里完成。这样一旦发现口径错误，还能回到原始数据重算。

对于手工维护的表格，要养成固定的记录习惯。每次导出后立刻清洗和补充，不要等到需要用的时候才临时整理。

条件允许的话，把常用指标做成自动更新的看板。省下来的时间可以用在判断和动作上，而不是反复整理数据。

在数据采集的过程中，要注意合规和边界。只收集和分析经营必需的信息，不要过度获取与业务无关的买家数据。

导出和存储的数据要做好管理，避免外泄。这不仅是合规要求，也是对买家信任的保护，一旦出问题影响很难挽回。

分析结论对外呈现时，尽量用分层和占比的方式表述，不要指向具体的买家个体，这既是专业也是必要的谨慎。

对于保密性强的数据，建议只保留必要的时间长度。用完之后及时清理，减少管理上的风险和负担。

把数据的使用规则写进内部的操作规范，让参与的人都知道边界在哪里。规则清晰，执行才会放心。

数据的价值在于长期积累而非一次性的爆发。稳定的采集和记录习惯，比任何一个高明的分析模型都更重要。

层级和动作对不上，投入就会打水漂

分层多久更新一次

更新的频率取决于店铺的订单量。订单量大的店铺买家状态变化快，每月更新一次比较合适。

订单量小的店铺月度更新意义不大，样本太少容易导致层级频繁跳动，每季度更新一次反而更稳定。

更新时不要推翻全部结果，而是做增量调整。把一个买家从一层移到另一层，要能说清楚是哪个指标发生了变化。

层级之间的流动本身也是重要信息。从第一层掉到第二层的人数如果明显增多，说明高价值买家的维护出了问题。

反过来，从第四层升到第三层的人数增加，说明增量培养有了效果，可以顺着这个方向加大投入。

每次更新之后要留一份历史版本。把不同时间的分层结果放在一起对比，能看出买家结构的长期变化趋势。

更新这件事必须有人负责并写进日程。没有归口，分层很快就会停留在最初那一版上，之后的所有动作都会失去依据。

稳定的更新节奏本身就是一种竞争力。多数店铺做不到定期维护，坚持下来的人自然比同行更了解自己的买家。

更新之前最好先做一次数据核查，看是否存在异常订单或者重复记录。带着脏数据做分层，结果会误导后续的所有决策。

更新之后要把变动的买家单独列出来，尤其是跨层移动的那部分。他们的行为变化是判断运营效果最直接的信号。

对于连续几个周期都在同一层的买家，可以适当减少关注。状态稳定的人不需要频繁干预，把精力留给正在变化的那部分。

新进入的买家要单独观察一段时间再纳入分层。数据太少的时候，任何判断都带有很大的偶然性。

如果把分层结果同步给客服，要记得同步更新。用旧名单做服务，效果可能比不做还差。

最后，分层的频率不必和活动节奏绑定。活动期间买家行为容易失真，等平静期再做更新，结果更接近真实状态。

更新分层的动作不必等到所有数据都完美再开始。先按现有数据跑起来，在过程中逐步修正，比一直等待条件成熟更有效。

第一版分层做粗一点没关系。三层结构就足够起步，跑上一两个周期，再根据实际情况决定要不要细分。

每次更新都要留一份结论说明，写清这次调整的依据和预期影响。几个月后回看，这些记录能帮你理解当时为什么这样判断。

如果店铺在快速发展，分层的节奏要跟着加快。买家结构变化很快的时候，季度更新的速度可能就跟不上了。

如果店铺处于稳定期，慢一点也无妨。重要的是保持连贯，不要因为换人或者业务繁忙就中断。

分层这件事最忌讳的是半途而废。做过一次就停下，还不如当初不做，因为半成品的名单会误导后续的所有判断。

把它变成一项固定的月度或者季度动作，写进运营日程，配上负责人和交付物，这件事才能长期运转下去。

当分层成为习惯之后，你会发现自己对买家的理解不再依赖直觉，而是建立在一份随时更新的结构图上。

把资源压到头部，整体人均贡献会跟着上移

常见误区

第一个误区是只看消费金额。金额高的买家未必稳定，一次大额订单就能把人抬到最高层，误导后续的资源分配。

第二个误区是层级过多。分出七八层之后，每一层的人数都很少，运营动作无法统一，管理成本反而更高。

第三个误区是分层之后没有动作。名单做得很漂亮，但实际运营还是老样子，分层就成了一份没人看的报告。

第四个误区是所有层级给同样的权益。差异化的目的是让资源匹配价值，权益一样就失去了分层的意义。

第五个误区是长期不更新。买家的状态一直在变，半年不动一次，层级就会和现实脱节，结论自然不可靠。

第六个误区是忽略新买家。新买家还没有足够的数据，单列一层观察比直接塞进老客分层更合理。

第七个误区是用分层给买家贴标签。分层的目的是分配资源，不是评判买家，这个出发点一旦偏了，动作就会变形。

第八个误区是不做对照。分层运营前后没有数据对比，就无法证明这套方法有效，也很难说服团队继续投入。

第九个误区是只看头部。头部买家需要维护，但腰部买家的成长空间往往更大，放弃这一块等于放弃了未来的增量。

第十个误区是把分层交给工具就完事。工具的规则需要人来设计，指标权重的取舍仍然依赖运营判断。

第十一个误区是忽略退货和纠纷记录。有过问题的买家和正常买家混在一起，会让分层结果失去准确性。

第十二个误区是没有把分层结果同步给客服。一线人员不知道对方处于哪一层，差异化的服务就落不了地。

避开这些误区之后，分层运营的思路就很清楚了：指标选准、层级适度、动作区分、定期更新。

四件事都不复杂，但需要长期坚持，才能看出买家结构上的真实变化。

先从一份订单明细开始，把频次和最近购买时间算出来，你就能看到店铺买家结构的真实分布。

看清分布之后再决定资源往哪里放，判断会比凭感觉分配准确得多。

常见问题（FAQ）