私域用户8万+，一场活动却只有4%的人收到通知？问题不在权益，而在分层。本文作者复盘了从固定分层到AI动态分层的完整项目，拆解三维交叉模型、评分策略、渠道匹配等五个关键决策，最终将触达成功率提升2.5倍。如果你也在为私域运营的精准触达头疼，这套方法论值得细读。

前面两篇聊了AI客服和AI文案：一个解决客服回复效率，一个解决内容产出速度。做完这两个项目，我又在工作中发现了第三个问题——东西准备好了，但送不到对的人手里。

我们私域资产其实不少：企微好友8万+、小程序用户10万 +、手机号用户15万 +。但一场 “新会员专享福利” 活动，693 个新会员，权益全部发出去了，最后只有 28 个人收到通知，成功率 4.04%。

最扎心的是，权益本身没问题：权益发出去之后，拿到权益的会员访问转化率99.86%，访问到支付30%+。权益本身非常好，就是没送到人手上。

分析根因，问题出在分层。平台自带的用户分层就3类行为+4类RFM标签，”访问未支付” 一个池子10万+人 —— 深逛20个商品页的和随手点开就走的，在系统眼里是同一类人，发一模一样的内容。

等于是闭着眼撒网。这个项目解决的，就是增长 —— 前两个项目搞定效率和内容，这个项目搞定 “怎么把对的策略给对的人”。

一、先拆清楚：原来的分层到底差在哪

开始前，我把平台自带的体系翻了一遍，问题比想象中多：

第一，颗粒度太粗。 行为特征就3类（访问未支付、加购未支付、下单未支付），RFM也是固定4 类。10 万人一个池子，深度浏览的和随手点开的混在一起，批量运营等于没运营。

第二，标签是死的。 用户一旦进了某个池子，窗口期内不更新。昨天刚加购的高意向用户，今天可能就流失了，系统不知道。

第三，没有预测。 只能看 “已经发生的”，看不到 “马上要发生的”—— 谁快复购了、谁要流失了，全靠猜。

这套体系跑出来的结果，就是那个4.04%。不是运营问题，是系统的工具决定了只能盲发。

二、第一个决策：用三维交叉动态分层，替代固定分层

我做的第一件事，是放弃平台的固定分层，设计了一套三维交叉的动态分层模型：

1. 行为阶段：用户在购买漏斗里的位置 —— 浏览、咨询、加购、下单、支付、签收、评价、复购，先定位他走到哪一步
2. AI 意向评分：综合20+行为特征（浏览深度、加购行为、历史消费、复购周期、互动频率等），算出一个0-10分的实时分数，用户行为一变分数就变
3. 生命周期阶段：新客、成长、成熟、沉默、流失

三个维度交叉，回答三个问题：这个用户现在在哪个环节？他多大几率可能买？他处于什么生命周期？

同样是 “访问未支付” 的人，交叉之后可能是 “高意向未购客户”（频繁浏览、加购过、评分8分），也可能是 “窗口浏览客户”（随手点开、评分3分）。前者值得主动推荐促单，后者发张新人券试探就够了。预算有限，得花在刀刃上。

三、第二个决策：评分直接挂钩运营策略

评分是这套体系的中枢。我定了0-10分，按分数拆四档，每档对应不同的运营动作：

这个设计解决的核心问题，是把 “发不发、怎么发” 变成系统自动决策。

评分特征不是凭空定的，是翻了历史用户行为数据 —— 哪些行为和最终购买相关性高，权重就给得高（购买信号30%、浏览行为25%、历史消费20%、互动行为15%、时间因素10%）。而且分数是动态的：今天加购了，分数马上涨，今天就该触达；明天流失了，分数降下来，系统就不再打扰。这是和平台固定池子最大的区别。

四、第三个决策：按用户旅程拆三大板块，各管一段

评分体系有了之后，我按用户旅程拆了三个板块：

板块一：意向客户托管 —— 把 “被动等” 变成 “主动找”。

自动筛出高意向客户（评分≥5分），AI看客户画像决定策略 —— 复购提醒、生日祝福还是促单，然后生成千人千面的消息，走最优渠道发出去。解决的是 “有人想买但没人推一把”。

板块二：犹豫不决促单 —— 临门一脚。

盯浏览、咨询、加购、下单但没付款的人，AI自动发券 —— 不是所有人发一样的券，而是按消费能力动态调面额，配合限时催付。解决的是 “想买但差一个理由”。

板块三：订单关怀通知 —— 不发权益，只做温度。

覆盖支付、发货、签收、评价四个节点，AI按商品品类生成关怀内容。茶叶类目提醒冲泡水温、密封保存，家居类目提醒使用保养。解决的是 “买了之后的服务体验”。

为什么不做一个大而全的东西？因为三个板块的入池条件、触达策略、考核指标完全不一样 —— 促单看ROI和核销率，关怀看评价率和复购率。混在一起，指标没法考核，策略没法迭代。

五、第四个决策：渠道智能匹配，不再一个渠道发到底

95.97% 的通知失败率，很大一部分原因是渠道用错了。我梳理了三个渠道的差异：

匹配逻辑就一句话：优先企微，次选小程序，短信兜底。 是企微好友就走企微，没加企微但授权了小程序的走小程序，两个都没有的最后用短信保底。高价值客户（评分≥8分）可以企微 + 小程序双渠道，提升成功率。

这个决策的本质，不是 “哪个渠道好”，而是 “这个用户现在能被哪个渠道触达”。触达率上不去，很多时候不是内容不行，是用户根本不在你选的渠道上。

六、第五个决策：指标体系和AB测试先搭好，再上线

项目上线前，我先定了三套指标，避免 “做完不知道好坏”：

1. 北极星指标：AI运营带来的月增量GMV，目标≥20万
2. 过程指标：各板块的触达率、支付转化率、ROI—— 意向客户支付转化率≥10%，犹豫用户7日内支付率≥7.65%
3. 监控指标：企微好友流失率、短信退订率、投诉率 —— 防止为了KPI把体验做坏

同时设计了三个AB测试：AI意向评分vs固定行为分层、AI智能发券vs统一优惠券、AI个性化内容vs 模板化内容，每组1000人跑14天，用数据说话。

为什么这套东西重要？因为AI运营最大的风险是 “看起来很智能，但没法证明比原来好”。有了指标和对照，每次策略上线都有依据，出了问题能定位到具体环节 —— 是触达没到位，还是内容不行，还是渠道选错了。

七、技术选型的产品思维：为什么选 “有赞+额外开发” 而不是换平台

这个项目涉及技术选型。我对比了三个方案：直接用有赞原体系、换微盟、在有赞基础上额外开发。

最后选了有赞 + 额外开发，三条理由：

1. 数据不能断。 用户和订单数据都在有赞，换平台要迁移，迁移期间数据断裂风险高
2. 要补短板，不是换地板。 有赞覆盖基础场景没问题，缺的是AI精细分层能力 —— 这部分外部开发补上就行
3. 成本可控。 自研平台养不起团队，有赞基础能力免费复用，只开发缺失的AI层

技术架构三层：有赞开放API（数据层）+独立AI引擎（策略层：评分、策略匹配、内容生成、渠道决策）+ 多渠道通知服务（触达层）。

我的角色是顶层规划：分层策略、功能板块规则、渠道选择、数据指标、验收标准。工程实现由外部开发团队做，我每周对进度、审需求、做里程碑验收。这个项目让我学会了怎么跨团队把AI产品落地 —— 需求文档写清楚、验收标准定清楚，开发团队就能独立干活。

八、最后结果

项目按 “P0 需求规划 → P1 MVP（先做ROI最清晰的促单板块）→ P2扩展 → P3优化” 推进。目前的效果：

• 店铺复购率比上一年提升了5%
• 预估触达成功率从4.04% 提升到10%以上，约2.5倍
• 沉淀了一套 “三维分层 + 板块化运营 + 渠道智能匹配 + 数据驱动迭代” 的运营方法论

触达成功率从4.04%到10%+，单看数字不大，但私域里这是质的区别 —— 原来100个用户只有4个能收到消息，现在10个以上能收到，运营动作终于不再是盲发。

九、如果重来，我会怎么做？

有三件事，重来我会改：

第一，MVP应该更聚焦。 当时虽然路线图定了先做促单板块，但需求文档阶段还是把三个板块都写全了，开发排期压力大。重来的话，第一个版本只做促单，跑通验证ROI再扩。

第二，渠道覆盖要前置。 4.04% 那个问题的根因之一，是用户没加企微、没授权小程序、短信又被拦截 —— 可触达的渠道本身就不全。应该在项目一开始就把 “引导用户加企微 + 授权订阅” 作为配套动作，而不是等触达失败了再回头补。

第三，评分模型要更早用真实数据验证。 权重一开始基于历史行为分析设定，但早期就能用小批量 AB 测试快速验证的话，模型收敛会更快。

几句总结

做完这个项目，我对AI产品的理解又深了一层：

AI 在运营里的价值，不是 “更聪明地发消息”，而是 “把对的策略匹配给对的人、在对的时机、用对的渠道”。 分层是地基，触达是手段，转化是目的。没有精细的分层，AI再强也是在给10万人发一样的消息。

这可能也是AI产品和传统运营最不一样的地方 —— 传统运营靠经验猜用户，AI产品让数据替你做判断。