新老客洞察：谈谈新老客的划分逻辑及实践应用

“新客和老客，是做用户运营、用户增长最最基础的人群细分。”

关于新老客，其实大家应该都耳熟能详。包括之前也分享过几篇文章，《用户拉新的来源分析》等，也涉及新老客相关的内容。但关于新老客，具体的划分逻辑应该是怎样，都有哪些新老客的实践应用，我们今天详细来看看。

一、新老客的定义

首先聊聊，什么是新客、什么是老客。

如果是没有系统思考过这个问题的朋友，根据表明意思也能猜出，新客不就是最近才来网站的客户，老客就是以前就来过网站的客户嘛！

对，这个理解基本是没有问题的。

详细一点，所谓新客，就是最近一段时间与网站（或者品牌等实体）有过行为，之前没有行为的用户；所谓老客，就是最近一段时间与网站（或者品牌等实体）有过行为，且之前也有过行为的用户。

但是作为一个数据人、一个互联网人，如果对于上面的定义再深究一下，可能很多朋友就模糊了：如果一个用户一年以前来过，最近3个月没来，是新客还是老客？比如，新客+老客=所有客户吗？

哈哈，给大家3秒钟思考。

上面的那段定义，大家可以好好多读几遍。

因此，我们需要一个更加明确的逻辑，来定义新老客，不止停留在基础的理解上。具体划分及逻辑细节，我们下面详细展开。

二、新老客的详细逻辑

下面，我们正式全面地展开，关于新老客划分逻辑的细节。要准确理解新老客的定义，需要掌握下面几个具体的参数，尤其是时间窗口和行为类别。

1. 时间窗口

要准确的理解新老客的具体区别，首先要知道，划分新老客时，首先有两个时间窗口的概念。

在时间轴上，我们需要定义两个具体的时间窗口，这里暂且起名为【追溯期】和【统计期】。

追溯期和统计期，在时间上是先后顺序，而且是无间隔的。比如，追溯期是2020年2月1日-2021年1月31日，统计期是2021年2月1日-2021年2月28日。

因此，根据上面的图示也很清晰，新客户就是在追溯期没有发生行为，在统计期发生了行为的用户，老客户就是在追溯期和统计期均发生了行为的用户。

通常，追溯期按照常用的，一般会设置180天、365天、历史所有，这几个长度。而统计期，往往按照日、周、月、年来看。

比如，2020年天猫平台新用户，这个统计期就是2020一年，追溯期默认历史所有，即天猫上线以来。再比如，2021年7月10日365天老客，看的是7月10日这一天的统计期，追溯期往前365天，这俩时间段都有行为的客户。

通常而言，追溯期看历史口径的比较常见一些。但由于有些类目，比如快消品等，用户的复购周期很短，看历史的购买对于当下的营销、分析，参考意义不是很大，因此会看比较短的追溯期，抛弃了一年一前的用户行为。另外，计算量大也是一个导致不看历史口径的原因，后面会提到。

2. 行为类别

上面我们详细拆解了关于时间窗口。下面，我们对行为类别进行阐述。

什么是行为类别？其实就是图中所述的【行为】。

行为，包括很多。就电商而言，常见的行为包括购买行为（再具体而言，是下单、支付、还是成交）、登录行为、点击行为等。

不同的行为类型，新老客的划分含义也是完全不一样的。如果看的是购买行为，那么新客、老客就是统计期内所有购买用户的细分；如果看的是点击或者登陆行为，那么新客、老客就是统计期所有有网站点击或者登陆行为的用户细分。

具体用什么行为，要根据具体公司的业务形态、业务需求来。比如京东，新老客就完全是成交用户的划分；而抖音，相信新老客应该是互联网行为。

就我的经验而言，通常如果是按照成交相关的行为划分，我们称为新客、老客；而按照互联网行为划分，一般称为新用户、老用户。

3. 细分扩展

其实时间窗口、行为类别这两个参数都确定好了之后，就完全可以进行新老客的划分以及相关指标的计算了。

但是呢，为了做的更精细化，有的业务对新老客又进行了二次的细分。从上图中，我们看到，在统计期、追溯期内都是看的是【是否有行为】，而这里的精细化逻辑就是将【是否】升级为【次数】。

上图是个示意图。具体的按次数的划分逻辑及名称，大家可以根据业务的具体情况进行调整，这里给出的是一个思路。

三、新老客细分的意义与价值

上面聊了这么多新老客的具体划分逻辑，下面我们简单聊聊，为啥需要新老客分析呢？

1. 用户细分

其实本质上，新老客的划分，仍然是用户细分、用户分群的一种逻辑罢了。

目的是通过细分人群，精准了解细分人群的特征，并且针对细分人群进行针对性营分析、销。和将用户分为高中低价值、分为消费者4A人群等，都是一样的道理。

2. 不同业务方的诉求不同

为什么各个公司都关注新客、老客？除了新老客是非常基础的细分逻辑外，很重要的一个原因是，新老客贴合了不同业务部门的诉求。

公司一般都有市场部、用户运营，一些前卫的公司现在也有了用户增长部。市场部一般关注的是新客的获取，而用户运营经常关注老客户的维系、运营。不同业务部门的指标就是按照新老客来作为业绩标准，因此新老客的划分自然也就很重要了。

3. 不同行业的不同关注点

还有一点，就是不同行业的关注点是不一样的。

比如，耐消品行业，更加关注新客的获取，可以参考《新客如何进行获取与潜力分析》。因为用户一旦购买了一个耐消品（比如冰箱），可能未来5年都不会再买冰箱了。那冰箱品类关注老客户的复购，基本是意义不大的。

而快消品，用户复购周期短，对于拉新和老客复购都是有诉求，因此都会关注。

四、新老客细分的实践操作

最后简单聊一下新老客细分的一些实践内容。

1. 关于计算量

新老客这个分析常见归常见，确实比较耗计算。因为经常统计的是历史所有的行为，而且最关键的一点，是统计时间窗口的灵活性。如果为了更加灵活的时间窗口分析，对于计算量的消耗，确实是非常大的。

当然，如果是固定的统计时间窗口，比如就是最近1天的，而不是支持任意天的，那就好很多。

2. 关于产品化

产品化这部分，暂时不写了，有时间再详细展开吧。

不过另外有一点，其实新老客和用户留存分析还是有一些共通点的。关于留存分析大家可以看《用户留存分析思路及产品化》。这里不总结了。

#作者#

NK冬至，公众号：首席数据科学家。在金融领域、电商领域有丰富数据及产品经验。擅长数据分析、数据产品等相关内容。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！