日期:2026-08-04
我们服务的一家母婴连锁,会员基数不小,但运营方式很粗放:所有人收到同样的促销短信,推的都是全品类券。实际母婴消费者的需求是按"孩子处在哪个阶段"走的——孕期关心营养品和待产,零到一岁关心奶粉尿布,一到三岁关心辅食和绘本。用一套打法运营所有人,结果是打开率低、退订高、连带卖不动,高价值会员也在悄悄流失。我们当时要做的,是把会员按"母婴成长周期"重新分层,让每一次触达都踩在真实需求点上,而不是在错误的时间推错误的品类,既打扰用户又浪费预算。
系统落在该连锁的会员中台和小程序。我们给每个母婴会员打上"阶段标签":孕期、零到一岁、一到三岁、三岁以上,并结合孩子生日推算关键节点,例如满六个月转辅食、满一岁转学步鞋。运营动作因此彻底分化:孕期推营养品科普和待产清单,零到一岁在奶粉临期前推复购券,一到三岁推辅食和绘本。同时用成长周期做连带推荐,而非简单按品类满减。对总部来说,过去"全量推送"变成"分群节拍",每一波活动都能讲清楚为什么要推这个、推给谁、预期带来什么。
第一难是阶段判定。孩子生日是最硬的信号,但很多会员只填了预产期,甚至根本没填。我们用"最近消费品类加建档信息"做推断:连续买一段奶粉就归零到一岁,开始买辅食就往一到三岁迁移,并用生日做校准,避免标签长期漂移。第二难是复购周期。不同品类周期差很大,奶粉约三十天、纸尿裤约二十天、营养品约六十天。我们按品类维护"标准复购周期",取该会员历史购买间隔的中位数做个性化修正,到点前推券而不是到点后催,转化自然更高。第三难是避免打扰过度。分层后触达更准,但频次也要控。我们设了每会员每周触达上限和品类互斥,同一周不重复推同类,既保转化又控退订,防止"精准"变成"骚扰"。
案例片段(已脱敏): 分群标签输出(节选): member_id: u_88213 stage: 0-1岁 stage_conf: 0.92 next_event: 奶粉复购, due=2026-07-18, cycle=31d, last_buy=2026-06-17 触达日志: 2026-07-15 推送"奶粉复购券", 打开率 41%, 核销率 23%, 较全量推送打开率+18pp
脱敏对比显示,按成长周期分群后,营销短信打开率从约百分之十八提升到约百分之三十七;奶粉纸尿裤核心品类的复购核销率提升约二十二个百分点;高价值会员(年消费前百分之二十)的流失率从约百分之十四降至约百分之七;整体促销券核销成本下降约三成,因为不再广撒网。更有意思的是,连带品类(如辅零食、洗护)的跨品类购买在分群后明显增多,说明"在对的阶段推对的东西"顺带撬动了关联消费。
其一,母婴这类"需求随生命周期演变"的行业,分层的第一维度应该是生命周期而非消费金额,金额是结果、阶段是动因。其二,复购周期一定要分品类维护,用会员历史做个性化修正比全局固定值准得多。其三,分群越准越要节制触达,我们当时的频次上限和品类互斥是保住打开率的关键,精准不等于可以多发。其四,阶段判定用"硬信号(生日)加软信号(消费品类)"双轨,比单一来源稳,标签漂移时靠硬信号校准。其五,分群运营的价值不止于转化,更在于让总部第一次能按"孩子阶段"做经营决策,而不是只看GMV大盘。
分群运营上线后,我们最先面对的是"标签多久刷新一次"的取舍。刷新太勤,标签跳来跳去,运营看不懂;刷新太慢,阶段误判导致推错品。我们最终定为"日级全量重算加实时事件触发",比如用户买了辅食立刻把阶段往前推,其余靠每天批处理校准,兼顾时效与稳定。第二个取舍是复购周期的中位数口径。早期用全局均值,被少数囤货大单拉偏,改成按会员个人历史中位数后,券的到点更准。第三是触达频控的粒度,我们按"会员周上限"而非"活动上限"控,避免多个活动叠加把人烦退。还有个细节是孕期用户的特殊处理,预产期前后我们临时放宽营养品相关触达、收紧其他品类,因为这一阶段需求高度集中。最后是分群效果度量,我们建了"分群前后同口径对比"的实验组,而不是只看整体大盘,才能证明增长确实来自分群而非大促。母婴运营的核心,是尊重生命周期本身的节奏,系统只是把这种节奏翻译成可执行动作。
如果重来一次,我会更早把"分群不是为了发券"这件事讲给业务听。很多团队把分群当成精准营销的噱头,结果做完标签还是群发,价值根本没释放。真正起作用的是让分群驱动产品动作,比如孕期用户的待产清单、零到一岁用户的临期复购,这些动作本来就该发生,系统只是让它们准时发生。另一点提醒是别迷信模型自动分群,母婴这种生命周期极清晰的行业,规则分群比聚类和可解释,出了问题能立刻说清是哪条规则推的。最后是数据回流,我们每周看一次各分群的打开率核销率和流失率,发现某分群异常就回查标签逻辑,而不是等月底看大盘。分群运营是个持续活,不是上线即终,把它当成日常经营的仪表盘而不是一次性项目,才会越用越值。