用户生命周期怎么拆：Fancy 大数据营销系统的实际做法

先把结论放在前面：可以做，而且这是我们最常用的功能之一。用户生命周期分析在 Fancy 大数据营销系统里不是一个单独报表，而是一条从数据接入、阶段划分、动作触发到结果回看的完整链路。下面把这条链路拆开讲清楚，方便你判断它是否适合你们现在的业务。

一、生命周期分析到底在回答什么问题

很多团队说的"生命周期分析"，最后交出来的是一张人数分布饼图。它能说明结构，但不太能指导明天做什么。我们更愿意把它定义成三个连续的问题：

• 用户从哪里来，哪条渠道带来的人在后面更耐用；
• 这个用户此刻处在哪一段，是刚认知我们、正在犹豫、已经复购，还是快要沉默；
• 针对他所在的这一段，下一句该说什么、在哪个渠道说、隔多久说。

系统围绕这三个问题组织数据结构。所以你在后台看到的不是"总人数 12 万"这样一个静态数字，而是"这 12 万人分别站在哪一级台阶上，以及每一级台阶近 7 天的流入流出"。

二、阶段怎么划：五个默认阶段 + 可自定义

不同行业的生命周期长度差得很远，美妆可能是 90 天一轮，家装可能是三年一轮。所以系统给了一套默认骨架，但没有把阶段写死。

这张表的价值不在于照抄，而在于每一行的判定条件你都能在后台自己改。比如做烘焙原料的品牌，把复购间隔定成 21 天；做大家电的，把成熟期按三年算。阶段阈值跟着业务走，分析才不会失真。

三、数据从哪来，决定了分析准不准

生命周期分析的精度，八成取决于身份能不能打通。同一个人在公众号、小程序、门店、客服对话里可能是四个编号，打不通就会出现"永远的新客"和"莫名的流失"。

Fancy 大数据营销系统的处理方式是先做统一身份，把手机号、会员 ID、渠道 OpenID 归到同一个主体下，再往上挂行为与交易事实。这一步做完，后面的阶段判定才有意义。常见的接入内容包括：

1. 交易与订单数据：金额、品类、频次、退换记录；
2. 行为埋点：浏览、加购、领券、内容互动；
3. 服务触点：客服咨询、售后、门店到店；
4. 触达反馈：打开、点击、领取、核销。

接入完成后，系统会按天滚动重算每个用户所处的阶段，同时保留历史快照。保留快照这件事看起来琐碎，但它是能回答"上个月还在成熟期的人这个月去哪了"的前提。

四、分析之后要能落到动作上

只做分析的系统，最后往往变成每月看一次的报表。我们的设计是让阶段的变更本身成为触发器：

• 进入成长期但 7 天未成交：推该用户浏览最多的那一类商品的对比型内容，而不是通用优惠券；
• 成熟期复购临近：按上次购买品类和消耗周期提醒，时机比折扣更管用；
• 滑入衰退期：减少推送频次，换成低打扰的内容触达，避免把用户推成彻底沉默；
• 沉默回流：单独标记回流来源，用来判断哪条挽回路径值得继续投。

每一次触发都会回写结果，于是你能在同一张面板上看到"阶段迁移"和"动作效果"两件事。判断一个生命周期分析做得对不对，最简单的标准是：关掉这张报表，运营还能不能靠它决定今天发什么。

五、判断标准回顾

如果你正在评估这类系统，可以拿下面几条去对照：

• 阶段阈值能不能改，能不能按行业、按品类分别设置；
• 身份能不能跨渠道打通，历史快照有没有留存；
• 阶段变更能不能直接触发动作，动作结果能不能回写；
• 指标口径是否写死在系统里，团队是否说得清每个数字的来源。

我们做这套系统时的一个基本判断是：生命周期不是给老板看的曲线，而是给一线决定"下一条消息发给谁"的依据。把它当成后者来用，数据才会自己长出价值。