收益：
- 能够在人工智能支持下定义和解释 RFM（新近度-频率-货币）和行为细分
- 能够为每个细分市场生成个性化沟通和忠诚度优惠草案
- 能够遵守细分和个性化中的歧视、保密和明确同意限制
并非所有客户都是一样的。有些人每周都来，而且花很多钱；有些人则每周都来一次。有些来了一次就消失了；有些人曾经很忠诚，但不再停留了。向所有人发送相同的消息和相同的报价是浪费金钱，而且不会产生结果。客户细分是将客户分为有意义的组，并为每个组建立适当的方法。在本单元中，您将使用人工智能作为助手，从客户数据中提取细分并生成适合每个细分的沟通草案。关键限制：分割赋予权力，但这种权力不应该转化为歧视和侵犯隐私。
细分：是根据行为、价值观或需求的相似性将客户分为不同群体的过程。
个性化：为每个细分市场（或个人）提供适合其兴趣和需求的内容、优惠或体验。
RFM：最实用的细分
零售业最常用的方法是 RFM。它着眼于三个简单的信号：
- R（Recency）：顾客上次购物是什么时候？最近=更活跃。
- F（Frequency）：某段时间内他购物了多少次？高=联系更紧密。
- M（货币）：他一共花了多少钱？更高=更有价值。
每个客户都会在这三个维度上获得一个分数（例如 1-5），分数的组合决定了细分市场。 Yapay zeka bu skorlamayı ve segment adlandırmayı hızlıca yapar。
段
RFM简介
方法
冠军
高R、F、M
奖励、抢先体验、成为大使
忠实顾客
高 F，中 M
追加销售、忠诚度优势
那些处于危险之中的人
低 R，以前为高 F/M
赢回竞选活动
新客户
高R、低F
Hoş geldin akışı, ikinci alışverişi teşvik
那些睡着的人
低R、低F
低成本提醒或丢弃
提示：不要向所有人发送折扣。冠军折扣是利润的损失（无论如何它都会收到）；为真正有风险和休眠的细分市场保留折扣。
行为细分
除了 RFM 之外，行为还建立了细分：类别偏好（仅购买婴儿产品）、渠道（仅在线）、价格敏感度（购买始终打折的产品）、季节性。人工智能可以从数据中提取这些模式，并建议诸如“价格猎手”、“高端买家”、“周末购物者”等群体。
个性化的局限性：道德和隐私
细分很强大，但永远不要跨越三条线：
- 无歧视：细分不能基于受保护的特征（种族、宗教、健康、性取向）；从它们中进行间接推断（例如通过邮政编码估计种族）也是有风险的。
- 明确同意：发送商业电子消息（短信、电子邮件）通常需要客户的明确同意。未经同意，发送会带来法律和声誉风险。
- 数据最小化：使用最少的数据来建立分段；远离敏感数据。
注意：基于敏感生活事件（例如“该客户可能怀孕了，我们推荐婴儿产品”）进行定位可能会打扰客户并造成侵犯隐私的感觉。推理目标时要非常小心。
逐步细分
- 准备匿名数据：客户代码（不是姓名）、上次购物日期、购买次数、总支出、类别。删除个人标识符。
- RFM评分：在R、F、M维度中人工智能评分为1-5。
- 命名片段：将分数组合链接到有意义的组中。
- 行动地图：为每个细分市场起草目标、提议和信息。
- 过滤同意和道德：仅发送给同意的客户，消除歧视性目标，衡量结果。
迷你箱
案例 1 — 向正确的细分市场提供正确的优惠：一家化妆品连锁店每月向 40,000 名顾客发送统一的 15% 折扣短信。当使用人工智能 RFM 进行细分时，“冠军”（8,500 人）已经定期接收。折扣仅发送给 6,200 名处于危险中的人，抢先体验 + 积分则发送给冠军。活动成本下降 30% 的同时，风险客户回头率却增加了 18%。
案例 2 — 赢回局面：一家在线杂货店将 3,100 名 90 多天内没有购物的忠诚客户转移到其“面临风险”的细分市场。 AI 会生成个性化的“我们想念您+您过去收到的类别的免费送货”消息草稿。经同意后发送给 2,400 人；其中 410 人在 6 周内再次购物。
案例 3 — 道德错误和纠正：一家商店在向人工智能请求“高消费潜力”细分市场时希望使用邻近信息。负责人意识到这会带来间接歧视和隐私风险，并基于实际的购物行为而不是邻居。该细分既更公平，也更准确。
弱提示/强提示
弱提示：
对我的客户进行分组。
哪些数据、哪些逻辑、哪些目的都不清楚。
强力提示：
您的角色：CRM 和细分专家。数据：下面是匿名客户表（customer_code、最近购物天数、12个月内购买次数、总支出、最常购买的类别）。没有个人信息。任务：（1）利用 RFM 逻辑将客户分为 5 个细分市场并为每个细分市场命名，（2）给出每个细分市场的大致规模，（3）为每个细分市场提供一句话操作建议。规则：仅使用数据中的行为数据；请勿根据地区、名称或人口统计数据做出歧视性推断。数据：[粘贴]
可复制的提示模板
1）RFM分割
使用 RFM 逻辑对以下匿名客户数据进行评分（R、F、M 为 1-5），并将其划分为有意义的部分。给出每个段的大小和描述。以表格形式呈现。数据：[粘贴]
2）基于分段的通信草案
为该细分编写个性化短信和电子邮件草稿：[细分描述]。语气适合我们的品牌[语气]、提案[报价]。建议两个不同的标题。请勿使用误导性声明，最多 40 个字。
3) 赢回活动
为 90 多天没有购物的老忠实客户起草一条赢回信息。根据过去的品类偏好，提供低成本激励。给出3种不同的方法。
4) 道德/同意审核
检查以下目标计划：是否存在基于受保护特征、敏感生活事件推断、未经同意提交或不必要使用个人数据的歧视？标记风险并提出替代方案。计划：[粘贴]
常见错误
- 向所有人传达同样的信息：无分段的沟通是浪费金钱和注意力。
- 锦标赛不必要的折扣：对于已经购买的客户来说，折扣是利润的损失。
- 未经同意发送：短信/电子邮件需要明确同意。
- 基于受保护特征的细分：歧视；间接推理也是有风险的。
- 敏感生活事件定位：造成侵犯隐私的感觉。
- 设置一次细分后就可以忘记它：客户行为发生变化；定期更新。
总之
细分是针对正确客户建立正确方法的方法； RFM是最实用的开始。人工智能可加快评分、片段命名和消息起草速度。但明确同意、数据最小化和非歧视的限制是不容谈判的；基于行为数据的个性化，避免敏感干扰。
应用任务
根据您的匿名客户数据（客户代码、上次购买、频率、支出、类别）创建一个表。通过“1）RFM分段”提取5个分段，为最有价值和风险最高的分段生成“2）基于分段的沟通草案”。让您的计划通过“4) 道德/同意审查”。
清单
- [ ] 我对客户数据进行了匿名处理。
- [ ] 我使用 RFM 创建了有意义的片段。
- [ ] 我已经为每个细分市场分离了适当的报价和消息。
- [ ] 我计划只发送给同意的客户。
- [ ] 我避免了受保护的财产和敏感的推论。
- [ ] 我制定了定期更新片段的计划。