要想建立并保持真正的客戶忠誠，企業(yè)內部需要對客戶有一個統(tǒng)一的認識，即常常說的“統(tǒng)一客戶視圖”，敏銳把握每個顧客的需求變化并且提供有針對性的服務。一直以來，熱炒的客戶關系管理是建立和實現(xiàn)企業(yè)統(tǒng)一客戶視圖的目標架構，而客戶數(shù)據則是使這個架構得以有效運作的核心基礎。客戶關系有效性的核心是企業(yè)掌握全面、可靠的客戶數(shù)據，并且深入理解這些數(shù)據，應用于客戶營銷的實踐中。

　　客戶數(shù)據是客戶細分的核心資源

　　傳統(tǒng)的客戶細分，是戰(zhàn)略層次的客戶細分，一般是將客戶劃分成6至10個基本的細分類別。并且圍繞這些基本的細分類別進行營銷的策劃和實施。
 

　當今的市場情況是，客戶經常會根據自身的需求改變其類別，也就是說經常在不同的細分類別間進行遷移；有些客戶并不完全屬于其中的某一個細分類別，有時會具有某兩個或多個細分類別的特征，從而會出現(xiàn)一些新的客戶細分類別。

　　客戶細分的主要內容包括：

　　　確定企業(yè)應該收集的客戶數(shù)據類型，以及在企業(yè)范圍內采集和整合這些數(shù)據的方法；

　　　應用統(tǒng)計分析算法或建立客戶分析模型，分析客戶數(shù)據，并將分析結果作為客戶細分的基礎；

　　　通過整合市場營銷部門、客戶服務部門和技術支持部門的數(shù)據庫營銷戰(zhàn)役的實踐，在公司內部建立起良好的協(xié)作，使營銷和客戶服務部門與IT部門緊密合作，確保相關人員都能正確一致的理解客戶細分的目的，并通過營銷實踐來驗證和完善客戶細分的結果；

　　　建立和實施有效的客戶分析基礎，支持客戶信息在企業(yè)內部高效的采集、存貯、處理、分析和應用的過程

　　越來越多的電信企業(yè)、銀行、金融機構、大型零售企業(yè)都采用了復雜的數(shù)據分析和挖掘工具，以便一些非技術型的營銷部門或服務部門用戶能夠利用大量的事務處理級數(shù)據來輔助進行有效的客戶細分。

　　營銷人員借助于當今先進的數(shù)據分析軟件解決方案，可以對客戶進行動態(tài)細分，從而大大提升營銷效率，增強了營銷效果。企業(yè)的營銷人員也必須具備能夠動態(tài)地分析和維護客戶細分類別的能力。

　　企業(yè)采集和應用客戶信息的困惑

　　企業(yè)在進行以客戶為核心的營銷策劃與服務設計時，經常發(fā)現(xiàn)企業(yè)以前所積累的數(shù)據和信息大多都是以交易為核心的交易數(shù)據，而以客戶為核心的客戶信息往往極為缺乏。企業(yè)的營銷策劃人員在面對這些情況時，往往想到的是：是否需要更好的描述客戶的方法和技術？

　　那么，應當如何對客戶更有效的進行描述以及相關信息的采集呢？　

　　認識客戶信息的三種基本類型

　　首先，讓我們先認識一下客戶信息的基本類型。

　　客戶信息主要分為描述類信息、行為類信息和關聯(lián)類信息三種類型。下面簡單介紹這三種基本的客戶信息類型的特點。

　　描述類信息

　　客戶描述類信息主要是用來理解客戶的基本屬性的信息，如個人客戶的聯(lián)系信息、地理信息和人口統(tǒng)計信息，企業(yè)客戶的社會經濟統(tǒng)計信息等。這類信息主要來自于客戶的登記信息，以及通過企業(yè)的運營管理系統(tǒng)收集到的客戶基本信息。

　　這類信息的內容大多是描述客戶基本屬性的靜態(tài)數(shù)據，其優(yōu)點是大多數(shù)的信息內容比較容易采集到。但是一些基本的客戶描述類信息內容有時缺乏差異性，而其中的一些信息往往涉及到客戶的隱私，如客戶的住所、聯(lián)絡方式、收入等信息。

　　對于客戶描述類信息最主要的評價要素就是數(shù)據采集的準確性。

　　在實際情況中，經常有一些企業(yè)知道為多少客戶提供了服務，以及客戶購買了什么，但是往往到了需要主動聯(lián)絡客戶的時候，才發(fā)現(xiàn)往往缺乏能夠描述客戶特征的信息和與客戶建立聯(lián)系的方式，或是這些聯(lián)絡方式已經失效了，這都是因為企業(yè)沒有很好的規(guī)劃和有意識的采集和維護這些客戶描述類信息。

　　行為類信息

　　客戶的行為類信息一般包括：客戶購買服務或產品的記錄、客戶的服務或產品的消費記錄、客戶與企業(yè)的聯(lián)絡記錄，以及客戶的消費行為、客戶偏好和生活方式等相關的信息。

　　客戶行為類信息的主要目的是幫助企業(yè)的市場營銷人員和客戶服務人員在客戶分析中掌握和理解客戶的行為。客戶的行為信息反應了客戶的消費選擇或是決策過程。

　　行為類數(shù)據一般都來源于企業(yè)內部交易系統(tǒng)的交易記錄、企業(yè)呼叫中心的客戶服務和客戶接觸記錄，營銷活動中采集到的客戶響應數(shù)據，以及與客戶接觸的其他銷售人員與服務人員收集到的數(shù)據信息。有時企業(yè)從外部采集或購買的客戶數(shù)據，也會包括大量的客戶行為類數(shù)據。

　　客戶偏好信息主要是描述客戶的興趣和愛好的信息。比如有些客戶喜歡戶外運動，有些客戶喜歡旅游，有些客戶喜歡打網球，有些喜歡讀書。這些數(shù)據有助于幫助企業(yè)了解客戶的潛在消費需求。

　　企業(yè)往往記錄了大量的客戶交易數(shù)據，如零售企業(yè)就記錄了客戶的購物時間、購物商品類型、購物數(shù)量、購物價格等等信息。電子商務網站也記錄了網上客戶購物的交易數(shù)據，如客戶購買的商品、交易的時間、購物的頻率等。對于移動通信客戶來說，其行為信息包括通話的時間、通話時長、呼叫客戶號碼、呼叫狀態(tài)、通話頻率等等。對于電子商務網站來說，點擊數(shù)據流記錄了客戶在不同頁面之間的瀏覽和點擊數(shù)據，這些數(shù)據能夠很好的反應客戶的瀏覽行為。

　　與客戶描述類信息不同，客戶的行為類信息主要是客戶在消費和服務過程中的動態(tài)交易數(shù)據和交易過程中的輔助信息，需要實時的記錄和采集。

　　在擁有完備客戶信息采集與管理系統(tǒng)的企業(yè)里，客戶的交易記錄和服務記錄是非常容易獲得，而且從交易記錄的角度來觀察往往是比較完備的。

　　但是需要認識到的是，客戶的行為信息并不完全等同與客戶的交易和消費記錄?？蛻舻男袨樘卣魍枰獙蛻舻慕灰子涗浐推渌袨閿?shù)據進行必要的處理和分析后得到的信息匯總和提煉。

　　衡量客戶行為類信息的主要因素是信息的完備性。在進行客戶細分或客戶分析時，往往會發(fā)現(xiàn)這樣的情況：企業(yè)已經記錄了大量的客戶交易記錄，但是反映客戶行為特征的一些關鍵信息往往沒有被準確的記錄下來，而企業(yè)記錄的交易信息中的很多信息項在客戶分析中并沒有直接的做用。這也說明，客戶的行為類信息的原始數(shù)據量是非常龐大的，而且往往涉及多個企業(yè)應用信息系統(tǒng)的信息集成和應用，其復雜度也會超過客戶的描述類信息的分析和應用。

　　以電信企業(yè)為例，國內一個擁有百萬左右用戶的中級城市的運營商就會擁有數(shù)量非常龐大的客戶通話記錄和賬單記錄，而這些記錄往往是基于計費的需要來設計和存貯的，這些數(shù)據往往存貯在計費系統(tǒng)、營帳系統(tǒng)和客戶服務系統(tǒng)中。當進行客戶分析時，往往需要建立專門的客戶數(shù)據庫，并且從不同的系統(tǒng)中抽取、轉換、并加載到客戶分析數(shù)據庫中，而這一過程中，又往往需要對不同信息系統(tǒng)中的原始數(shù)據記錄進行數(shù)據的轉換、重新標定或是生成分析所需的衍生數(shù)據項。

　　關聯(lián)類信息

　　客戶的關聯(lián)類信息是指與客戶行為相關的，反映和影響客戶行為和心理等因素的相關信息。企業(yè)建立和維護這類信息的主要目的是為了更有效的幫助企業(yè)的營銷人員和客戶分析人員深入理解影響客戶行為的相關因素。

　　客戶關聯(lián)類信息經常包括客戶滿意度、客戶忠誠度、客戶對產品與服務的偏好或態(tài)度、競爭對手行為等等。

　　這些關聯(lián)類信息有時可以通過專門的數(shù)據調研和采集獲得，如通過市場營銷營銷調研、客戶研究等獲得客戶的滿意度、客戶對產品或服務的偏好等；有時也需要應用復雜的客戶關聯(lián)分析來產生，如客戶忠誠度、客戶流失傾向、客戶終身價值等等?？蛻絷P聯(lián)類信息經常是客戶分析的核心目標。

　　以移動通信企業(yè)來說，其核心的關聯(lián)類信息就包括了客戶的終生價值、客戶忠誠度、客戶流失傾向、客戶聯(lián)絡價值、客戶呼叫傾向等等。

　　關聯(lián)類信息所需的數(shù)據往往較難采集和獲得，即使獲得了也不容易結構化后導入到業(yè)務應用系統(tǒng)和客戶分析系統(tǒng)。

　　規(guī)劃、采集和應用客戶關聯(lián)類信息往往需要一定的創(chuàng)造性，而采集與應用也不是簡單的技術問題，而往往是為了實現(xiàn)市場管理或客戶管理直接相關的業(yè)務目標服務的業(yè)務問題，如提高客戶滿意度、提高客戶忠誠度、降低客戶流失率、提高潛在客戶發(fā)展效率、優(yōu)化客戶組合等核心的客戶營銷問題。

　　很多企業(yè)關沒有有意識的采集過這類信息，而對于高端客戶和活躍客戶來說，客戶關聯(lián)類信息可以有效的反映客戶的行為傾向。對于很多企業(yè)來講，尤其是服務類企業(yè)，有效的掌握客戶關聯(lián)類信息對于客戶營銷策略和客戶服務策略的設計的實施是至關重要的。一些沒能很好的采集和應用這些信息的企業(yè)往往會在競爭喪失競爭優(yōu)勢和客戶資源。

　　企業(yè)建立客戶信息視圖的挑戰(zhàn)

　　在了解的客戶信息的基本類型后，接下來的一個問題就是如何應用客戶的基本信息類型來建立適合企業(yè)及其客戶特點的客戶信息架構，并以此作為企業(yè)營銷和服務的客戶信息基礎，在企業(yè)范圍內建立起統(tǒng)一的客戶信息視圖。

　　所謂客戶信息視圖，就是通過適合行業(yè)客戶特征的綜合客戶細分變量集合，完整的描述企業(yè)客戶的信息架構?？蛻粜畔⒁晥D是企業(yè)建立統(tǒng)一的客戶視圖的基礎，也是進行客戶數(shù)據采集與管理，客戶數(shù)據建模和客戶數(shù)據分析，以及客戶信息應用的核心架構。

　　企業(yè)在建立客戶信息視圖時，需要綜合考慮客戶信息變量的可獲得性與可細分性。所謂可獲得性，是指具體細分變量采集的難易程度、可能性、可靠性和準確性的度量，如客戶的收入水平，就屬于較難采集的細分變量，其準確性也經常受到限制，而且這一變量經常隨著客戶狀態(tài)的變化而變化。而可細分性，是指細分變量被用來進行客戶細分或客戶分析的可操作性。當然，行業(yè)不同，客戶類型不同，不同的客戶細分變量所反映的可獲得性與可細分性也不同。

　　如何應用客戶信息類型建立客戶信息視圖

　　企業(yè)建立客戶信息視圖，需要對于企業(yè)的產品與服務特征、客戶的群體特征和消費行為、企業(yè)信息系統(tǒng)應用現(xiàn)狀進行系統(tǒng)的分析，才能應用對于客戶信息變量的理解建立起適合、有效的企業(yè)客戶信息架構。

　　在我以前對一個服務于高端商務客戶的企業(yè)進行客戶分析的咨詢實例中，該企業(yè)就面臨著如何建立有機的客戶信息視圖的挑戰(zhàn)。該企業(yè)的營運管理系統(tǒng)和客戶服務系統(tǒng)中記錄著相對完善的客戶消費信息、服務記錄和財務信息，但是一些需要的客戶特征信息和消費傾向信息無法直接獲得，很多關鍵的客戶信息沒有進行過有機的采集。

　　該企業(yè)在進行客戶管理和客戶營銷中面臨著以下幾項主要挑戰(zhàn)：

　　缺乏合理的客戶分類造成了客戶描述類信息收集不完整。由于缺乏相對合理的客戶分類，僅僅記錄了客戶登記入會時的基本信息和部分關聯(lián)信息，缺乏深入的描述類信息的采集和更新機制。

　　該企業(yè)的營運管理系統(tǒng)記錄了會員客戶的主要消費行為記錄，但還沒有加工成可供客戶分析應用的信息。如營運管理系統(tǒng)記錄了會員客戶的消費記錄，但僅有按消費場所或消費項目等的財務統(tǒng)計，沒有對客戶的消費記錄以客戶為核心的相關維度進行匯總，不能從時間、時段、消費水平等維度上匯總出客戶的消費行為分布數(shù)據。

　　該企業(yè)策劃和實施過多次營銷活動，但是對于組織的活動，沒有建立起系統(tǒng)的采集相關信息的機制。雖然組織過多次大型的活動，但沒有留下系統(tǒng)化的活動信息記錄，不能對活動的效果和客戶的傾向行為進行更為有效的深入分析。

　　嚴重缺乏關聯(lián)類客戶信息。該企業(yè)基本上沒有系統(tǒng)的進行過客戶滿意度、客戶忠誠度、競爭對手分析等相關的關聯(lián)類客戶信息的采集和分析工作。不能有效的為進一步為高端客戶提供更為深入的服務提代支撐。

　　在對該會員企業(yè)進行客戶信息架構規(guī)劃時，首要的任務是進行合理的客戶數(shù)據信息模型的規(guī)劃，建立起合理的客戶信息變量描述維度，規(guī)劃客戶分析所需要采集的數(shù)據類型和具體的數(shù)據項目，并將這些客戶數(shù)據采集需求與企業(yè)的營運管理系統(tǒng)、客戶服務系統(tǒng)、以及具體的業(yè)務流程有機的結合，通過企業(yè)運營過程的具體實施環(huán)節(jié)，有序的采集和管理客戶數(shù)據，才能在此基礎上進行更為有效和深入的客戶分析應用。

　　通過對該企業(yè)產品與服務特點和客戶特征進行分析后發(fā)現(xiàn)，描述和分析該企業(yè)客戶的信息需求主要包括人口統(tǒng)計、活動行為、接觸歷史、客戶價值、支付記錄、公司組織、地理因素、消費場所、感覺認知、態(tài)度意向、客戶需求等十幾個基礎屬性。

　　通過對該企業(yè)的信息系統(tǒng)應用現(xiàn)狀進行分析后，將該會員企業(yè)的客戶信息進行整合并劃分為由以下的七大類基本信息屬性組成的客戶信息架構：即客戶基本信息、客戶聯(lián)絡信息、客戶狀態(tài)信息、客戶賬戶信息、客戶行為信息、客戶服務信息和客戶擴展信息。再根據該企業(yè)核心服務產品相結合的客戶營銷與客戶服務管理的實際需求細分，將每一基本的大類細分為相應的客戶信息變量。