客户细分（Customer Segmentation）是指根据一定的分类指标将商家的现有客户划分到不同的客户群的过程。客户细分不仅对商家的经营管理具有重要意义，而且也是客户关系管理的核心概念之一。将现有的企业客户进行细分，不仅能够降低企业的营销成本，而且有利于企业采取更为有利可图的市场渗透策略。通过客户细分，商家可以识别不同客户群的不同需求，从而针对不同客户采取有针对性的营销策略，这将有利于提高客户的满意度和忠诚度。
客户细分一般是在商家明确的业务目标、市场环境下进行的，它根据客户价值、客户行为、客户偏好等因素对客户进行分类，属于同一客户群的客户具有一定的相似性，属于不同客户群的客户存在一定的差异性。客户细分的理论依据主要有以下几个方面。
（1）客户需求的异质性。客户有需求才会购买商品，不同的客户需求决定了消费者购买不同的商品，进而表现出不同的客户购买行为。客户需求的异质性是客户细分的重要理论依据。
（2）消费档次假说。消费档次假说认为，消费者的消费水平增长不是线性的，而是阶段台阶式的，当消费者的消费水平达到一定档次时就会趋于稳定，并且很长一段时间内不会变化。根据消费档次假说，消费者的消费行为在一定时间范围内是稳定的，是具有规律性的，这就为客户细分在理论上提供了基础和前提。
（3）企业资源的有限性。任何企业的资源都不是无限的，这就要求企业对有限的资源进行合理、有效的分配。客户细分能够帮助商家识别不同客户的不同客户价值，有利于商家针对不同的客户群采取不同的营销策略，将有限的企业资源用于服务好对企业有重要贡献价值的客户。
（4）客户群的稳定性。客户群的稳定性是客户细分的重要前提。如果客户和市场不具有相对的稳定性，客户细分后的结果未来得及进入实际应用，市场和客户就已发生变化，那么这样的客户细分就没有任何实际意义。
1.客户分类的常用方法
在进行分析客户之前，一般会先对客户进行一定的区分，以保证在做具体客户分析时更有针对性。而这样分类的方法也是多种多样的，下面介绍其中几种。
（1）AB客户分类。AB客户分类的分割点采用2∶8原则：20％为A类客户、80％为B类客户。对于贡献了80％利润的所有A类客户，企业务必使他们非常满意，而让部分B类客户逐渐提高满意度，这样的企业的客户管理工作就是做得比较有效的。因为一个企业的资源是有限的，需要根据客户占用公司的资源比例，选择一定的比例构成分割点来对客户进行分类，合理分配资源。
（2）客户多维分类。描述客户属性的要素有很多，包括地址、年龄、性别、收入、职业、教育程度等信息。
根据这些客户属性，可以进行多维的组合型分析，挖掘客户的个性需要，找出客户最需要的商品，并且做到快速、准确。客户多维分类主要考虑的就是根据客户购买的商品进行分类，这样就可以根据经验将客户分为不同组，便于进一步进行特征分析。
（3）客户价值发现分类。通过以下定义的价值指标和设定的参数来计算客户价值分数，可以对客户进行价值等级的分类。例如，交易类指标，包括交易次数、交易额/利润、毛利率、平均单笔交易额、最大单笔交易额、退货金额、退货次数、已交易时间、平均交易周期、销售预期金额；财务类指标，包括最大单笔收款额、平均收款额、平均收款周期、平均欠款额、平均欠款率；联络类指标，包括相关任务数、相关进程数、客户表扬次数/比例、投诉次数/比例、建议次数/比例；特征类指标，包括客户自身的一些特征如企业规模、注册资金、区域、行业、年销售额、是否为上市公司等，如果是个人客户，其特征属性可以设为年龄、学历、婚姻状况、月收入、喜好颜色、是否有车、有无子女等。
（4）客户价值分类。根据价值指标设定客户价值金字塔模型，根据客户价值金字塔模型设置客户价值等级的区段。例如，可将客户价位设置为四个区间：VIP客户、重要客户、普通客户和小客户。
（5）潜在客户的分类。辨别潜在客户的方法有很多，这里举例进行具体说明：一是通过各种方法接触客户，并通过社会活动、销售活动等方法进行甄别；二是根据客户购买特征进行甄别，可以做以下分类——确定购买的，有兴趣的，热衷的，观望中的，停止的；三是根据客户购买时机进行甄别，如准备一个月内购买，准备2～3个月购买，有希望最终购买，等等。
2.RFM客户细分模型
客户细分模型就是依据一定的细分变量，将客户进行分类的方法。依据一定的客户细分模型将客户细分，能够有效地降低成本，同时获得更好的、更有利可图的市场渗透效果。RFM细分模型是广泛应用于数据库营销的一种客户细分方法。它是通过客户购买行为中的“最近一次购买（Recency）”“购买频率（Frequency）”和“购买金额（Monetary）”三个数据，来了解客户的层次和结构、客户的质量和价值以及客户流失的原因，从而为商家制定营销策略提供支持。细分模型针对不同的客户采取不同的策略，同时识别其中的行为差异，对不同的客户行为进行购买预测。
RFM模型三个指标解释如下。
（1）最近一次购买。最近一次购买是指客户最近一次购买时间距分析时点的天数。天数越小，说明客户购买商品的时间越近。理论上，最近一次购买时间比较近的客户对商家提供的商品或服务信息更为关注，再次购买的可能性比较大。营销人员若想业绩有所成长，只能靠挤占竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。分析显示，如果商家能让消费者购买，他们就会持续购买。这也就是0～6个月的顾客收到营销人员的沟通信息多于31～36个月的顾客的原因。(www.xing528.com)
最近一次购买的过程是持续变动的。在顾客距上一次购买时间满一个月之后，在数据库里就成为最近一次购买为两个月的客户。反之，同一天，最近一次购买为3个月前的客户作了其下一次的购买，他就成为最近一次购买为一天前的顾客，也就有可能在很短的期间内收到新的折价信息。
最近一次购买的功能不仅在于提供的促销信息，营销人员的最近一次购买报告可以监督营销业务的健全度。优秀的营销人员会定期查看最近一次购买分析，以掌握趋势。月报告如果显示上一次购买很近的客户，（最近一次购买为1个月的）人数如增加，则表示该公司是个稳健成长的公司；反之，如上一次购买为一个月的客户越来越少，则是该公司迈向不健全之路的征兆。
最近一次购买报告是维系顾客的一个重要指标。最近才购买商家的商品、服务或是光顾商家店铺的消费者，是最有可能再向商家购买商品或服务的顾客。再则，要吸引一个几个月前才上门的顾客购买，比吸引一个一年多以前来过的顾客要容易得多。营销人员如接受这种强有力的营销哲学——与顾客建立长期的关系而不仅是卖东西，会让顾客持续保持往来，并赢得他们的忠诚度。
（2）购买频率。购买频率是指在一定时间内客户购买的次数。购买频率越高，说明客户的忠诚度及价值越高。对于不同的行业，客户的平均购买频率是不同的。商家要根据自身的特点，制定客户购买频率的评价标准。增加顾客购买的次数意味着从竞争对手处挤占市场占有率，从别人的手中赚取营业额。
根据这个指标，又可以对客户进行细分，通过细分相当于建立一个“忠诚度的阶梯”（Loyalty Ladder），其诀窍在于让消费者一直顺着阶梯往上爬，把销售想象成是要将两次购买的顾客往上推使其成为实现三次购买的顾客，把一次购买者变成两次购买者。
（3）购买金额。购买金额是指在一定时间内客户消费的金额。通过客户的消费金额，可以衡量出客户对商家的贡献程度。
购买金额是所有商业数据分析报告的支柱，也可以验证“帕累托法则”——公司80％的收入来自20％的顾客。
如果商家的预算不多，而且只能提供商务信息给2000个或3000个顾客，商家是首选将信息邮寄给贡献40％收入的顾客，还是那些不到1％的顾客？
RFM分析模型早在1989年就被提出，分析的对象是客户的购物篮，而不是具体的商品。RFM模型最初运用于直销（Direct Marketing）领域，但在商用PC机及关系型数据库等技术逐渐成熟并普及后，才在1990年以后广泛用于零售业态。RFM模型具有计算过程简单、算法易懂、数据获取容易的特点，在不需要借助专业分析软件的情况下就可以对客户的消费行为进行分析，受到了零售业界的欢迎，并经常运用于客户忠诚度、客户价值分析，成为零售行业数据分析的重要工具。
3.客户价值矩阵模型
客户价值矩阵模型是对RFM模型的改进，它消除了消费次数与总消费额之间的多重共线性，用平均消费额代替总消费额。客户价值矩阵分析剔除了Recency变量，它由消费次数（F）与平均消费额（A）构造而成，使细分结果变得更加简单。客户价值矩阵将客户划分为四种类型，即优质型客户、消费型客户、经常型客户和不确定型客户，如图6-4所示。
①优质型客户：他们是企业的基础，是企业利润的主要来源，必须保持。
②消费型客户：他们的平均消费额很高，但消费次数过低，最好的策略是设法增加他们的消费次数。
③经常型客户：他们高频率地消费证明了对企业的忠诚，对他们最适合的策略是通过促销、交叉销售、销售推荐等办法来增加他们的消费金额。
④不确定型客户：对他们要进行筛选，企业要争取将不确定型客户变成消费型客户或是经常型客户甚至是优质型客户，将营销的重点放到不确定的新客户身上，必要的时候可以对他们采取放弃的策略。
图6-4 客户价值矩阵模型
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
