客户细分的学问
客户细分是当前客户关系管理战略上的一个流行的话题，目前盛行的CRM ，对于很多国人从直观来说，在客户前端接触层面表现为建立呼叫中心，实现销售自动化；从客户关系管理后端来看，则主导的概念表现为“客户细分”和“一对一”营销和服务。
在对现有客户进行细分时，常常会遇到这样一些问题：
·细分有哪些方式？除了用客户对企业的当前利润贡献来看外，还有其它细分变量吗？
·细分应该是统一的吗？既一旦一个客户被划归到一个类别，是否企业的每个部门都要按照这一划分采取一致的行动？
·细分的结果要让客户知晓吗？更进一步，是否应当让客户有权自己选择细分的归属吗？
一般来说，细分可以根据三个方面的考虑来进行.
1.外在属性
如客户的地域分布，客户的产品拥有，客户的组织归属——企业用户、个人用户、政府用户等。通常，这种分层最简单、直观，数据也很容易得到。但这种分类比较粗放，我们依然不知道在每一个客户层面，谁是“好”客户，谁是“差”客户。我们能知道的只是某一类客户(如大企业客户) 较之另一类客户(如政府客户) 可能消费能力更强。
2.内在属性
内在属性行为客户的内在因素所决定的属性，比如性别、年龄、信仰、爱好、收入、家庭成员数、信用度、性格、价值取向等。
3.消费行为分类
在不少行业对消费行为的分析主要从三个方面考虑，即所谓RFM：最近消费、消费频率与消费额. 这些指标都需要在账务系统中得到。但并不是每个行业都能适用。在通信行业，比如说，对客户分类主要依据这样一些变量：话费量、使用行为特征、付款记录, 信用记录、维护行为、注册行为等。
按照消费行为来分类通常只能适用于现有客户，对于潜在客户，由于消费行为还没有开始，当然分层无从谈起。即使对于现有客户，消费行为分类也只能满足企业客户分层的特定目的。如奖励贡献多的客户。至于找出客户中的特点为市场营销活动找到确定对策，则要做更多的数据分析工作。
如果按照上列单变量的分层，则基本上不需要进行数据分析。但随着营销的统计方法日益精确化，服务的日益个性化，客户细分在不同情况下常常精确到能适用多种统计方法。比如，如果要知道什么样的客户为优质客户，就要用消费行为数据为应变量，找出在内在属性、外在属性各变量中影响应变量的自变量。这个自变量可能是一个或几个前文中我们所列的数据，也可能是由这些数据所导出的一些抽象的因子。知道了这样自变量或自变量的集合，我们的营销战役才能有针对性。否则，如果我们仅仅盯住那些高消费,高价值客户不断促销，结果并不一定表明客户仍然会有良好的响应。
除了一般描述型，比如Cross-tab报表的方法外，目前数据发现与数据挖掘用得最多的有两类：1. 传统统计方法，这包括聚类分析、因素分析和CHAID方法。2. 非传统统计方法，其中包括神经网络方法、回归树方法等。
-
注意：本网所刊登的文章，均仅代表作者个人观点，并不代表本网立场。