在精准营销的大数据下，如何对客户进行细分

由于大数据的商业价值日益凸显，许多企业在进行营销时都渴望大数据和精确的数据，从而提高营销效率和投入产出率(ROI)。在精准营销的大数据下，我们需要对客户进行细分，什么是客户细分？顾客细分(customersegmentation)是通过分析顾客的属性、行为、需要等，在顾客中寻找个性和共性，对顾客进行分类和分类，形成不同的顾客群。

当然，客户细分并没有一个统一的标准，它是一种从业务角度出发，结合实际应用场景，对目标对象进行分层分类的客户管理工具，不同行业、不同企业可以有不同的客户细分策略，即使是同一个业务单位，在不同的业务场景中也可能存在差异。

为何要对大量数据的客户进行细分

市场决定供求。在供应商看来，“再大的超市也有你买不到的东西”。一家企业单凭自身能力无法满足整个市场的所有需求，这不仅是由于受自然资源和非自然资源的限制，而且从企业经营管理和市场经济效应两个方面来分析，这样做并不符合正常规律，应该明确自己的定位，确定自己的目标市场，合理分配资源，提高自身的竞争优势。

在需求者看来，“我喜欢苹果，但你却给了我一箱梨。”

顾客需求是有差异的，同一时间出现在同一地点的顾客需求是不同的，无差异的广撒网式传统营销服务不但被动效益低，而且存在着给顾客带来负面影响的风险。商业竞争可以说是顾客的竞争，快速而准确地识别顾客是抢占市场的第一步，根据顾客的不同，制定差异性的推广营销策略，「顾客20%赚80%」，将资源集中于目标价值顾客的经营，达到利益最大化。

如何对大客户进行细分？通用客户分类将从以下三个方面进行分析：

1)内部特征(稳定精确)

就客户所具有的属性，如性别，年龄，学历等而言，此类因素一般都比较准确可靠和稳定，一般变化不大；

2)外部属性(简明直观)

是指顾客层次、顾客所属机构、顾客持有产品等反映顾客与企业关系的要素，这类要素对企业来说最为简单直观，能静态地反映顾客当前的价值；

3.活动表现(动态预测)

反映顾客与企业之间活动的数据，如消费金额、消费频率、最近访问时间、访问时间等，这些数据是动态的，能更实时地反映顾客的行为偏好和价值变化，进一步挖掘预测顾客需求。对客户的分类方式可以从单一维度进行，如按性别划分“男”和“女”，按出生年代划分“90后”、“80后”等；也可以从登录次数和交易次数进行分类，如按交易次数划分“活跃多交易”、“活跃少交易”、“静默客户”、客户忠诚度、客户贡献、客户形态等。

从业务需求出发，明确客户细分的目标；

2)选择适当的指标和变量，并进行汇总清理；

三、数据模型的构建，分为事先细分(有先验数据指导)和事后细分(无事先细分)；

四、细分结果特征刻画和特征总结；

通过调查研究，检查细分市场的结果是否准确，从而制定差异化市场计划。