大数据精准营销之客户细分

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。

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。

 

一、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。

 

二、 怎么对大数据客户细分

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。

三、  怎么对大数据客户细分

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。

四、 怎么用大数据客户细分

1)依据客户细分结果,找到目标价值客户,集中资源投入,提升客户黏度,实现降本增效;

2)依据客户细分结果,对不同客群开展有针对性营销,也就是我们说的差异化精准营销,以满足不同客群的需求,提升客户满意度;

3)依据客户细分结果,了解客户分布情况,为客户管理决策、产品设计开发等提供重要的参考意义。

申请开通侯斯特账号