这么做的逻辑是：客户从一个等级跳到另一个等级，本来就很少发生，不值得把整套运营押在上面。真正每天都在发生的，是另一件事，客户的方向在变。这个月他在涨，下个月他在走。

⼀句话：客户升级降级是稀有事件，方向变化天天发生。  

而多数品牌的CRM考核恰好押反了。升级率、升到高等级的⼈数、高等级留存，全是围着那个稀有事件设计的。天天发生的方向变化，反而没有⼀个指标去接它。

要把这件事说透，得先分清两种完全不同的“差异”。

第⼀种，是⼈和⼈之间的差异。有的客户天⽣就买得多，有的天⽣买得少。这是他⾃⼰的节奏，短期内你做什么都很难改。给它起个旧名字：命。

第⼆种，是同⼀个⼈前后的变化。同⼀个客户，上半年频繁下单，下半年沉默，再过半年⼜回来。他还是同⼀个⼈，只是状态在迁移。这个叫：运。

最贵的错误，就是把这两种差异搞混，尤其是把“运”当成了“命”。

举个具体的：某个客户最近下单变勤了。把运当成命的做法是：立刻给他重新打上“高价值客户”的标签，心里想的是“他本来就高，我们之前没看出来”，于是加⼤投入，把他锁死。但真相可能是，他只是撞进了⼀段短暂的活跃期，过几个⽉又会沉回去。

同⼀份数据，两种读法，导出完全相反的动作。当成命，你会在⼀个本来就要回落的人身上猛砸资源； 当成运，你会先看清他往哪个方向走，再决定要不要出手、怎么出手。砸错的那部分钱，就是这样⼀笔笔漏掉的。

有意思的是，能看清“运”的方法，⼀点都不新。

1959年，统计学家Ehrenberg就给出了“人和人天生不同”这件事的数学描述；1982年，⼀位叫Greene的作者把这套数学讲成了⼀个比喻，他管它叫“时间之河”。

想象每个客户是漂在河面上的一片浮萍，各漂各的速度。漂得快的常买，漂得慢的少买。你坐在岸边， 看不到水下的速度，只能看到浮萍偶尔冒出水面的那⼀下。那⼀下，就是⼀次购买。水面之下的⽇⼦， 你看不见，只能靠它偶尔露头去猜。 

这个比喻好在它很诚实：你手上的购买记录，从来不是客户本人，只是他冒出水面的那几个水花。

Green的数学能⼲⼀件漂亮事，把快浮萍和慢浮萍分得清清楚楚。给它⼀段购买记录，它能相当准地 告诉你，这是条快鱼还是慢鱼。 

但他在书里⼀个很多⼈会跳过的章节，老老实实写下了自己这套方法做不到的事：同一片浮萍如果中途变快或变慢，他的模型完全看不见，会被当成噪声直接丢掉。换句话说，他能看见命，看不见运。他知道自己漏了⼀块，只是那个年代没有趁手的工具去补。

工具到2008年才出现。几位研究者（Netzer 等⼈）把⼀类叫" 隐马尔可夫模型" 的方法用了进来：它假设同⼀个客户会在几个隐藏的状态之间来回切换，每个状态有自己的购买节奏，⽽状态之间怎么切，可以从他的⾏为顺序⾥反推出来。同一片浮萍中途变速，第⼀次变得可以算了。 

再往后，2018年Ascarza的研究又泼了⼀盆冷水：很多被系统标成" 高流失风险" 的客户，其实你做什么挽留都没用，他该走还是走。冲他们砸的预算，基本是⽩烧。  

从1959到今天，六⼗多年，每⼀代⼈都补上了上⼀代看不见的那块。尴尬的是，多数公司的CRM实际能⽤到的，还停在1980年代的水平：看得见客户此刻在哪⼀档，看不⻅他正往哪儿走。  

讲⼀个真实的轨迹，客户就叫他847吧。