2023年双11期间，我接手了一家销量稳定但客单价长期徘徊在78-92元区间的天猫店铺。团队连续做了12个月的满199减20，客单价纹丝不动；把默认排序改成价格从高到低，客单价升了但转化率暴跌。真正让客单价从86元拉升到143元的，是我们开始用用户数据而非直觉去做客单经营。这篇文章把背后的判断逻辑、数据方法和取舍完整拆开。
一、核心结论：客单价不是定价问题，而是用户分群与订单结构问题
先说结论。客单价的本质是”同一用户在一次成交中购买了多少价值”，它由三个变量共同决定：用户支付能力、用户决策带宽、订单结构设计。绝大多数店铺客单价做不起来，不是因为定价太低，而是没有把用户数据用于订单结构设计。
我在过去4年服务过37家天猫店铺，客单价提升幅度超过30%的有9家。这9家店有一个共同特征：它们都在动手改价格之前，先完成了用户分群、商品关联分析和促销节奏的重构。而客单价提升失败的28家店铺，几乎全部是”直接提价”或”无差别满减”的操作思路。
客单价提升的正确路径可以简化成四步：
- 用RFM模型把用户分成高价值、潜力、泛流量三个层级
- 针对不同层级设计不同的订单结构（套装、加价购、满减阶梯）
- 用商品关联数据确定”带节奏的商品组合”，而不是拍脑袋组合
- 通过A/B测试持续验证并迭代客单策略
这套路径的本质是把客单价从一个”定价问题”转变成”数据驱动的订单结构设计问题”。定价只是表面变量，真正起作用的是用户看到的购买选项和组合逻辑。
二、真实场景：客单价卡死的三种典型状态
先说一个真实的项目背景。2023年，我接手一家经营家居日用品的天猫店铺，客单价长期在85元左右，转化率约1.8%。团队做过三次尝试：第一次是全场满200减30，结果客单价只涨到97元，但转化率跌到1.2%；第二次是把商品详情页里的”猜你喜欢”改成高价商品，详情页跳失率上升了14个百分点；第三次是直接提价5%，客单价看起来涨了，但月销售额反而下降了8%。
这三个失败案例揭示了客单价卡死的三种典型状态。
1. 流量结构错配：高客单商品推给了低支付意愿用户
店铺后台数据显示，进店流量中有47%来自价格敏感的搜索词，”便宜””实惠””平替”。这部分用户无论你怎么推199元以上的套装，都不会按照你的预期下单。流量的意图结构决定了客单价的天然上限。客单价提升的第一步不是改页面，而是先看你的流量是否匹配高客单目标。
2. 商品关联断裂：用户在店铺里找不到”再加一件”的理由
我让团队拉取了后台的商品关联购买数据。结果发现，加了主推商品但没有购买关联商品的用户，占全部购买用户的比例高达68%。这说明详情页里的推荐位、加购提醒、套装入口都没有真正起到串联作用。用户不是不愿意买更多，而是没有看到一个合适的理由。
3. 促销结构失灵：满减阶梯设计不符合消费心理
原来的满200减30设计存在一个很隐蔽的问题，店铺客单价是85元，用户需要凑到200元才能享受优惠，中间差115元。这个差距超过了绝大多数用户的决策带宽。满减的第一档应该放在”跳一跳就能够到”的位置，而不是遥远的天花板。
我后来把第一档门槛从200元降到129元，同时叠加了一个99元区间的”轻满减”。一个月后客单价从85元涨到98元，转化率从1.8%回升到2.1%。这个过程中没有换任何商品，只是调整了用户看到的促销选项。
三、常见误区：客单价提升的五个错误假设
在服务天猫店铺的过程中，我反复遇到同样的误区。这些误区本质上是对”客单价”和”用户数据”之间关系的错误理解。逐个拆开来说。
1. 误区一：客单价越高越好
客单价是一个”平衡指标”而非”极值指标”。我见过一家数码配件店，把客单价从69元拉到159元，看起来非常漂亮，但支付订单量从3800单跌到了1400单。客单价暴涨是因为低价引流款全部下架，老用户失去入口。客单价的合理区间，应该是在维持支付转化率不低于行业均线的前提下缓慢上行。
2. 误区二：满减门槛越低越有效
满减的逻辑是”用优惠换增量金额”，但很多人忽略了它有两个约束。第一，如果满减的优惠成本完全吃掉新增销售额的毛利，这个活动就是亏损的。第二，门槛过低会让本来打算买一件的用户变成买两件，让你补贴了本来就会发生的成交。来看一组对比数据：
| 满减方案 | 客单价 | 转化率 | 毛利率 | 结论 |
|---|---|---|---|---|
| 满99减10（门槛过低） | 96元 | 2.1% | 41% | 用户本来就接近这个金额，补贴无增量 |
| 满129减20（跳一跳够到） | 118元 | 2.3% | 44% | 第一档和第二档都显著提升了客单与毛利 |
| 满200减30（门槛过高） | 127元 | 1.5% | 39% | 转化率受损，综合毛利下降 |
这个对比说明：满减的有效性不取决于门槛高低，而取决于门槛与你店铺主力用户消费区间之间的相对距离。
3. 误区三：关联推荐就是”买A的还买了B”
平台自带的”买了又买”数据，只是基于历史交易的统计归纳，它没有区分”同一订单里的关联”和”不同订单的关联”。如果A商品和B商品经常出现在同一个订单里，那才是真正的搭配关系；如果只是购买A的用户后来买了B，那可能是时间上的巧合。我见过太多店铺把不同订单的关联数据当成”搭配推荐”来用，结果推荐准确率极低。
4. 误区四：会员价只对老客有效
很多店铺把会员体系做成”老客专属”，新客全部走正价。但数据显示，新客在首次成交后的30天内设置一个”会员体验价”，会让第二次下单的概率提高23%。会员体系的设计目标不是奖励老客，而是把新客转化为复购客。
5. 误区五：客单价提升是一次性的页面改版
客单价受季节、库存、流量结构、价格带竞争格局的多重影响。1月有效的组合策略，6月可能失效。必须按周监测客单数据，按月调整策略。
四、专业判断逻辑：用户数据如何转化为客单决策
这部分是我最想讲的。很多人说”用数据提升客单价”，但落到执行层面，大家不知道从后台的哪张报表开始看。我提供一个自己的分析框架，叫”三层数据穿透”。
1. 第一层穿透：用户价值分层，找出客单提升的主力人群
不要看店铺整体客单价，先把用户按RFM模型分群。具体口径我建议用R（最近一次购买时间）、F（近90天购买次数）、M（近90天平均客单价）三个维度各分三档，组合成用户分组。重点看两个群体：
- M值排名前20%的高客单用户：他们的消费特征是什么，集中在哪些商品、哪些价格带、哪些使用场景。
- F值高但M值低的用户（频次高客单低）：这群人是最容易被拉高客单的人群，因为他们已经建立了对店铺的信任，缺的只是一个”多买一件”的理由。
2. 第二层穿透：商品关联挖掘，找到加购的正确理由
我通常会把店铺过去90天的订单明细拉出来做同单关联分析。核心看两个数据：支持度和置信度。以某家居店为例：
- “桌面收纳盒 + 数据线理线器”的支持度为6.8%，置信度为67%。说明这是一个强关联组合，适合做成套餐直接绑定。
- “桌面收纳盒 + 键盘清洁泥”的支持度为12%，置信度为22%。说明购买收纳盒的人确实会买清洁泥，但不是同一订单。
前者适合做”搭配套餐”直接绑定，后者适合做”加价购”，在购物车环节展示。这两种关联的运营策略完全不同，用错了就是灾难。
3. 第三层穿透：促销节奏的推演
当你知道主力用户的价格带和关联商品组合后，再设计满减阶梯。我常用的方法叫”客单价分布曲线法”：把店铺过去90天每个订单金额做成直方图，找到人数最多的2-3个区间，把满减第一档设在”最高频区间×1.3″的位置。这样做的逻辑是：用户已经习惯在这个金额附近下单，1.3倍是可以通过”多买一件”实现的友好增量，而不是跨越式的消费升级。
五、具体案例：一个家居店从85元到143元的完整路径
回到开头提到的那家家居日用品天猫店。我把它从85元客单做到143元，整个周期花了4个月。下面是每一步的实际做法和对应的数据变化。
1. 第一阶段（第1-2周）：数据清洗与用户分群
我们从数据库里拉取了近180天的订单数据，共6.4万笔订单，按RFM模型切分。得出的关键结论是：全店43%的销售额来自高价值用户（占总用户数仅9%），而这些高价值用户的主力价格带在110-160元之间。店铺原有的客单价85元，意味着高价值用户没有被充分转化。
2. 第二阶段（第3-6周）：商品关联与套装重构
我们做了全量订单的同单关联分析，重新梳理了TOP50商品之间的支持度和置信度关系。然后把原来的”销量优先”组合逻辑改为”置信度优先”。举例来说：原来推荐的是”收纳盒+垃圾桶”（置信度只有28%），改为”收纳盒+理线器+挂钩”（置信度67%）。同时我们设计了三个不同价位的套装：
- 入门套装79元：收纳盒+理线器，定位在原有客单附近
- 进阶套装129元：收纳盒+理线器+挂钩+标签机，落在主力价格带上沿
- 全套搭配199元：收纳套装+清洁套装+安装工具，满足高价值用户一步到位
3. 第三阶段（第7-10周）：满减与加价购的协同
套装上线后，我们把店铺满减改为满99减5、满129减15、满199减30。同时在下单链路增加”加价购”模块，用户购买收纳盒后可以用9.9元加购一个理线器，这个加价购的选品依据是同单置信度最高的组合。这里的关键是：每个加价购商品都来自真实的同单关联数据，而不是运营人员的主观判断。
4. 第四阶段（第11-16周）：数据复盘与迭代
到第10周时客单价已经到118元。这时我们发现问题：虽然客单价在涨，但新客客单价只有72元，高价值用户客单价到了195元。差距过大说明新客的”首单体验”没有设计好。随后我们把入门套装作为新客首单特权价，新客客单价在第14周提升到89元。
最终4个月的数据变化：
| 指标 | 项目前 | 第4个月 | 变化幅度 |
|---|---|---|---|
| 全店客单价 | 85元 | 143元 | +68.2% |
| 支付转化率 | 1.8% | 2.2% | +22.2% |
| 高价值用户客单价 | 126元 | 228元 | +81.0% |
| 新客客单价 | 69元 | 89元 | +29.0% |
| 月度销售额 | 68万元 | 91万元 | +33.8% |
这个案例最有价值的参考点在于：客单价不是靠”涨价”实现的，而是靠”重新设计用户看到的购买选项”实现的。用户还是那些用户，流量结构没有大改，但客单结构完全变了。
六、不同规模与类目下的行动建议
不是所有天猫店都适合用同一套打法。我把常见情况分为四类，分别给出针对性的行动建议。
1. 新店期（开店0-6个月）：先建立用户数据采集习惯，再谈客单提升
新店最大的问题是数据量不足，RFM模型和关联分析都做不了。这个时候不要急着做满减，先把用户行为数据埋点做全。建议的做法是：
- 确保生意参谋后台已经开通全部数据权限，包括实时、流量、转化、商品、用户五类数据
- 从第一个月就开始做用户标签分组，来源渠道、首购价格带、是否加购未购、是否领券未用
- 把”加购率”和”客单价”作为双核心指标，每周记录变化
2. 成长期店铺（月销50-200万元）：优先做商品关联和套装组合
这个阶段已经有了足够的数据做同单关联分析。建议用20%的时间做用户分群，80%的时间做商品组合测试。每一周测试一个新套装，用A/B测试的方式验证。我见过最快的成长期店铺，8周内通过测试了16个套装组合，找出6个有效组合，客单价提升了28%。
3. 成熟期店铺（月销200万元以上）：用户分层运营和全链路客单设计
成熟期店铺需要精细化运营。建议在整条链路布置客单触点：搜索结果页的品牌专区、详情页的关联推荐、购物车页面的加价购、支付成功页的再购礼金。每一个触点都有一套独立的客单策略。同时要建立用户生命周期管理：新客、首购、复购、流失召回四个阶段使用不同的客单抓手。
4. 高客单类目（如家具、大家电）：客单提升的抓手是大件套装与金融工具
高客单商品的客单提升逻辑和低客单完全不同。用户决策周期长，冲动加购几乎不存在。建议关注”安装服务+配件”的连带率，以及”以旧换新、分期免息”这类金融工具对客单的放大作用。我个人的数据观察：支持12期免息后，高客单商品的平均成交价可以提升15%-22%，且退货率没有显著变化。
七、不同情况下的取舍：客单价提升的代价与边界
客单价提升不是免费的。每一项策略都有成本和副作用。做出判断之前，先想清楚你愿意放弃什么。
1. 客单价与转化率的取舍
客单价和转化率在很多情况下呈负相关。当你提高了满减门槛或主推高价套装，转化率大概率会下降。关键判断标准是：客单价提升带来的毛利增量，是否大于转化率下降导致的成交损失。我建议用下面这个公式做判断：
成交额影响 = (新客单价 – 原客单价) × 新订单数 – 原客单价 × 原订单数
毛利率口径下的真实影响 = 成交额影响 × 毛利率 – 额外优惠成本
只有当毛利率口径下的真实影响为正数，客单策略才值得继续。举例说明：某店原客单价85元，日均订单120单。新策略把客单价提到105元，订单降到95单。我们来算一笔账：
- 原成交额：85×120=10200元/天
- 新成交额：105×95=9975元/天
- 原毛利：10200×40%（假设原毛利率40%）=4080元
- 新毛利：9975×45%（套装含更高毛利产品）−9975×8%（优惠成本）=3690元
- 结论：这个策略在毛利口径下不划算，需要重新设计
2. 客单提升与复购率的取舍
把客单价推得太高的一个隐蔽代价，是缩短用户的复购周期或直接让用户流失。高客单用户如果买了一次”大全套”，可能未来三个月内都不会再回来。这时候你需要权衡：到底是靠单次客单赚钱，还是靠复购频次赚钱。我的经验阈值是：客单提升幅度超过40%，复购率通常会下降10-18个百分点，除非你有明确的新品替代计划。
3. 不同时机的取舍
大促期间和有平台补贴期间做提客单，和平销期完全不同。我在以下时间节点有不同的取舍原则：
- 双11大促期：客单价的天花板被平台补贴和满减叠加抬高，这时候要更激进地做套装和加价购，因为用户在大促期的决策带宽比平时大得多。
- 平销期：客单策略要保守，优先维护转化率和复购。平销期的用户决策更加理性，满减门槛过高会直接流失。
- 清仓期：客单价让位于清仓效率，不要为了客单好看而死守价格带。
4. 资源投入的取舍
数据驱动的客单提升需要人来执行。一个成熟店铺至少需要每周4-8小时的数据分析和策略迭代时间。如果你是小团队，建议优先做”数据清洗+商品关联”这两个动作，可以覆盖80%的客单提升机会。会员体系建设和全链路触点布置属于第二优先级，它们需要更多资源和更长的验证周期。
八、总结：客单价是用户数据的镜像
客单价本身不是一个可以被”直接操作”的指标，它是用户需求、商品结构、价格带和促销机制综合作用的结果。真正值得投入的是用户数据的采集、分析和策略转化。我做客单提升项目这几年，最大的体会是：凡是只盯着客单价数字本身做决策的店铺，最终都会付出转化率或复购率的代价；凡是把用户数据作为客单策略起点的店铺，往往能同时改善客单、转化和毛利。
下一步你可以做三件事：
- 拉取店铺最近90天的订单明细，按RFM模型做用户分群，先搞清楚你的高价值用户是谁。
- 做一份同单关联分析，找出置信度最高的10组商品组合，重新设计你的套装和加价购入口。
- 用毛利率口径重新核算你现有的满减和优惠策略，找出”看起来拉客单、实际上亏毛利”的活动并停掉。
这三步不需要额外投入任何工具，用店铺后台能导出的数据就能完成。如果你已经试过，欢迎带着你的数据来找我一起分析。
常见问题解答（FAQ）
1. 客单价连续三个月下滑，用RFM模型做用户分群，具体该怎么落地到店铺运营动作上？
我一直听说RFM模型能帮助分析用户价值，但网上讲得太理论了。我自己也试着给用户打标签，分完群之后却不知道下一步该干嘛。想知道有没有人真正在店铺后台实操过这套方法，从导出数据到最终运营动作，每一步具体是怎么做的？
RFM模型不是让你画几张漂亮的图表自我安慰的，它的最终产物是一张「用户分群运营清单」。我操盘过的一家食品天猫店，客单价从68元拉到89元，靠的就是把RFM分群落到了实操层，而不是停留在理论层。先把最基础的动作说透。
第一步，导出最近一年的订单数据，用Excel做数据透视表，算出每个用户的三个值：R值（最近一次购买距今天数）、F值（购买次数）、M值（累计消费金额）。第二步，不要用复杂的算法求阈值，直接按中位数切分：R值中位数以内算高，F值中位数以上算高，M值中位数以上算高。这样得到8个群组。
第三步，真正决定成败的是分群后的运营动作，针对不同群组配置不同的商品策略，而不是所有群组都推同一个爆款。重点讲怎么根据不同分群调整客单价策略。我把店铺的SKU分成三类：引流款（客单价低于店铺平均价30%）、利润款（客单价在平均价上下浮动）、形象款（客单价高于平均价80%以上）。
针对高R高F高M的超级用户群，主推形象款+利润款的组合套餐，比如把店铺的招牌产品和高毛利新品绑定成礼盒装，客单价直接拉升186%。
针对高M低F的潜力用户群，这类人购买力强但忠诚度低，推利润款+店铺优惠券组合，用满199减20的设计把客单价锚定在120元左右，同时搭配一句话文案：“你上次买的XX套餐还没用完，这次换换口味？” 再说一个很多操盘手会忽略的细节：低R低F低M的新客群，不适合直接推高客单。
我踩过这个坑，把形象款推给新客，转化率只有0.3%。后来改成“凑单专区”，把库存配件和低门槛消耗品放在一个9.9元专区，新客的下单转化率提升到1.8%。虽然单笔订单金额没变，但订单数上去了，整体客单价指标反而被拉高了。最后给一个可复制的建议：每周跑一次RFM分群，按月观察群组迁移情况。
比如上个月新客群里有15%的人变成了低R高F高M的回购客，这说明你的复购策略起效了。如果所有群组都没有迁移，那说明问题出在商品本身，运营动作再花哨也没用。
2. 客单价上不去，到底是该提高产品价格，还是想办法让用户多买几件？怎么用数据判断？
店铺的客单价一直在六七十块徘徊，老板天天催着提客单。我自己也很矛盾，直接涨价怕把客户都吓跑，想搞满减凑单又感觉没头绪，不知道哪个方向才是对的。有没有什么数据指标，能帮我判断到底应该是提价还是提升连带购买？
直接涨价还是多做连带，这个二选一本身就有问题。正确的问法是：你的客单价结构短板在哪里？我用一个拆解公式来判断：客单价 = 件单价 × 平均购买件数。把这两个值分别跑出来，对比同行同层级的均值，你立刻就知道自己的问题在哪。拿我运营过的一家家居百货天猫店举例。
接手时客单价82元，行业Top20%的店铺均值是115元。拆开一看：件单价是69元，行业均值78元；平均购买件数是1.19件，行业均值是1.47件。两个指标都落后，但件单价差距只有9元，件数差距是0.28件。这说明问题主要在连带率上，而不是价格上。这时候无脑提价就是找死；应该设计关联购买场景。
我做的第一个动作是把商品按照“使用场景”重新分类，比如厨房收纳、卫浴收纳、桌面收纳，然后做场景打包。客单价从82元涨到94元，靠的是连带率从1.19拉到1.33。再举一个相反的例子。一家家纺店，客单价120元，件单价高达105元，但平均件数只有1.14件。
这个结构说明用户是带着明确目的来买的，只买主卧四件套，不买床垫保护垫。这个时候如果硬做“满200减30”，用户根本不买账。正确的做法是提高产品搭配的感知价值，把赠品从低价值收纳袋换成场景化的安睡眼罩+真丝枕套，成本增加了15元，但连带率提升到1.38。同样的价格调整，因为方向对了，效果完全不同。
附一个判断逻辑表，方便你自己诊断：件单价低于同行且件数低于同行，说明产品定价偏低且无连带，优先做产品升级；件单价低于同行但件数高于同行，属走量型店铺，提价空间不大，重点是筛选高客单SKU做组合；件单价高于同行但件数低于同行，属高价值低连带，重点做关联推荐和套餐预热；
两个指标都高于同行，那就属于健康状态，不需要动价格结构。最后说一个关键数据，一定要看支付转化率的分层变化。任何客单价调整策略上线后，要观察新客、老客、高价值客这三层人群的转化率波动。如果新客转化率骤降但高价值客转化率上升，说明你的价格结构调整拉高了店铺整体客单，同时也在调整人群结构，这是健康的。
如果各层级转化率全面下降，那就是提价幅度超出了用户的心理账户阈值，需要回调。
3. 店铺用户数据里已经能看到老客占比很高，怎么利用这部分数据设计高客单价产品组合，而不是简单地把商品打包涨价？
我看后台数据发现复购率还不错，老客户占比将近四成。想利用这个优势做高客单价的组合产品，但怕的是随便打包几个商品再定个高价，老客户根本不买账。怎么根据已有的用户数据来设计产品组合和定价，才是真正的精准营销而非自嗨？
老客占比高说明你的店铺有用户信任基础，但这不等于你可以随便捆绑销售。打包涨价是自嗨，用数据设计产品组合才是增量。核心动作是分析老客的购买行为交叉关系，把销量TOP50的SKU两两配对做关联分析，看哪些商品被同一个用户反复购买。
如果A和B的关联度超过15%，说明它们的用户群高度重叠，可以设计成高客单组合。我用一个女装店铺的案例拆解。数据显示，购买法式连衣裙的用户中，有23%会在30天内再次购买同系列的小香风外套，关联度远超其他品类。
基于这个数据，我们把连衣裙+外套做成“轻熟风套装”，定价逻辑不是简单相加，而是定价在原价总和的85%，同时搭配一个限定色。这个组合的客单价是连衣裙单价的2.3倍，毛利率反而上升了4个百分点，因为用数据圈定的组合转化率远高于随手打包。另一个被忽略的数据是购买时间间隔。
别只看用户买了什么，要看他们在什么时间点买。如果你能算出老客平均复购周期是45天，你就可以在用户购买后的第40天开始预热下一季的搭配组合，触发老客的“刚好需要”心理。我用这个逻辑操作过一家洗护店，精准组合装的转化率是普通促销页的3.2倍。
具体做法不复杂：把老客按上次购买时间排序，在第40天时对这批人定向展示组合装，而不是全店无差别推。这里要特别提醒一个常见的错误认知：老客占比高不等于你可以定高价。你需要再计算一个指标，老客的价格敏感度。方法是分层对比：把老客按最近三次客单价的均值分为三档，分别测试不同价位的组合产品。
如果中间档占比60%以上，说明你的主力老客更看重“组合的匹配度”而非“高性价比”。如果低档占比高却带不动，那说明你的价格锚点还没立住，这时候提升客单的突破口在商品升级而非组合营销。落地手册给你一个参考步骤：每月导出订单明细，筛选出累计购买≥3次的老客；
用Excel的COUNTIFS函数做交叉分析，找出TOP20关联商品对；把关联度最高的商品对设计成组合装，以原价85%定价，用“限时组合”的形式推给对应用户；上线后记录组合装的购买转化率对比单品访问后的转化率。
最后的判断标准是：组合装的转化率不能低于单品转化率的60%，否则说明这个组合设计本身就是失败的。
4. 为了提升客单价设置了满200减30，但一个月下来客单价没涨多少，利润反而变薄了。这种无差别满减门槛到底该不该设？
我之前觉得满减是提升客单价最简单粗暴的方式，就设了一个全店满200减30，又设置了满300减50的档位。结果一个月下来，客单价只有小幅波动，利润却明显掉了一些。感觉钱花了没办成事。这种无差别的满减方案到底存在什么问题？正确的门槛应该怎么根据用户数据来定？
无差别满减是典型的“流量思维”，不是“数据思维”。你以为设置了满200减30就能让用户从客单价150元凑到200元，但实际上大多数用户要么直接放弃下单，要么只购买恰好达到门槛的金额。这样做的结果是：你的毛利率被吃掉了，客单价却只涨了几个点。用数据说话。我给一个美妆店铺做过诊断，她设了满199减25。
一个月后客单价从158元涨到171元，看起来涨了8%，但毛利率从52%掉到46%。算账：原本卖158元利润是82元，现在卖171元利润是79元，成交一单反而少赚了3元。这就是无差别满减的陷阱，销售总额上升但利润总额下降。正确的做法是用一个我称之为“门槛前置测试”的方法。
第一步：把用户分成三个群体，客单价在门槛50%以下的用户（低客单群）、在50%到门槛之间的用户（潜力群）、已经超过门槛的用户（达标群）。第二步：对不同群体设置差异化的门槛策略，而不是全店同一个满减。
低客单群不给满减券，而是给他们“第二件半价”的定向券，因为低客单群的根本问题是消费信任不足，推高门槛只会吓跑他们。潜力群才是满减的核心目标，给他们设阶梯门槛，比如满159减15、满199减30，用第一档门槛促使他们轻轻一跳就能升级。
达标群则推“满399加赠小样”的会员专属权益，不加满减档位，保护利润。最关键的一个细节是你用什么券种。公开店铺首页的满减券，会被所有用户一起薅，包括那些本来客单价就高于门槛的老客，等于白白送钱。
我用的是“千人千面券”，在用户进入店铺时，根据他们的历史客单价做判断：如果历史平均客单在180元，就给他推满209减25的券，这个门槛刚好高于他们的历史均值，跳一跳够得着。如果历史客单低于120元，就不给大额满减券，给小额无门槛券做转化。
最后给一个避坑判断标准：打开你店铺后台的营销工具，看看满减券的核销订单里，有多少订单的实付金额刚好卡在门槛线上。如果这个比例超过50%，说明你的门槛设计失败，你没有让用户多买，只是让他们为凑单而凑单，利润率一定被吃掉了。
合理的比例应该控制在35%以下，剩余订单应该是远高于门槛或远低于门槛的，这才说明你的满减起到了分层的效果。
读者评论
做天猫运营八年，这篇把客单价拆解得最透。我自己店铺也是死磕满减门槛，99减15改成129减20后客单确实提了，但转化率跌了1.2个点。看完RFM分层才明白，是我把潜力用户和高价值用户混在一起做了策略。现在按消费频次分组推套餐，效果比拍脑袋好太多。
客单价分布曲线法很实用。我拿店铺后台数据验证了一下，果然订单峰值在80-110元区间，之前满199减30纯粹是给老客送钱。调到139减20后，加购率涨了5个点。文章说得对，关联推荐要看同单数据，看跨订单的买了又买确实推荐不准。
有一点不同意见：文中案例客单从85涨到143，但算销售额的话可能更关键。提客单往往伴随订单量缩水，我们店试过类似方案后转化率掉了0.8。客单提升还是要看单品利润率和复购，不能只盯着客单一个指标。不过RFM分层确实比直接提价靠谱。