“发掘一下，哪些客户有潜力”是许多同学在日常作业中老大难问题。究竟怎样算是有潜力？又该怎样用数据发掘？不清楚。常常是做数据的同学辛辛苦苦做出来，然后被事务诉苦：“我早知道了，你说的这有啥依据！”

　　某互联网广告途径，首要客户是B类企业，现在需求发掘潜力客户，问该怎么进行剖析？

　　留意：标题是toB事务，与toC事务最大差异是：B端客户有固定的职业归属（轿车、美容、快消、游戏……），B端客户，也有经营规划的差异（能够从企业人数、已揭露的财报，第三方职业陈述等途径获取）。因而，假如事前做了功课，是能够对企业打标签，对职业、规划进行分类的。

　　所以许多同学一拿到题，就开端：做穿插。拿职业、企业规划标签做分类维度，对用户广告投进金额做穿插。得到一张下边的表，然后就开端说：由于A职业企业投进广告多，所以A职业里面的企业都是潜力客户……（如下图）

　　可是，这些都是在描绘现状，不能成为判别“潜力”的规范。假如不谈规范，孤零零地描绘现状，就会发生问题和疑问：

　　所以，这个问题的破题之道，必定不是拿着数据穿插来穿插去，而且扎扎实实地回到事务中，看不同场景下，事务所谓的“潜力”是什么意思。

　　1、职业特色：有些职业是长时间、刚性需求广告（游戏、美妆、服装……）。有的则是季节性需有广告顶峰（地产、轿车、耐用品……）

　　因而，在区别场景的时分，首先得对客户依据下面维度进行区别，便于后续辨认作业：

　　其次，作为toB类事务，客户丢失，或许不全是我方途径的问题，很有或许是客户本身职业/企业的问题。

　　假如是状况3，尚可作为潜力看待，究竟尚有教育孵化的时机，可是假如是状况1,2就真的回天乏术了。因而需求差异对待。留意：这儿的数据搜集难度会很大。由于或许触及几十上百个职业和数万甚至数十万公司，逐一搜集难度太大。因而需求先做好根底分类，再逐一挑要点来做。

　　再次，作为toB类事务，事务方具有更多的1对1客户交流时机，与引导客户的或许性。因而，需求做好标杆剖析法，找出要点客户集体中成功事例/成功标杆。这样能够协助事务更好的跟进潜力客户，也能回答事务常常问的一个很丧命的问题：“为什么你说它是潜力，但它没有表现出来呢？”答曰：“亲，那是你没有用对办法……”

　　考虑到不同生命周期下，能搜集到的数据量不同，因而主张以生命周期为首要区别维度，结合其他信息作出判别。

　　初入期剖析全体思路，以做一单为方针。测验激活新获取用户充值/初次投进。由于初入期还没有用户投进数据，因而只能依据职业、规划等根底信息进行分类。这儿能够对现有高价值用户进行画像剖析，找出职业、规划等特征，对初入期有相似特征的客户要点作业（如下图）。

　　测验期，现已有部分用户数据，而且用户现已开端分解：有些用户投进后的确赚到了钱，有些用户作用乌烟瘴气，活跃度现已很低了。此刻挖潜思路，主张是：保种子。由于一个个压服作用差的用户再进行投进，真实太难，因而能够要点保住那些有潜力成为高价值用户的客户。

　　顶峰期，除掉测验期丢失的用户，能进入顶峰期的，或许投进费用足够，或许在之前的投进中现已斩获颇丰，因而都具有继续挖潜的时机。挖潜的思路也有不同，假如之前斩获颇丰，能够推穿插出售，推新的投进产品。假如作用一般，但仍有很多投入，则能够推其同职业的竞品事例，以服务的方式，提高付费的时分一起提质量。总归，两个挖潜方向都是：拉升客单价。

　　由于以上问题，都触及数据搜集，因而能够对用户价值分层后，针对高价值用户要点做，先处理大客户阑珊问题。此刻挖潜方针，便是：保住现有投进，能拯救一点算一点。

　　丢失期，和阑珊思路挨近，首先要区别丢失原因。除掉正常逝世，聚集从前的高价值用户，之后能够在用户职业回暖，用户职业有新成功事例涌出的时分，再进行潜力发掘，方针是召回用户。

　　做完以上分类，每个生命周期的“潜力用户”有了开始界说。但并不必定要一股脑地把一切“潜力用户”推给事务。由于不同阶段，事务的要点不一样，或许不需求这么多信息。

　　比方当期事务要点是拉新，那就要点处理初入期/测验期潜力问题。假如当期要点是提高生产力，那就要点挖顶峰期/阑珊期用户。

　　还有另一种状况，便是事务现已有了举动计划，期望数据能找出来契合这个举动计划的用户。此刻的“潜力”其实现已十分明晰：有潜力参加XX活动，有潜力购买XX产品的客户。

　　此刻的做法，和上文现已彻底不同，由于“潜力”的意义现已很明晰了，仅仅匹配问题。后续再专门共享这一类做法。

　　有同学会问：这儿是不是能够建一个算法模型，不必事务规矩来推演？答：能够。可是留意：要建的不是一个算法模型，而是切分场景，依据数据特色建模。否则眉毛胡子一把抓，建的模型会有问题。