品牌声量≠销量:拆解澳洲消费品牌 PBG,如何用数据重新理解用户分群

停更几个月，主要是毕业回国节奏一下子拉满了。这段时间断断续续在复盘读研期间学过的一些营销工程方法论，毕竟学完没多久就容易忘。也一直在想，怎么把这些课堂里学到的方法，放回真实的海外市场案例里重新看一遍，看看它们到底能不能解释我们做品牌出海时经常遇到的一些问题。

现在体感疫情几年之后，消费环境依然没有回到前几年的状态，消费者花钱也比过去谨慎了不少。而当消费者开始更认真地考虑这笔钱到底值不值得花时，品牌更不能只追求“让更多人看到”，而要更清楚：不同的消费者为什么会买，以及我们应该用什么方式让TA觉得这个产品和自己有关。

今天这篇想结合一个澳洲品牌PBG的真实数据和图表，分享用户分群到底应该怎么做，以及分完后又有什么用。

1. 怎么做用户分群：不是主观定一个persona用户画像，而是通过量化数据，把市场里真实存在的用户类型找出来，看看同样买一个品类的消费者，需求差异到底有多大。

2. 怎么验准确度？ 在完成群体划分并打上标签后，可以进一步引入新的用户样本数据进行验证，确保分层模型的准确度

PBG案例背景

在学习品牌用户分层和终身价值分析的部分，有一个澳洲消费品牌的案例让我印象很深。 Pacific Brands，简称PBG，是澳大利亚最大的内衣制造商，旗下有Berlei、Bonds等多个品牌。08年品牌做了一次声势很大的全国品牌巡回活动“Berlei Great Shape Bus campaign”: 定制了一辆红色大巴车开遍澳大利亚各大城市，配合大量媒体报道，短时间内获得了很大的品牌曝光。但活动结束后，销量几乎没有明显变化。

紧接着1年后，整体经济环境持续下行，消费者开始从百货公司的高端产品线转向折扣店和自有品牌。就在这个时间节点，PBG推出了两款高端新品：Infinity主打年轻女性，把内衣当作时尚配件来穿；Timeless则更强调运动感和合身度，面向30-40岁希望保持活力的女性。

两款产品的定位本来就不一样，但公司内部对于要不要做差异化营销，出现了分歧：

• CMO营销负责人认为市场上的用户需求根本不是同质化的，必须先搞清楚用户是谁，再制定对应的营销策略。

• CFO的判断则完全相反：两款产品都在同一批商场里卖，消费者自然会同时看到，没必要为每类用户单独花预算，经济不好的时候更应该集中资源。

这场内部争论，其实在今天的出海团队里也非常常见。品牌方想做精细化，财务方觉得投入产出比不高没必要。最后品牌CEO决定不靠感觉，用数据来说话。

于是PBG做了一份消费者市场调研。这里有一个细节得注意：这份调研并不是先拍脑袋画出几个用户画像，再去找数据来印证。而是先把消费者购买内衣时可能在意的因素，拆成了21个可以被量化的维度，包括了时尚意识、价格敏感度、品牌重视程度、颜色选择、面料、剪裁、合身度，以及对导购专业度、购物环境和便利性的要求等。

品牌方引导真实消费者对这些维度逐一打分之后，一个消费者就不再只是一个"30-40岁时尚女性"的标签，而会变成一组更具体的需求数据：她可能非常在意品牌和时尚，对价格却不太敏感；另一个人可能对品牌完全无所谓，最在意价格；还有一个人可能最关心面料和剪裁，同时希望购物时能得到专业的导购建议。

当这些数据放在一起之后，再通过聚类分析，把需求模式比较接近的消费者归为一组，最终找出市场里真实存在的用户类型。

Segmentation

结果分出了三个群体，需求轮廓完全不同。

从雷达图上可以很直观地看出，三条线的形状几乎没有重叠的地方，说明这三类用户对内衣这件事的理解，从根本上就不一样。

红色 Segment 1 — 务实节俭型

这群人的需求轮廓是三组里最小的，几乎所有维度都低于人群均值，唯一明显突出的是价格敏感度（5.20，高于均值4.67）。品牌意识极低，Brand4Slf只有2.30，愿意为热门品牌付溢价的Populr更是只有1.87，是三组里最低的。

她们买内衣的逻辑很简单：合适就行，哪里方便买哪里，价格不能太贵。描述性数据也印证了这一点：这群人年龄偏大，月均服装支出最低，几乎不用网络购物，也不逛精品店。

蓝色 Segment 2 — 品牌时尚型

这群人在品牌意识、上身效果、颜色选择上明显高于均值。Brand4Slf达到4.60，愿意为热门品牌付溢价的Populr是4.49，同时很在意别人怎么看自己（Perceptn偏高）。

她们爱看时尚杂志（Fashn 4.29），购买决策容易受他人和品牌影响，是Infinity这类强调时尚感和颜色多样性的产品最对口的用户。

绿色 Segment 3 — 品质体验型

这群人的雷达图轮廓最大最饱满，在合身度（6.03）、剪裁（6.32）、上身效果（6.55）、面料（5.86）、导购专业度（5.76）上都是三组里最高的。她们对购物体验的要求极高，喜欢去精品店，服装月均支出也是三组里最多的。

同时，价格敏感度只有3.90，低于整体均值：通常只要产品质量和体验值得，她们不太在意多花钱。

Segmentation

同一批商场里卖，用户真的会"自然看到"吗？

从表面上看，这个逻辑没有问题。但数据告诉我们的是另一回事。

• Segment 2（品牌时尚型）看到Infinity，她需要的触发是品牌感和颜色多样性带来的冲动感；

• Segment 3（品质体验型）看到Timeless，她需要的是面料细节的解释、专业导购的推荐，以及亲身试穿的体验。

这两个转化路径完全不同。如果用同一套内容去打这两群人，Segment 2觉得内容太功能导向、不够时髦；Segment 3觉得太浅、打动不了她。两头都没打中，这正是Great Shape Bus活动失败的原因，用了一套全国统一的品牌传播，却忽略了市场上根本存在截然不同的几类人。

那这个分群模型靠不靠谱？

从预测结果来看，用描述性特征（年龄、消费习惯、信息来源偏好）对用户进行分类，整体准确率达到80%。这表示当品牌掌握用户的基本轮廓，就有八成概率预判她属于哪类人，然后用对应的方式去影响她。这是数据驱动和靠感觉做决策之间最根本的差距。

PBG这个案例发生在十几年前，今天再回头看，很多具体的渠道和传播方式当然已经变了。但我觉得它背后的问题并没有过时，甚至在今天的消费环境里，会变得更加值得讨论。

2008-09年全球金融危机之后，澳大利亚消费者明显变得更加谨慎，PBG当时自己也提到，消费者开始倾向于购买品类领导品牌，或者直接选择更低价格的产品。

而今天的消费市场虽然不能简单地和当年的金融危机画等号，但疫情之后，消费者同样经历了消费习惯的变化、生活成本上涨以及对未来经济环境的不确定感。以澳大利亚为例，2026年的消费者信心依然处于较弱水平，家庭消费增长也开始有所放缓。

环境不一样，但对消费品牌来说，有一个共同点：当消费者变得更加谨慎之后，“让更多人看到”这件事情本身，越来越难直接转化成“让更多人购买”。

所以再回头看PBG当年的Great Shape Bus活动，我反而觉得它最值得复盘的，并不是一次营销活动为什么没有带来预期的销量，而是一个更基础的问题：当市场里的消费者已经发生分化之后，品牌是不是还在用一种相对统一的方式理解他们？

对今天正在做品牌出海的人来说，这个问题其实也一样存在。进入一个新市场，我们很容易先定义一个目标用户：25-34岁的女性、中高收入、关注生活品质、喜欢时尚，然后围绕这个画像去找渠道、找达人、做内容、投广告。但这些标签更多是在回答“她是谁”，却不一定回答“她为什么买”。

尤其是在一个并不那么容易的消费环境里，消费者愿意把钱花在哪里、什么情况下愿意为品牌支付溢价、什么因素会让她最终下单，这些问题可能比单纯知道她的年龄和收入更重要。

这也是我重新复盘这个案例之后最大的一个感受：用户分群真正的价值，并不是把用户分得越来越细，而是帮助品牌理解，不同的人为什么会买，以及我们应该用什么方式让TA觉得这个产品和自己有关。