大数据精准营销如何做客户细分？

　　随着大数据的商业价值日趋彰显，很多公司在做市场营销时都渴求大数据以及精准数据，以提高营销效率和投入产出率(ROI)。再大数据精准营销中我们需要给客户做细分，什么是客户细分呢?客户细分(customer segmentation)是通过分析客户的属性、行为、需求等，寻求客户之间的个性与共性特征，对客户进行划分与归类，从而形成不同的客户集合。

　　当然客户细分没有统一的标准，它是从业务角度出发、结合实际应用场景对目标对象进行分层分群的客户管理工具，不同行业不同企业都可以有自己的客户细分策略，即使是同一业务单位，在不同业务场景下，客户细分策略也可能不同。

　　为什么要做大数据客户细分

　　市场讲供需。从供应者的角度，「再大的超级市场也有你买不到的东西」。一个企业不可能单凭自己的能力去满足整个市场的所有需求，这不仅仅是因为受限于自然资源或非自然资源，而且从企业运营管理与市场经济效应分析这也是不符合正常规律的，企业应能明确自己的定位，识别自己的目标市场，合理分配资源，提升自己的竞争优势。

　　从需求者的角度，「我喜欢苹果，你却给我一箱梨」。

　　客户需求是有差异的，同一时间出现在同一地点的客户需求不尽相同，无差异的广撒网式传统营销服务不仅被动效益低，而且还存在给客户带去消极影响的风险。企业的竞争可以说是客户的竞争，快速准确地识别客户是抢占市场的第一步，根据客户的不同制定差异化的推广营销策略，「20%的客户带来80%的利润」，集中资源投入对目标价值客户的经营，实现利益最大化。

　　怎么对大数据客户细分呢?普遍的客户细分会从这三个方面分析：

　　1)内部属性(准确稳定)

　　指性别、年龄、学历等客户自身具备的属性，这类因素一般比较准确靠谱且稳定，一般不会有太大变化;

　　2)外部属性(简单直观)

　　指客户级别、客户所属机构、客户持有产品等体现客户与企业之间关系的因素，这类对企业来说是最简单直观的，能够静态地体现客户当前的价值;

　　3)活动行为(动态预测)

　　指消费金额、消费频率、最近一次访问时间、访问时长等反映客户与企业之间活动的数据，这类数据是动态的，能够更实时地反映客户的行为偏好与价值变化，进一步可挖掘预测客户需求。方式上可以是基于单一维度对客户细分，比如按性别划分“男性”和“女性”，按出生年代划分“90后”、“80后”等，也可以是多个维度组合的结果，比如按登录与交易划分“活跃多交易客户”、“活跃少交易客户”、“沉寂客户”，客户忠诚度、客户贡献度、客户形态等。

　　1)从业务需求出发，明确客户细分目的;

　　2)选择合适的指标和变量，进行清洗汇总;

　　3)构建数据模型，分事前细分(有先验数据指导)和事后细分(无先验数据指导)两种;

　　4)对细分结果进行特征刻画，总结特点;

　　5)调研检验细分结果的准确性，然后形成差异化营销方案。