其實1對1營銷并不是數據庫營銷的新概念，最典型的1對1營銷其實就是傳統(tǒng)營銷培訓介紹的大客戶營銷：每一個大客戶都有專門的客戶經理跟進。這是成本最高的營銷方式。對擁有大量客戶的公司來講，這是不切合實際的。另

　　但是對絕大多數的企業(yè)是介于兩者之間的。對這些企業(yè)，隨著客戶群的逐步細分，營銷的回報會逐步提高，但是過度的細分必然導致單一客戶的營銷成本迅速增加而降低營銷回報。因此在理論上講，針對一定的市場環(huán)境，特定的業(yè)務和產品，一定有一個最適當的客戶細分的程度，在這個點上，營銷回報是最高的。 在中國，絕大多數企業(yè)還處于粗放營銷的階段，科學合理的客戶細分，可以不斷地提高營銷回報。本課程主要從這個角度來介紹客戶的細分。

　　但是如何進行客戶細分？如何在客戶細分的基礎上，開展更加個性化的營銷，是所有營銷人員最關心的實務。

　　傳統(tǒng)的客戶細分的方法主要來自于經驗，和市場調研，客戶細分的方式比較感性和直接，客戶群的界定比較模糊，如老年人，青年人，時尚人群，高收入人群等。這種客戶細分比較適合同樣讀者或觀眾比較模糊的傳統(tǒng)媒體。傳統(tǒng)的細分策略的隱藏著這樣的弊�。罕热缦矚g旅游的人群，和不喜歡旅游的人群在消費的行為上差異最大，過去購買多的人將來會購買更多的產品。但是事實上可能是結婚和單身的消費行為差異可能是最大的，而購買頻率最高的人將來更可能購買更多的產品。

　　計算機技術，數據庫技術和網絡技術發(fā)展，使我們可以將客戶的信息和消費行為記錄下來，我們可以通過電子和網絡的渠道與客戶互動，這為我們開展更精準的數據庫營銷奠定了技術基礎。同時也為數據庫營銷也對客戶細分的方法和技術提出了更高的要求，反過來數據庫營銷技術也為客戶細分賦予了新的含義，追求更高的營銷回報成為可能。

　　基于數據庫營銷的客戶細分的意義

　　數據庫營銷的客戶細分技術可以大大地提高電子郵件營銷、直郵、電話營銷和網絡營銷，及其整合營銷的反饋率和銷售轉化率，還可以改進傳統(tǒng)營銷的客戶細分方式。

　　數據庫營銷的客戶細分技術更高級應用在于，為客戶，渠道和產品的匹配提供的可能。所謂客戶，渠道和產品的匹配就是不同的細分客戶群，提供不同的產品，通過不同的渠道（如電話、電子郵件等、營業(yè)廳）開展營銷和服務�！　�

　　基于數據庫營銷的五大客戶細分方法

　　1） 基于人口的細分

　　2） 基于消費行為的細分（FRM方法）

　　3） 基于客戶價值的細分

　　4） 基于數據挖掘的細分　　

　　1) 基于人口的細分

　　這種細分方式是比較容易理解的，其實也是傳統(tǒng)細分方法。目前絕大多數的企業(yè)開展數據庫營銷還停留在這個階段�？赡芤驗槠髽I(yè)的客戶數據庫，或者外購的數據庫只有這些信息，也可能，這樣更簡單。

　　基于人口細分可以選擇很多指標

　　對于B2C的行業(yè)，主要的細分指標包括：

　　• 人口統(tǒng)計細分：年齡，性別，階層，婚姻，子女數據等　

　　• 社會經濟學細分： 職業(yè)，收入，資產等　

　　• 地理細分：城市，街道，小區(qū)等　

　　• 消費行為細分：消費，購買渠道，品牌忠誠度等　

　　• 心理與性格細分：態(tài)度，興趣和看法等　

　　• 生活方式細分：時尚青年，工作狂，小資等　

　　對于B2B的工業(yè)品行業(yè)，可能包括一下的細分指標：

　　• 行業(yè)

　　• 所在區(qū)域

　　• 雇員人數

　　• 營業(yè)額

　　• 分之機構

　　• 企業(yè)性質和國別

　　• 聯(lián)系方式

　　• 關鍵聯(lián)系人（職務、部門，聯(lián)系方式）

　　有了基于人口的客戶細分，就可以針對不同的人群開展個性化的營銷，比如對男性的反饋激勵采用剃須刀，對女性的反饋激勵采用贈送瑜伽卡。對高收入人群促銷高價值房型，對低收入人群推廣低價格房型，對不同的客戶群采用不同的話術等。

　　通過測試和不斷改進，反饋率和銷售轉化率一定會大大超過群發(fā)。　　　　

　　2) 基于消費行為的細分（FRM方法）

　　當客戶已經在你們公司產生了消費行為，并且你記錄了他們的消費行為，如購買時間，產品和金額，可以想象，這些信息里一定蘊含著消費者未來的消費行為預測信息以及對營銷活動反饋的規(guī)律。理論上講，我們可以通過數據挖掘來獲得里面的規(guī)律，并預測這些客戶的行為，但是數據挖掘是對人員，技術，工具，時間要求很高的數據處理過程，投入的成本也很高。對很多公司來講，不大可行，也沒有必要。

　　有沒有更簡單可行的方式，可以幫助我們獲得主要的規(guī)律，來提高未來的營銷活動的效果哪？ 答案是有。這個方法就是RFM，歐美等發(fā)達國家使用多年，行之有效，投資回報非常高。

　　我們先用我們的經驗來理解一下基于消費行為的細分方法基本思路。 如果老板要你列出頭大客戶清單，那些客戶最有可能在未來的一年里在你們公司購買最多產品，這樣我們可以把有限的銷售人員集中在這些客戶身上。 一個最簡單（雖然可能不準確，但總比沒有好）就是把過去一年所有客戶的購買總額排個序，取出銷售總和占整個年銷售額20%的排在前面的客戶。這些客戶就是你的大客戶。這就是最簡單的RFM客戶細分的方法：按照銷售額的細分（MONEY），你也可以把銷售按照10等分，3等分等，時間跨度可以一年，一個季度，三年都可以，銷售額可以用其他的指標，如網站的發(fā)帖量，積分數量等。圖1是按照銷售額客戶分組的處理。

　圖2是某數碼產品的直復營銷活動的反饋率與過去消費額的關系

　　研究表明，客戶的購買頻率（Frequently）也與未來的消費行為有密切的關系，同樣地，上次購買時間( Recently)與現在的時間間隔也與未來的活動反饋有密切的關系。數據處理的方式是一樣的，這里不再展開。

　　這樣我們就可以分別按照過去某一時段的消費金額，購買頻率和間隔時間給客戶分組， 通過測試會發(fā)現，那個組對某個直復營銷營銷活動（比如直郵，電話銷售）的反饋率，或轉化率最高，正式執(zhí)行活動專門挑選出高反饋的組。大家注意，多數產品或環(huán)境下，銷售額越大，購買頻率最高，或者購買時間越近的，反饋越高，但很多時候不是這樣。

　　再進一步，把三個維度綜合在一起，我們就給客戶分成了5x5x5=125個立體的單元（加入都是5等分），每個單元進行編號，如532，就是R的第5組，F的第3組，M的第2組。見圖3

　　在開展一個營銷活動前對所有的單元進行測試，并計算某個單元組的營銷投資回報， 如盈虧投資回報指數，指數越高效果越好，負數就是虧損的活動，示意圖4所示。從分析圖可以看出，我們只針對555單元的客戶群開展活動，其營銷回報一定是非�？陀^的。

　這些方法每一個營銷人員只需要簡單的培訓，就可以進行RFM分析和分組，但是帶來的營銷費用的節(jié)省和投資回報的增加是驚人的。如果經常做同樣的分析，可以通過專業(yè)人員編程設計工具，需要的話， 我們也可以幫助大家設計工具，這樣每次分組和分析時可以節(jié)省大量的時間。