目标受众分析：同一用户多次咨询时怎样区分人数与次数
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /e243ba58ad4a.html
📄
目标受众分析：同一用户多次咨询时怎样区分人数与次数
先给结论：如果只看咨询总量，你无法判断是“10个人各问1次”还是“1个人问了10次”。要区分人数与次数，必须把每条咨询记录落到一个可追踪的标识上，再分别统计“去重后的人数”和“未去重的次数”。前者衡量覆盖了多少人，后者衡量一个人被触达或主动接触了多少轮。两者混在一起，后续所有受众判断都会失真。
先确认你手里那条记录到底记了什么
打开你现有的咨询明细，逐列检查是否存在以下字段：
- 能稳定对应到同一个人的标识，比如登录账号、手机号、外部联系人ID；
- 每次咨询的发生时间；
- 咨询渠道或来源；
- 咨询内容或意图标签。
如果只有“时间+内容”，没有任何身份字段，那么你目前统计的天然就是次数，不是人数。这种情况下不要急着下“受众变多”的结论，先补一个最小可用的标识字段，哪怕只是让同一来源在短期内复用同一个编号。
人数与次数分别回答不同的问题
把两个口径拆开后，它们指向的决策完全不同：
- 人数（去重）回答“有多少不同的人对这件事有兴趣”。它决定你的受众规模判断、渠道覆盖判断。
- 次数（不去重）回答“同一个人平均接触了几轮”。它决定你的跟进节奏、内容是否讲清楚、是否存在反复追问。
举个假设例子：某周咨询记录从20条涨到35条。若去重后人数从18人涨到20人，说明新增主要来自老用户重复咨询，问题可能出在首次答复没解决清楚；若人数从18人涨到33人，说明确实来了新的人，问题更可能在渠道或触达面。同一组次数增长，两种解释对应完全不同的动作，所以必须先分口径。
用一张最小表把次数还原成人数
不需要复杂工具，把明细整理成三列即可：标识、时间、意图。然后按标识分组：
- 对每个标识，数出它出现的次数，这就是该用户的咨询轮次；
- 对全部记录，数出不同标识的个数，这就是去重人数；
- 用总次数除以去重人数，得到人均轮次。
人均轮次是这里最有用的一个派生指标。它升高，通常意味着同一批人在反复问；它稳定而人数上升，才更接近受众面扩大。注意这是描述性比较，不是因果结论，不能只凭它断定某个改动起了作用。
一个可执行动作：给每条记录打上“首次/重复”标记
在明细里新增一列，对每个标识按时间排序，最早一条标为首次，其余标为重复。做完这一步，你的下一步决策会立刻清晰：
- 若重复占比高，优先检查首次答复是否完整，而不是继续加投放；
- 若首次占比高且人数增长，说明触达在扩大，可以把资源放到承接和分流上；
- 若两者同时涨，先看重复里是否集中在少数几个标识，避免被少数高频用户拉高整体。
这个动作的结果会直接改变你接下来看哪张报表：重复为主就看答复质量，首次为主就看来源结构。方向选错，后面所有优化都是在错误的口径上做加减。
几种容易把人数和次数弄混的情形
同一设备、同一网络出口或同一表单被多次提交，都可能让系统把它们算成不同的人，从而虚高人数。反过来，同一个人换设备或换渠道，又可能被拆成多个人，虚高人数而低估重复。判断时不要只看单一指标：次数归零或人数骤降，也可能是采集口径变化、字段缺失或去重规则调整，而不是受众真的消失。要交叉核对原始记录、字段完整度和去重逻辑，再决定是否调整结论。
把标识、时间、意图三列补齐，先分人数与次数，再决定优化方向，这是同一用户多次咨询时唯一稳妥的处理顺序。
