数据挖掘应用案例：RFM模型分析与客户细分

数据挖掘应用案例：RFM模型分析与客户细分

分类：数据挖掘 | 标签：市场研究数据挖掘RFM模型

2012-01-21 21:39阅读(16854)评论(9)

这里，我先给各位朋友拜年，祝大家新春快乐！

兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。

根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。

我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！

RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！

这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。

本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT

因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。

先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）

?一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多

少记录和字段的；

?Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足

?海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断

就悲剧了，呵呵；

?数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作；

?多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数

据分隔符采用“|”存储；

?如何强调一个数据挖掘项目和挖掘工程师对行业的理解和业务的洞察都不为过，好的数据挖掘一定是市场导向的，当然也需要IT人员与市场人员有好的沟通机制；

?数据挖掘会面临数据字典和语义层含义理解，在MetaData元数据管理和理解上下功夫会事半功倍，否则等数据重构完成发现问题又要推倒重来，悲剧；

?每次海量大数据挖掘工作时都是我上微博最多的时侯，它真的没我算的快，只好上微博等它，哈哈！

传统RFM分析转换为电信业务RFM分析主要思考：

这里的RFM模型和进而细分客户仅是数据挖掘项目的一个小部分，假定我们拿到一个月的客户充值行为数据集（实际上有六个月的数据），我们们先用IBM Modeler软件构建一个分析流：

数据结构完全满足RFM分析要求，一个月的数据就有3千万条交易记录！

RFM分析节点产生R(Recency)、F(Frequency)、M (Monetary)；

接着我们采用RFM分析节点就完成了RFM模型基础数据重构和整理；

现在我们得到了RFM模型的Recency_Score、Frequency_Score、Monetary_Score和RFM_Score；这里对RFM得分进行了五等分切割，采用100、10、1加权得到RFM得分表明了125个RFM魔方块。

传统的RFM模型到此也就完成了，但125个细分市场太多啦无法针对性营销也需要识别客户特征和行为，有必要进一步细分客户群；

另外：RFM模型其实仅仅是一种数据处理方法，采用数据重构技术同样可以完成，只是这里固化了RFM模块更简单直接，但我们可以采用RFM构建数据的方式不为RFM也可用该模块进行数据重构。

我们可以将得到的数据导入到Tableau软件进行描述性分析：（数据挖掘软件在描述性和制表输出方面非常弱智，哈哈）

我们也可以进行不同块的对比分析：均值分析、块类别分析等等

细分市场研究方法及市场规模测算模型探讨

细分市场研究方法及市场规模测算模型探讨 一、市场数据收集方法 （1）调研对象 外部调研对象：行业专家、行业协会、下游客户、竞争对手、供应商、经销商、代理商、合作伙伴、研究机构、大学、券商研究部等 公司内部对象：公司管理层、相关职能部门专业人员 （2）研究方法 内部访谈法、内部研讨会、问卷调查法、实地调研法、头脑风暴法、案头研究、基准分析等 （3）数据资料查找途径 商业数据库、谷歌、百度、豆丁、Chinainfobank、ISI等网站、国家统计局公布数据、年鉴、行业期刊、杂志、专业论坛、所属行业的权威机构公布数据、海关数据、行业协会公布数据、国家及行业重大政策和规划、行业研究报告、券商报告等 二、市场规模测算方法 1、市场规模测算及预测方法 （1）方法介绍 巴比社会研究法、直接投资额法、整体投资比例法、趋势外推法、回归模型法、普及率类比、瑞利多因素法、专家德尔菲预测法、直观判断预测法、时间序列分析预测法、回归分析预测法、结构分析预测法等 （2）推算思路 市场规模的推算方法较多，从行业特性来说，不同情况推算思路略有不同。从供应端和专家得到的信息和数据，并以此进行市场推估。这个方法比较适用于下游应用领域众多、消费不集中的情况；从消费端进行分层抽样再进行数据汇总，适用于下游市场比较单一，应用

领域相对集中的市场；同时采集供应端和消费端数据，并进行数据交叉验证，适用于产品或行业相对垄断，供应和消费行业都较为集中的产品或行业。 2、软件类企业案例——互动媒体系统平台 （1）背景分析： 互动媒体系统平台软件的下游行业主要包括电信运营商、广电新媒体运营商、广电网络运营商。在三网融合背景下，电信和广电运营商在基于内容的信息系统、双向网络改造、宽带升级、终端硬件投入的基础上，向广大受众提供IPTV、互动电视、网络视频、互联网电视、手机视听等各类互动媒体业务，这些业务的基础用户数量和营收情况直接影响系统平台软件的投资规模。 产业产业投资具体产品价值链环节 代表业务

电子商务客户细分与营销策略

电子商务客户细分与营销策略 来源：液压扳手https://www.wendangku.net/doc/4513084120.html,/ 电子商务客户细分与营销策略*Targeted Marketing Strategies for E-Commerce Customers方刚梁雄健内容提要企业在开展电子商务营销的过程中，面对海量复杂的电子商务客户群，应基于顾客价值和顾客忠诚度的综合影响对电子商务顾客进行有效的客户细分，提出具有客户种类针对性的电子商务营销策略，为企业的客户管理实践和电子商务业务的运作提供有效指导。 关键词客户细分顾客价值顾客忠诚电子商务营销 学院北京100876自20世纪90年代初期起步以来，我国电子商务发展就呈现出“技术拉动”的鲜明特点，互联网技术与电子商务应用正在不断拉动及引导企业的商贸需求。目前我国电子商务市场发展，无论在网络用户数、网站数量方面，还是在计算机拥有量等方面，都有了显著提高，并且我国电子政务工程早在2002年便开始全面实施并已取得一定成效，这在很大程度上也促进了我国电子商务的发展。同时，我国持续推行的信息化建设以及逐步出台的相关政策法规很好地改善了电子商务的发展环境，包括网络基础设施运行环境、在线支付、信息安全、认证中心等，而我国的许多传统行业也逐步开展电子商务方向的业务，在一些企业中电子商务甚至已经成为其核心业务流程，行业电子商务的发展势头十分迅猛。

面对发展如此迅猛的电子商务市场，每一个电子商务企业都应思考和解决如何更好地对电子商务客户进行分类管理进而采取实施更加具有针对性的电子商务营销策略，从而有效提升电子商务企业的竞争优势和盈利水平。 菲利普·科特勒曾提出，在一定的约束条件下，顾客是最大化价值的追求者，因此企业的真正任务是价值[1]。价值驱动着大部分消费者行为，是决定顾客购买行为和选择产品的关键因素。根据William 的研究，企业最重要的20%的顾客创造了企业80%的利润，但其中50%的利润被30%的负利润顾客抵消掉了[2]。而在互联网技术迅猛发展的今天，网络信息共享使得电子商务市场上顾客在交易过程中信息不对称的不利局面得到彻底转变，顾客转换品牌的成本也大大降低。另外，根据美国一家权威研究机构Jupiter Research的一份研究表1客户价值评价指标体系客户价值评价指标当前价值利润贡献指标月消费支出每分钟通话平均费用未来价值稳定性指标月消费稳定性忠诚度指标流失倾向报告，在2006年之后，网络销售成长的关键，不再是获取新顾客，而是增加现有顾客的花费。故而，培育和提高顾客忠诚度，加强与顾客之间的联系，对于企业开展网络营销至关重要。电子商务企业面临的挑战已经从狭义的价格竞争扩大为更广泛的营销竞争。 以往文献中有单独从顾客价值角度或者单独从顾客满意度的角度分析电子商务市场[3][4][5]，也有重点研究电子商务市场中顾客价值和顾客忠诚度的关系的文献[6]，但在国内还没有文献将顾客价值与顾客忠诚度结合起来分析研究面向电子商务客户的针对性营销策略。 一、顾客价值量-顾客忠诚度指标的确定（一）电子商务领域的顾客价值及其作为指标变量的确定菲利普·科特勒在《营销管理》一书中提出，顾客价值是顾客从某一特定产品或

市场细分营销战略篇

一、市场细分的涵义及作用 市场细分的概念是美国市场学家温德尔·史密斯(Wendell R.Smith)于20世纪50年代中期提出来的。所谓市场细分就是指按照消费者欲望与需求把一个总体市场(总体市场通常太大以致企业很难为之服务)划分成若干个具有共同特征的子市场的过程。因此，分属于同一细分市场的消费者，他们的需要和欲望极为相似；分属于不同细分市场的消费者对同一产品的需要和欲望存在着明显的差别。例如，有的消费者喜欢计时基本准确、价格比较便宜的手表，有的消费者需要计时准确、耐用、且价格适中的手表，有的消费者要求计时准确、具有象征意义的名贵手表。手表市场据此可细分为三个子市场。当然，对同一产品细分市场的依据很多，细分的结果也不同，详细内容在后文再作介绍。 企业面对着成千上万的消费者，他们的需求和欲望是千差万别的并且分散于不同的地区，而又随着环境因素的变化而变化。对于这样复杂多变的大市场，任何一个规模巨大的企业、资金实力雄厚的大公司，都不可能满足该市场上全部顾客的所有需求。又由于生产企业其资源、设备、技术等方面的限制，也不可能满足全部顾客的不同需要。企业只能根据自身的优势条件，从事某方面的生产、营销活动，选择力所能及的、适合自己经营的目标市场，有必要细分市场。 这里必须指出的是，细分市场不是根据产品品种、产品系列来进行的，而是从消费者( 指最终消费者和工业生产者)的角度进行划分的，是根据市场细分的理论基础，即消费者的需求、动机、购买行为的多元性和差异性来划分的。通过市场细分对企业的生产、营销起着极其重要的作用。 有利于选择目标市场和制定市场营销策略。市场细分后的子市场比较具体，比较容易了解消费者的需求，企业可以根据自己经营思想、方针及生产技术和营销力量，确定自己的服务对象，即目标市场。针对着较小的目标市场，便于制定特殊的营销策略。同时，在细分的市场上，信息容易了解和反馈，一旦消费者的需求发生变化，企业可迅速改变营销策略，制定相应的对策，以适应市场需求的变化，提高企业的应变能力和竞争力。 有利于发掘市场机会，开拓新市场。通过市场细分，企业可以对每一个细分市场的购买潜力、满足程度、竞争情况等进行分析对比，探索出有利于本企业的市场机会，使企业及时作出投产、移地销售决策或根据本企业的生产技术条件编制新产品开拓计划，进行必要的产品技术储备，掌握产品更新换代的主动权，开拓新市场，以更好适应市场的需要。 有利于集中人力、物力投入目标市场。任何一个企业的资源、人力、物力、资金都是有限的。通过细分市场，选择了适合自己的目标市场，企业可以集中人、财、物及资源，去争取局部市场上的优势，然后再占领自己的目标市场。 有利于企业提高经济效益。上述三个方面的作用都能使企业提高经济效益。除此之外，企业通过市场细分后，企业可以面对自己的目标市场，生产出适销对路的产品，既能满足市场需要，又可增加企业的收入；产品适销对路可以加速商品流转，加大生产批量，

数据挖掘应用案例：RFM模型分析与客户细分

数据挖掘应用案例：RFM模型分析与客户细分 分类：数据挖掘 | 标签：市场研究数据挖掘RFM模型 2012-01-21 21:39阅读(16854)评论(9) 这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！

这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言） ?一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多 少记录和字段的； ?Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足 ?海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断 就悲剧了，呵呵； ?数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作； ?多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数 据分隔符采用“|”存储；

数据挖掘应用案例：RFM模型分析与客户细分-沈浩老师

这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。

一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！ 这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）

进行有效客户细分的八个步骤

进行有效客户细分的八个步骤 企业的竞争是客户的竞争，大多数企业已经意识到有效的客户细分是企业参与客户竞争的核心竞争力，企业的服务营销策略也离不开有效客户细分的支持。 企业在逐渐接受分级服务分类营销理念的同时，也面临越来越多的客户细分挑战。那么，如何进行有效的客户细分呢？ 企业进行有效的客户细分通常需要经过以下八个步骤： 首先，明确细分的目标。目标不同，关注长期还是短期目标，客户细分的方法会有极大的差异性。典型的目标包括设计针对性的产品与服务、促进产品销售、提升运营效率优化成本结构、改进服务体验、提高营销效果与营销投入效用等。 其次，根据目标确定需要的资源和方法。经常由于企业资源条件的限制和方法的技术性障碍而进行取舍，甚至是对目标的部分影响。 第三，根据企业资源限制选择适合的可行方法。可行的方法不一定是最适合的，可行的方法也不一定有效，重要的是可行的方法是开始客户细分探索的基础。 第四，应用有效数据。企业现有的数据不一定完备，也不见得有效，数据本身可能也需要更为深入的处理以适应细分的方法。要意识到数据分析不一定是有效的，错误的数据或不完备的数据会导致错误的结果。 第五，分析细分指标的稳定性。对于细分采取的变量选择，要应用分析技术验证系统性，通常有效的客户细分需要分层的多维指标交叉获得，并不是越复杂越好，而是要找真正稳定和显性的细分指标。 第六，描述细分客户群的特征。描述细分客户群的特征，通常要求细分后的客户群体不仅能够可清晰的描述，同时也能够应用可靠的识别方法。

第七，通过实际应用验证细分的有效性。验证细分有效性的方法很多，要选择可行和适合的验证方法，没有经过有效性验证的细分是不可信的。 第八，把细分看成过程而不是结果，重头再来。客户细分本就是个学习的过程，客户细分会随着时间的推移和市场的变化而失效，时代在进步、客户在成长、市场在变化，细分的方法也需要不断调整和优化，要有重新来过的远见。 要有重新来过的远见。客户细分是个学习的过程，客户细分结果也会随着时间的推移和市场的变化而失效，时代在进步、客户在成长、市场在变化，细分的方法也需要不断调整和优化。 无效的细分导致企业后续投入的无效成本非常非常高，在没有充分把握的时候，建议企业最好寻求专业人士的帮助。

客户细分精准化营销—RFM模型

客户细分精准化营销——RFM模型 一、研究目得 1、了解哪些客户就是价值、需发展、需保持、需挽留得; 2、对不同类别得客户进行不同得营销策略,增大客户购买得可能性; 二、RFM简介 RFM模型就是衡量客户价值与客户创利能力得重要工具与手段,R近度(Recency),F频度(Frequency),M额度(Monetary)。该模型得作用如下: （一）给不同类别得客户进行不同得营销策略(称之为个性化营销策略),减少客户得反感,促进客户得转化,即精准化营销。 (1)对重要价值客户111进行推送“恭喜您成为VIP！如果您有问题,我们会优先处理;如果我们有新产品或新活动,会优先告知您！”“感谢您下单,祝您用餐愉快！”等等。 (2)对重要保持客户011(很久没有下单,但就是以前非常频繁,贡献度比较大,这些忠诚客户流失了,需要紧急处理)进行“Hello,好久不见！”“回访找出流失原因”“保持联系,提高其忠诚度与满意度”“线下邀请参加活动”“线上互动功能开发、线上互动活动策划”等等,只要下单就行,即成为重要价值客户。 (3)对重要发展客户101(频次低,但最近下单,贡献度较大,有钱力得客户)进行“发放一定数量得优惠券,优惠券额度递增”“满就减”等等,让客户多下单,即成为重要价值客户。 (4)对重要挽留客户001(很久没下单,频次低,贡献度较大),对客户进行适当得挽留营销策略。 (5)对一般价值客户110(最近下单,频次高,贡献度较小,比较穷得客户),可以进行“会员卡充100送10”“满减活动”“套餐”等策略。 (6)对于一般保持客户010(很久没下单,频次高,贡献度较小,流失得比较穷得客户),可以“Hello,好久不见！已发放一定数据得优惠券,位置在……,请查收！” (7)对于一般发展客户100(最近下单,频次低,贡献度较低,即新客户)进行品牌介绍以及多次消费刺激策略,“您好,我们就是…、、,致力于……。如果您有反馈或疑惑,请第一时间联系我们,xx……,公众号……。最近我们有促销活动,……” (8)对于一般挽留客户000(已流失客户)不就是我们得营销重点,所谓20%得

基于数据挖掘技术的客户细分模型研究

基于数据挖掘技术的客户细分模型研究 发表时间：2013-04-22T11:11:28.857Z 来源：《中国科技教育·理论版》2013年第1期供稿作者：杨登[导读] 对于现代企业而言，相互之间的竞争已从产品的样式和质量上的竞争转移到争夺客户的竞争上来了 杨登吉林化工学院 132022 摘要客户细分是客户关系管理中的首要任务，数据挖掘技术是实施客户细分的关键技术。本文介绍如何将SOM神经网络算法和k均值算法相结合，构建一种客户细分模型。 关键词客户细分 SOM神经网络算法 k均值算法细分模型 1．介绍 对于现代企业而言，相互之间的竞争已从产品的样式和质量上的竞争转移到争夺客户的竞争上来了。面对日益激烈的市场竞争，企业逐渐意识到维系与顾客之间的长久关系的重要性。数据挖掘技术可以企业在海量数据中同时更好地理解客户，找出高价值或者至少有利润的客户，并将这些客户进行适当的分类，由此决策者便能够对每一类客户提供有针对性的个性化服务。国外诸多学者从人口统计、客户行为、价值、利益、忠诚等角度出发，获得了一些不同的细分方法。这些细分方法在实际运用中都取得了一定成效，而目前占据主流地位的还属基于行为和价值的客户细分方法。基于行为的细分方法认为行为变量是构建细分市场的最佳起点，通过对客户行为的测量，对客户进行分类；而基于价值的细分方法则认为客户的价值是构建细分市场的最佳起点，通过分析不同客户给企业带来的盈利，来对客户分类。 目前客户终身价值的研究还不成熟，客户细分更多采用基于行为的分类方法。本文介绍的客户细分模型也是基于行为分类，在选定了特定的行为变量后，比较了SOM神经网络算法和k均值算法的优缺点，结合两个算法构建一个客户细分的模型。 2．模型实现的方法 2.1行为变量的选取 本文在选取细分的行为变量时，在客户价值矩阵的两个变量基础上，增加了一个反应客户忠诚度的变量--客龄。客龄等于客户的开户日期与最近购买日期的时间差，单位为天数。也就是说，一共选取了三个行为变量，分别为平均购买金额A，购买次数F和客龄D。 2.2算法的设计 2.2.1 K-均值的优缺点 K-均值算法的优点是简单、快速、有效。该算法的缺点是①不同初始值会导致不同的聚类结果；②要求事先输入聚类数目；③陷入局部极优；④对“噪声"和孤立点数据比较敏感。 2.2.2 SOM算法的优缺点 SOM算法的优点是①由于不需要映射内的相互结合，计算量少；②算法中不需要微分计算，数学上非常简单。 SOM的缺点是①SOM 不能提供分类后精确的聚类信息，②缺乏具体的目标函数，使得不同SOM聚类的结果难以进行比较；③必须设定初始邻域宽度、初始学习率、网络类型、邻域函数这许多的参数。 2.2.3 结合算法 K-均值需要指定聚类的个数，且初始的聚类质心是随机赋予的；而SOM只需输入向量就能产生分类。可将两种算法结合起来，形成一个结合算法。第一步，先执行SOM算法，输出聚类数目N和聚类质心Z={Z1，Z2，?，Zc}。第二步，将SOM输出的结果N, Z={Z1，Z2，?，Zc},用做K-均值算法的初始化条件，得到最后的聚类的结果。将两个算法结合起来后，因为得到合适初始值，K-均值算法的局部搜索能力变强，收敛速度提高。 2.3数据准备 客户信息表：共有9876条记录，经筛选保留字段为客户号、性别、年龄、受教育程度、婚否、未成年孩子的个数、职业、收入、房产、汽车、注册日期等。 商品数据表：有1561条记录，经筛选保留字段为商品号、商品名和商品属类标识。交易记录表：有97425条记录，经筛选保留字段为商品号客户号、单价、数量、小计、日期。建模的样本数据集由上述基本表融合而生成，新增变量平均购买金额、购买频率、客龄，在数据清理后，采用最小一最大标准将属性值标准化到[0，1]，形成我们的挖掘数据库。 3.模型评估 3.1基于SOM网络的聚类质心 经过预定次数的训练之后，客户被自动分为了5类，所得各簇的聚类质心如表1所示：表1 SOM聚类质心 簇C1C2C3C4C5 簇质心平均购买额0.3340.2410.2350.2350.34购买次数0.1130.0760.1140.080.119客龄0.7820.6270.5240.4180.272 3.2基于K-均值的聚类质心 为了进行比较，对样本数据指定K=5，执行k-均值后所得各簇的聚类质心如表2所示：表2 K-均值聚类质心 簇C1C2C3C4C5 簇质平均购买额0.170.3450.4190.3070.325购买次数0.580.3980.0810.0870.091

客户细分及客户关系策略研究

客户细分及客户关系策略研究 摘要：改革开放以来，我国社会市场经济体制下的各企业均得到迅猛发展，并在经济日益全球化趋势的影响下，逐渐成为提升国民经济的重要基础，尤其是中小企业的发展，日渐受到社会各界的广泛关注。近年来，企业在网络化信息时代下的发展逐渐呈现出多样化趋势，各企业都不同程度上提升自身的创新意识和能力。在企业生产经营中，对企业客户实施细分并促进与客户之间的关系，是企业能够得以生存和发展的重要前提。本文主要对客户细分的方法进行深入的探讨，同时着重研究客户关系的发展策略。 关键词：客户细分；客户关系；客户价值 客户细分与客户关系的发展和研究，主要是从企业的生存与发展的角度上进行的，通过对企业客户的潜在价值的分析和探讨，能够使企业对其客户有具体的认知和了解，并根据细分出来的客户采取不同的对待措施，以提升客户对企业的忠诚度。本文关于客户细分及客户关系的策略研究，通过从不同方面对企业客户的关系细分，探讨企业在面对客户时选择的维护关系方法，能够为当前存在客户处理关系问题的企业提供宝贵的建议，具有重要的实践意义。

一、客户细分的方法探讨 （一）依据客户行为产生的客户细分 客户细分首先可以体现在根据客户的行为，对企业的客户进行细分，主要是了解企业的客户在企业销售产品过程中，客户对相关产品所购买的频率、购买金额，而并非关注客户所购买产品后的满意程度。一方面，在通过客户行为对客户进行细分时，可以采用客户购买频率行为进行细分，此种细分行为着重关注的是客户当前购买产品的时间与前次 购买产品的时间，中间差额越短，说明客户与企业能够达成新交易的比例越大；抑或是一段时间内观察客户所购买产品的频率，频率越大则说明客户与企业之间的联系越强。另一方面，也可以采用客户购买金额行为进行细分，通过客户在特定期间内购买产品金额的行为分析，其金额越高，说明客户与企业产品之间的联系越强。 （二）依据客户价值产生的客户细分 在依据客户价值对企业客户进行细分过程中，可以从当前企业客户价值和未来潜在的客户价值进行细分。一方面，从当前客户价值进行细分，主要是对当前企业客户的购买能力和购买欲望进行分析，从客户购买企业产品的数量、频率、金额等方面，展开对当前客户价值的购买，一般情况下，当前的客户价值可以分为高价值、低价值和负价值三种客户，高价值客户是企业在生产经营中需要着重关注的客户。另一

客户关系管理-客户细分

客户关系与客户细分 一、简要解释客户细分的原因，并举例说明客户细分与客户关系生命周期及客户价值之间的关系。 客户细分的原因： 1、客户需求存在异质性 客户的需求因客户个人偏好、性格、思维方式等方面的不同而不同，所以客户需求、欲望及购买行为的多元化，导致客户需求满足呈现差异性。进行客户细分，可以更好的实现个性化服务。 2、客户金字塔理论 处在金字塔顶部的是贵宾型客户，再到重要级客户，最后到基础型客户。每一层次的客户对企业利润的贡献差别很大，通过研究客户交互的资料发现，50-60%的客户对企业而言是非赢利性的，同时那些消耗了企业60%-80%的售后支援资源的客户提供的利润仅占不足20%。3、有限的企业资源和有效的市场竞争 任何一个企业都不能单凭自己的人力、财力及物力来满足整个市场的所有需求，这不仅缘于企业自身条件的限制，而且在经济方面也不足取。因此，对客户进行有效的细分，集中企业资源，制定科学的竞争策略，以取得和增强竞争优势。 客户细分与客户关系生命周期的关系： 案例：上海金丰易居是一家房地产集团，在1995年，公司发现虽然有大量的客户资源，但是不能有效的利用这些客户信息，于是在当年引起eCRM系统，对拥有的大量客户进行细分，划分为不同生命周期的客户，准确分析客户需求，进行数据库资源共享，从而实现对客户的有效管理。 ①客户关系生命周期为客户细分提供依据 客户关系生命周期可分为考察期、形成期、稳定期和退化期四个阶段，每个阶段所表现出来的特征不一样，比如在交易量、价格、成本、间接收益等方面，而这些不同的方面为客户细分提供了依据。 ②客户细分有利于客户关系生命周期理论的应用 客户细分将根据时间问题、客户经验、购买决策、品牌忠诚等要素对客户进行了有效的细分，了解到不同的客户的不同需求，将客户划分

正确的营销策略应该要细分客户对象(职场经验)

正确的营销策略应该要细分客户对象(职场经验) 对客户不是简单的放弃掉，或是瞅准时机也来个“报复”？ 恩怨的产生有多重因素，后果往往给当事人彼此之间造成心理的不痛快。而面对恩怨的处理方式，大到国家会爆发战争，小到个人会产生拳脚，总之，在大多数情况下，人们对待恩怨的态度是：报复。这是一种本能，这是一种条件反射，而在这种态度利导下的行为，乃至最终的结果就是，恩怨还是恩怨，它没有转化成其它的东西，或者说对彼此有利的东西。 我们从事销售工作的，几乎没有不碰到被客户“扫地出门”的境遇，有的时候倍感受到侮辱，而这样的侮辱会随时出现，无法预计。对待这些由客户制造并传递给我们的压抑心结，应该采取什么态度？怎样去调节？是不是简单的放弃掉，或是瞅准时机也来个“报复”？我想，很多销售同道都有自己的答案和方式，在这里，本人谈一谈如何面对来自于客户方面的销售“恩怨”。 首先，我们要分清楚这些恩怨的性质，表象上是客户产生的，但是有没有可能是我们的原因而导致客户产生，也就是销售人员是不是在不合适的时间和地点用不合适的方法去拜访不合适的人。比方说：客户在门诊焦头烂额的接诊，我们硬要见缝插针；客户刚处理完医疗纠纷，我们去传递产品知识；客户职称考评没有通过，我们去邀请他开会；客户家庭发生烦心琐事，我们没有注意到……以上的种种情形，难免会引起客户的反感，那么作为客户本身对待销售人员的态度不好也就好理解了，即便是他把你轰出门或说你几句也是一种情绪的宣泄，非针对人而已。 这种恩怨的产生在很大程度上是由于销售人员自己造成的，是属于方法论的范畴，是方法执行不当而导致的后果。“原谅”你的客户是唯一的选择，尽快忘记这样的恩怨，尽快在合适的时间和地点用合适的方法去拜访合适的人。 我想，销售人员面临的客户恩怨大多数属于以上的范畴。 那么，还有一些恩怨的产生完全不在我们本身，完全是所谓的客户对于其职业地位过高的定位，对我们职业的层次过低的贬低，由此导致的人格和心灵上的侮辱。我本人就碰见过如此的客户，他们认为你的销售行为就是在乞求他，他们在获取了行业给与他们的巨大物质利益的同时，把销售人员的归类低层次化。无论是言语或是行为，都在损伤者我们的自尊。 这种恩怨是骨子里就带有的，是价值观不同所体现的，我们销售人员怎么办？去诅咒，去放弃?记

新客户价值细分模型探讨及在风险客户识别方面的应用讲解学习

新客户价值细分模型探讨及在风险客户识别方面的应用 来源：计费&OSS世界作者：闫森时间：2006年10月19日 本文针对电信运营企业建设客户关系管理系统（CRM）时所需要的客户细分模型从数学建模和模型应用等方面进行深入探讨，结合吉林联通CRM系统的建设给出了模型的实现方法，并给出了风险客户的判别参数及应用示例，具有较强的实用价值。 吉林联通客户关系管理系统的概要介绍 随着中国电信业市场竞争的激烈，传统的经营模式受到了很大的冲击，难以适应不断增长的市场需求，电信运营商必须从传统的经营模式向“以客户为中心，市场为导向”的经营模式转变。 中国联通吉林分公司的领导提出，必须以客户为中心，以客户的价值取向和消费心理为导向，进行客户细分，为用户提供高品质的服务，真正体现“创造需求”、“引导消费”的现代客户服务意识与理念。 中国联通吉林分公司基于CRM的理念及系统建设，针对客户的消费行为，根据客户价值的细分和不同的贡献度，制定相应的营销战略，开发适合的产品和服务，来赢得和保持客户。为了能在存量市场竞争中取胜，企业必须具有强大的客户关系维系能力，在为客户提供贴身的电信产品和服务的同时，为客户提供主动关怀，不断提高客户忠诚度。这就需要一个以客户为中心构建的客户价值细分系统，为客户提供一致的端到端差异化和个性化服务，为一线销售和服务人员提供实用高效的工作平台、全面的客户信息和销售、服务策略的指导建议。 2005年5月吉林联通基于CRM的理念，开始了“客户维系挽留、积分及代理商管理系统”即 CRM系统前期的建设工作，目前已经完成了统一客户资料、客户维系挽留、积分管理、代理商管理、集团客户管理、信用度管理等模块的建设，实现了CRM系统目标要求的部分功能。 客户价值细分的建设目标 客户价值细分的建设作为吉林联通CRM系统建设的重点，它涉整个系统的基础应用数据的抽取和整理，是进一步为客户提供个性化、差异化服务的基础，一个不断新建和整合的过程。 客户价值细分的建设目标为： （1）建立客户价值模型，实现科学、自动的模型处理。 （2）通过模型应用，节省成本，并充分进行差异化客户服务及个性化服务。 （3）通过细分模型，发掘不同价值和不同风险的用户，对“高价值低风险”、“高

客户关系管理-客户细分、关键细分特征、时间维度等对客户细分价值的体现讲解学习

一、简要解释客户细分的原因，并举例说明客户细分与客户关系生命周期及客户价值之间的关系。 客户细分的原因： 1、客户需求存在异质性 客户的需求因客户个人偏好、性格、思维方式等方面的不同而不同，所以客户需求、欲望及购买行为的多元化，导致客户需求满足呈现差异性。进行客户细分，可以更好的实现个性化服务。 2、客户金字塔理论 处在金字塔顶部的是贵宾型客户，再到重要级客户，最后到基础型客户。每一层次的客户对企业利润的贡献差别很大，通过研究客户交互的资料发现，50-60%的客户对企业而言是非赢利性的，同时那些消耗了企业60%-80%的售后支援资源的客户提供的利润仅占不足20%。3、有限的企业资源和有效的市场竞争 任何一个企业都不能单凭自己的人力、财力及物力来满足整个市场的所有需求，这不仅缘于企业自身条件的限制，而且在经济方面也不足取。因此，对客户进行有效的细分，集中企业资源，制定科学的竞争策略，以取得和增强竞争优势。 客户细分与客户关系生命周期的关系： 案例：上海金丰易居是一家房地产集团，在1995年，公司发现虽然有大量的客户资源，但是不能有效的利用这些客户信息，于是在当年引起eCRM系统，对拥有的大量客户进行细分，划分为不同生命周期的客户，准确分析客户需求，进行数据库资源共享，从而实现对客户的有效管理。 ①客户关系生命周期为客户细分提供依据 客户关系生命周期可分为考察期、形成期、稳定期和退化期四个阶段，每个阶段所表现出来的特征不一样，比如在交易量、价格、成本、间接收益等方面，而这些不同的方面为客户细分提供了依据。 ②客户细分有利于客户关系生命周期理论的应用 客户细分将根据时间问题、客户经验、购买决策、品牌忠诚等要素对客户进行了有效的细分，了解到不同的客户的不同需求，将客户划分为不同关系生命周期阶段的客户，从而实现对客户关系生命周期理论的准确应用和对客户的有效管理。

顾客细分模型及实证研究

第7期(总第272期) 2006年7月 财经问题研究 Research on F i n anc i a l and Econo m i c Issues Number7(General Serial No1272) July,2006 顾客细分模型及实证研究 赵保国 (北京邮电大学文法经济学院,北京　100876) 摘　要:本文从顾客忠诚和顾客价值这两个维度建立顾客细分模型。该模型既从顾客角度出发,考虑到不同顾客的差异化需求;又从企业角度出发,充分考虑到了企业资源配置与收益相匹配的原则。并且,本文还通过实证的方法来对通信行业的顾客群体进行细分,将其顾客分为四类,为企业制定有效的营销策略提供依据。 关键词:顾客细分;顾客价值;顾客忠诚 中图分类号:F28714 文献标识码:A 文章编号:10002176X(2006)0720085206 一、研究概论 顾客细分(Cust omer Seg mentati on)是指按照一定的标准将企业现有顾客划分为不同的顾客群。通过顾客细分,企业可以更好地识别不同的顾客群体,采取差异化的营销策略,从而有效地降低成本,同时获得更强、更有利可图的市场渗透[1]。现有的研究依据传统的市场细分理论进行了有益的探讨,例如采用人口统计学变量(如年龄、性别、收入、教育背景和职业等),或者顾客购买行为特征变量(如顾客购买量、购买频率和忠诚度等),亦或是顾客价值变量。但是,由于这些细分方法的提出是基于不同的研究目的和视角,尚不能满足顾客关系管理对于顾客细分更全面、细致的要求。 本文的研究目的就是尝试在已有研究结论的基础上,从顾客忠诚和顾客价值两方面提出一种具有可操作性的细分方法,为企业细分不同的顾客群体并配置相应的资源提供参考。 二、目前研究现状综述 S m ith W endell于1956年在探讨市场细分和产品差异策略这两种不同的产品策略时首先提出的。他认为“市场细分是基于某一时期市场中个体需求的不同特点而做出的产品决策,而产品差异策略则仅定位于市场竞争者,不考虑需求的复杂性。”[2] 从国内外相关文献来看,目前的顾客细分是在传统市场细分研究的基础上所进行的更为深入的研究,大体是从顾客、企业以及两者相结合这三个角度展开的。 11基于顾客的细分研究 W ilkie和Cohen最早按照不同的层次将细分变量分为五种:个人总体特征描述变量(如性别、年龄、职业、收入等)、心理图示、需要的价值、品牌感知和购买行为。Schiff man按照地理、人口、心理、社会文化、使用情境、利益以及混合细分变量进行归纳。Haley则认为在传统市场细分中,地理区域、人口统计和销量细分变量占据了统治地位。[3]从以上学者对传统市场细分变量的总结不难看出,它们实际上可以归属于三类———环境细分、心理细分和行为细分。 21基于企业的细分研究 顾客导向的细分方法是围绕顾客各方面差异展开的,目的是实现差异化营销策略。由于差异化必须付出相应的成本代价,过分关注顾客需求而忽视企业利益的细分则恰恰违背了市场细分的初衷———更好地集中有限资源为某一顾客群体提供差异化服务。于是,相当一部分学者就转向从企业角度出发研究细分方法,其成果集中体现在价值细分上。价值细分的思想就是以顾客价值为 收稿日期:2006205208 作者简介:赵保国(1971-),男,河南舞钢人,经济学博士,中国人民大学商学院博士后。

数据挖掘应用案例：RFM模型分析与客户细分完整版

数据挖掘应用案例：R F M模型分析与客户 细分 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】

数据挖掘应用案例：RFM模型分析与客户细分 分类：| 标签： 2012-01-21 21:39阅读(16854) 这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！

这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS ，，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言） 一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多少记录和字段的； Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G 空间预留，否则读取数据过程中将造成空间不足 海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别 是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断就悲剧了，呵呵； 数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作； 多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数据分隔符采用“|”存储； 如何强调一个数据挖掘项目和挖掘工程师对行业的理解和业务的洞察都不为过，好的数据挖掘一定是市场导向的，当然也需要IT人员与市场人员有好 的沟通机制；

公司用户调查项目策划总结报告

用户调查项目总结报告

XXX公司市场部·200x年x月

目录 用户调查项目总结报告 (1) 1. 用户调查项目概述 (2) 1.1项目名称和目标 (2) 1.2项目时刻 (2) 1.3项目组成员 (2) 1.4调查方法 (2) 1.4.1 样本选择 (2) 1.4.2 问卷设计 (3) 1.4.3 问卷发放和回收 (3) 1.5项目成果概述 (3) 2. 数据分析 (5) 2.1用户差不多情况 (5) 2.2产品认知度 (6) 2.2.1 按用户年龄细分的产品认知度 (6) 2.2.2 按用户地域细分的产品认知度 (6) 2.3产品和服务中意度 (8) 2.3.1 按年龄细分的产品和服务中意度 (8) 2.3.2 按地域细分的产品和服务中意度 (8)

3. 调查结论 (10) 4. 结语 (11)

1.用户调查项目概述 1.1项目名称和目标 项目名称：XXX公司市场部200x年国内目标用户认知度和中意度调查项目 项目目标：通过抽样调查的方法，猎取国内要紧省市目标用户对X产品的认知度和中意度的差不多情况，为公司产品研发、市场宣传和商业运作提供较为客观、准确的数据基础。 1.2项目时刻 开始时刻：200x年x月1日 结束时刻：200x年x月25日 1.3项目组成员 项目责任人：×× 调查问卷设计：××、×× 调查样本选择：××、× 用户采访和问卷发放：×、×、××、××、× 问卷回收和结果统计：×、××、××、× 数据分析和报告：××、××、×× 1.4调查方法 此次调查要紧在XXX公司设有分支机构（分公司或办事处）

的省市开展，选择调查对象时结合使用了重点抽样和随机抽样的方法，在设计调查问卷时则强调客观问题和主观问题相结合，以客观问题为主的设计方法。 1.4.1样本选择 参与此项调查的省、直辖市共计21个。 在选择调查样本时，XXX公司在21个省、直辖市的分公司或办事处市场负责人首先提供了历年积存的地区用户数据和潜在用户信息。在此数据基础上，我们在重点用户中按照兼顾不同产品、不同类不、不同职业、不同年龄段的原则，抽选出50%的样本。 随后，我们又与信源市场调查有限公司合作，从21个省、直辖市的一般消费者中，按照XXX公司的目标用户筛选方式，在符合目标用户类型的不同职业、不同年龄段的消费者中随机抽取了50%的样本。 1.4.2问卷设计 调查问卷在设计上要紧包括四方面的内容： 用户差不多信息调查：包括用户的性不、年龄、职业、文化程度、家庭情况、个人爱好、同类产品消费经历等差不 多信息。

市场营销毕业论文网络营销环境下的客户细分及营销策略分析

网络营销环境下的客户细分及营销策略分析 摘要:随着商务在各个领域的广泛应用,的购物群体迅速的扩大和成熟,开展电子商务和进行网络营销的意识逐步增强。因此,在网络营销环境下对客户管理的理论和方法的研究,是每个企业都必须面对的一个重要课题。本文在对网络营销的客户进行细分的基础上,探讨了电子商务企业面对不同类型的客户应该采取的营销策略。 关键词:网络营销客户细分营销策略 进入21世纪,互联网技术得到了飞速,电子商务也正在以令人难以置信的速度渗透到社会发展的各个领域。网络营销作为一种新兴的营销渠道已经向传统营销提出了挑战。传统营销是以卖方市场导向,着眼于实物流,强调以产品为中心的营销理念。而网络营销则以买方市场即客户需求为导向,着眼于信息流,强调以客户为中心的经营理念,所有的营销手段都是为了满足客户的需求并且与客户建立良好而持久的密切关系。因此,企业关注的焦点应该从如何不断地改进产品转移到如何建立客户忠诚上来,以客户为中心的客户关系管理已经成为电子商务时代企业制胜的关键。而客户关系管理的第一步就是要进行客户细分。 1. 网站客户细分的重要性 由于网络开放性以及不受物理地址局限的优点,使得一个购物类电子商务网站的潜在客户非常的广泛,全世界范围内所有这个网站的访问者都是企业的潜在客户。但据调查显示,目前网络营销的一个基本现状是:95%以上的访问者(潜在客户)在浏览企业网

站过后,都悄然离开而且并没有主动与企业联系,也就是说:电子商务网站每天都在流失95%的网络商机…这是今天传统网络营销的尴尬,有了庞大的潜在客户不等于有了真实的客户。 明确了潜在客户群之后,电子商务网站必须进行详细的客户细分。这是因为,在现实生活中,由于人与人的性别、年龄、职业、收入、生活背景等诸多条件的不同,使得他们对同一事物或者产品有着完全不同的看法和观点,对同一产品或服务的需要和欲望存在着明显的差别。对于企业来说,同一产品或服务不可能满足市场上所有的客户的需要,而只能面向某一种主导型客户另加若干种非主导型客户。针对多样化的消费群体,客户细分的目的就是将客户通过不同的指标进行细分,识别最能获利的客户群,确定核心目 标客户市场,分析不同客户群体的特征和需求,实施不同的策略,为目标客户提供一对一的个性化的服务,进而使客户关系管理真正成为网络营销的助推器。 2. 网络营销环境下的客户细分 2009年1月,互联网络信息中心(CNNIC)发布《第23次中国互联网络发展状况统计报告》。数据显示,截止2008年12月31日,我国网民总人数达到2.98亿人,1年新增8800万。2008年12月,网民网络购物比例是28%。这表明:剩下的72%的网民有可能成为将来电子商务庞大的消费人群。但是每个登陆电子商务网站的 网民的目的是有所不同的,根据他们对网站的使用用途的不同我们把所有的电子商务网站的客户群体划分为三类: 2.1单纯浏览者:指的是在偶然情况下(比如通过搜索引擎)进入一个网站,没有明确的目的,没有明确的购买计划,只是单纯浏览页面的群体。这类群体是网站的潜在客户,每一个浏览者都是企业的潜在的购买力,浏览者是网上最大的一类群体,资料显示:网站的访问者中有90%属于单纯浏览者。