从零构建圈层运营数据体系：3步实现精准用户分层与触达

一、 数据采集与整合：建立统一用户画像

圈层运营的基础是清晰、准确的用户数据。第一步是整合分散在各个渠道的用户行为数据，形成统一的用户画像。

1.1 埋点设计与实施

在用户可能产生关键行为的地方（如页面浏览、按钮点击、功能使用、停留时长）部署数据采集代码（埋点）。推荐使用开源方案如Apache Flume或Sentry，其核心是确保每个用户行为事件都包含以下字段：

• 用户唯一标识：如user_id（已登录用户）或device_id（未登录用户）
• 事件标识：如“page_view”、“button_click”
• 事件属性：如“page_name=‘首页’”、“button_name=‘立即购买’”
• 时间戳：精确到毫秒

以下是关键页面（如商品详情页）的一个JavaScript埋点示例，可直接部署在页面HTML的标签内或通过标签管理系统加载：

// 数据上报函数
function trackEvent(eventName, properties) {
const eventData = {
distinct_id: window.userId || getDeviceId(), // 获取用户ID
event: eventName,
properties: {
...properties,
url: window.location.href,
referrer: document.referrer,
user_agent: navigator.userAgent,
timestamp: Date.now()
}
};
// 使用navigator.sendBeacon异步上报，确保页面关闭时数据不丢失
navigator.sendBeacon('https://your-data-api.com/track', JSON.stringify(eventData));
}
// 为“加入购物车”按钮绑定事件
document.getElementById('add-to-cart-btn').addEventListener('click', function() {
trackEvent('add_to_cart', {
product_id: 'P12345',
product_name: '智能手机X',
price: 2999,
category: '电子产品'
});
});

1.2 构建用户行为数据表

将上报的原始数据清洗后，存入数据仓库（如MySQL、ClickHouse）。创建核心用户行为事件表user_events，表结构如下：

CREATE TABLE user_events (
id BIGINT AUTO_INCREMENT PRIMARY KEY,
distinct_id VARCHAR(255) NOT NULL, -- 用户标识
event VARCHAR(100) NOT NULL, -- 事件名称
event_properties JSON, -- 事件属性，JSON格式存储
event_time DATETIME(3) NOT NULL, -- 事件时间，精确到毫秒
INDEX idx_user_time (distinct_id, event_time), -- 复合索引加速查询
INDEX idx_event (event)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

使用定时任务（如Linux crontab）每小时执行一次数据导入：

crontab -e
每小时的第5分钟执行数据同步脚本
5     /usr/bin/python3 /path/to/your/etl_script.py

etl_script.py核心部分：从数据接收API的临时存储（如Kafka或日志文件）中读取数据，清洗后批量插入数据库。

二、 圈层定义与计算：从标签到用户分群

基于整合后的数据，定义具体的圈层规则，并通过SQL或计算引擎自动将用户归入不同圈层。

2.1 定义核心用户标签

标签是圈层的基础。根据业务目标创建原子标签，例如：

• 高价值用户：近30天累计消费金额 ≥ 5000元
• 活跃内容消费者：近7天阅读文章/视频 ≥ 10篇，且平均停留时长 ≥ 3分钟
• 新注册用户：注册时间在7天内
• 流失风险用户：过去是活跃用户（每周登录≥3次），但最近14天无任何登录或关键行为

2.2 使用SQL实现自动化圈层划分

在数据表基础上，通过SQL视图或物化视图动态计算每个用户的标签和所属圈层。以下SQL示例每天运行，将结果写入user_segments表：

-- 创建或更新用户圈层结果表
REPLACE INTO user_segments (distinct_id, segment_name, calculated_at)
WITH user_stats AS (
SELECT
distinct_id,
-- 计算近30天消费总额
SUM(CASE WHEN event = 'order_paid' THEN CAST(JSON_EXTRACT(event_properties, '$.amount') AS DECIMAL(10,2)) ELSE 0 END) AS last_30d_payment,
-- 计算近7天内容消费次数
COUNT(CASE WHEN event = 'content_view' AND event_time > DATE_SUB(NOW(), INTERVAL 7 DAY) THEN 1 END) AS last_7d_content_views,
-- 判断是否为7天内新用户
MAX(CASE WHEN event = 'user_signup' AND event_time > DATE_SUB(NOW(), INTERVAL 7 DAY) THEN 1 ELSE 0 END) AS is_new_user,
-- 判断最近14天是否有活跃行为
MAX(CASE WHEN event IN ('app_launch', 'page_view') AND event_time > DATE_SUB(NOW(), INTERVAL 14 DAY) THEN 1 ELSE 0 END) AS recent_active
FROM user_events
WHERE event_time > DATE_SUB(NOW(), INTERVAL 30 DAY) -- 只处理近30天数据提升性能
GROUP BY distinct_id
)
SELECT
distinct_id,
CASE
WHEN last_30d_payment >= 5000 THEN '高价值用户'
WHEN last_7d_content_views >= 10 THEN '活跃内容消费者'
WHEN is_new_user = 1 THEN '新注册用户'
WHEN recent_active = 0 THEN '流失风险用户'
ELSE '普通用户'
END AS segment_name,
NOW() AS calculated_at
FROM user_stats;

将此SQL保存为文件update_segments.sql，并通过crontab每日凌晨1点执行：

crontab -e
每天凌晨1点更新用户圈层
0 1    /usr/bin/mysql -u your_db_user -p'your_db_password' your_database < /path/to/update_segments.sql

三、 精准触达与效果分析：闭环运营

圈层划分完成后，需要将用户分群结果对接至触达通道（如推送、短信、站内信），并监控触达效果。

3.1 配置自动化触达任务

以向“流失风险用户”推送优惠券召回为例。创建一个脚本trigger_coupon_push.py，该脚本：

1. 从user_segments表中读取今天被标记为“流失风险用户”的列表。
2. 调用推送服务API（如极光推送JPush）或消息队列，发送个性化消息。

import pymysql
import requests
import json
1. 从数据库获取目标用户
db = pymysql.connect(host='localhost', user='your_user', password='your_pwd', database='your_db')
cursor = db.cursor()
sql = """
SELECT distinct_id FROM user_segments
WHERE segment_name = '流失风险用户'
AND DATE(calculated_at) = CURDATE() -- 只取今天最新计算的用户
"""
cursor.execute(sql)
users_at_risk = [row[0] for row in cursor.fetchall()]
cursor.close()
db.close()
2. 调用推送API（以JPush为例）
if users_at_risk:
push_url = "https://api.jpush.cn/v3/push"
headers = {
'Authorization': 'Basic your_base64_encoded_app_key_and_master_secret',
'Content-Type': 'application/json'
}
为每个用户或按批次构造推送内容
payload = {
"platform": "all",
"audience": {"alias": users_at_risk[:1000]},  JPush alias限制一次最多1000个，可分批
"notification": {
"alert": "我们想您了！为您准备了一张专属8折优惠券，回来看看吧~",
"android": {},
"ios": {}
},
"options": {"apns_production": False}  开发环境设为False，生产环境设为True
}
response = requests.post(push_url, headers=headers, data=json.dumps(payload))
print(f"推送结果: {response.status_code}, {response.text}")

同样，通过crontab设置每日上午10点执行此脚本：0 10 /usr/bin/python3 /path/to/trigger_coupon_push.py

3.2 效果追踪与数据闭环

为评估圈层触达效果，必须在推送链接或活动中植入追踪参数。例如，在推送消息的链接后添加UTM参数：https://yourdomain.com/coupon?utm_source=push&utm_medium=notification&utm_campaign=reactivate_risk_users。

在user_events埋点中，捕获用户通过此链接产生的后续行为（如coupon_claim领券、order_paid下单）。通过以下SQL分析该圈层运营活动的转化率：

SELECT
COUNT(DISTINCT ue.distinct_id) AS pushed_users, -- 被推送的用户数
COUNT(DISTINCT CASE WHEN ue2.event = 'coupon_claim' THEN ue2.distinct_id END) AS claimed_users, -- 领券用户数
COUNT(DISTINCT CASE WHEN ue2.event = 'order_paid' THEN ue2.distinct_id END) AS paid_users, -- 下单用户数
ROUND(COUNT(DISTINCT CASE WHEN ue2.event = 'order_paid' THEN ue2.distinct_id END)  100.0 / COUNT(DISTINCT ue.distinct_id), 2) AS conversion_rate -- 转化率
FROM user_events ue
LEFT JOIN user_events ue2 ON ue.distinct_id = ue2.distinct_id
AND ue2.event_time > ue.event_time
AND ue2.event_time < DATE_ADD(ue.event_time, INTERVAL 7 DAY) -- 追踪推送后7天内的行为
WHERE ue.event = 'push_received' -- 假设有推送接收事件
AND JSON_EXTRACT(ue.event_properties, '$.campaign') = 'reactivate_risk_users'
AND ue.event_time > '2023-10-01 00:00:00' -- 指定活动开始时间

将此分析SQL也配置为定时任务，每周生成效果报告，用于评估圈层策略的有效性并指导优化。