在当今激烈竞争的市场环境中，传统中的营销方式已经不能满足市场竞争的需要，越来　越多的企业意识到，如果不能了解客户的需求差异性，并有效的在营销中应用差异化营销，企业将很难在竞争中取得优势。随着直复营销理论和信息技术的进步和迅速发展，以及市场竞争的加剧及客户需求的不断分化，越来越多企业的营销重心从传统的市场营销方式，在营销渠道选择、客户分群与客户识别、营销策划和营销战役管理等方面，向以客户为中心的直复营销进行迁移。　　

　　客户信息是直复营销的基石

　　直复营销的核心是掌握客户的信息，并且通过对客户的深入理解，与客户建立良好的互动关系，以增加客户的满意度和忠诚度。

　　要想建立并保持真正的客户忠诚，企业内部需要对客户有一个统一的认识，即常常说的“统一客户视图”，敏锐把握每个顾客的需求变化并且提供有针对性的服务。一直以来，热炒的客户关系管理是建立和实现企业统一客户视图的目标架构，而客户数据则是使这个架构得以有效运作的核心基础。客户关系有效性的核心是企业掌握全面、可靠的客户数据，并且深入理解这些数据，应用于客户营销的实践中。　　

　　客户数据是客户细分的核心资源

　　传统的客户细分，是战略层次的客户细分，一般是将客户划分成6至10个基本的细分类别。并且围绕这些基本的细分类别进行营销的策划和实施。　　

　　当今的市场情况是，客户经常会根据自身的需求改变其类别，也就是说经常在不同的细分类别间进行迁移；有些客户并不完全属于其中的某一个细分类别，有时会具有某两个或多个细分类别的特征，从而会出现一些新的客户细分类别。　　

　　客户细分的主要内容包括：

　　 确定企业应该收集的客户数据类型，以及在企业范围内采集和整合这些数据的方法；

　　 应用统计分析算法或建立客户分析模型，分析客户数据，并将分析结果作为客户细分的基础；

　　 通过整合市场营销部门、客户服务部门和技术支持部门的数据库营销战役的实践，在公司内部建立起良好的协作，使营销和客户服务部门与IT部门紧密合作，确保相关人员都能正确一致的理解客户细分的目的，并通过营销实践来验证和完善客户细分的结果；

　　 建立和实施有效的客户分析基础，支持客户信息在企业内部高效的采集、存贮、处理、分析和应用的过程。　　

　　越来越多的电信企业、银行、金融机构、大型零售企业都采用了复杂的数据分析和挖掘工具，以便一些非技术型的营销部门或服务部门用户能够利用大量的事务处理级数据来辅助进行有效的客户细分。

　　营销人员借助于当今先进的数据分析软件解决方案，可以对客户进行动态细分，从而大大提升营销效率，增强了营销效果。企业的营销人员也必须具备能够动态地分析和维护客户细分类别的能力。

　　企业采集和应用客户信息的困惑

　　企业在进行以客户为核心的营销策划与服务设计时，经常发现企业以前所积累的数据和信息大多都是以交易为核心的交易数据，而以客户为核心的客户信息往往极为缺乏。企业的营销策划人员在面对这些情况时，往往想到的是：是否需要更好的描述客户的方法和技术？　　

　　那么，应当如何对客户更有效的进行描述以及相关信息的采集呢？　　

　　认识客户信息的三种基本类型

　　首先，让我们先认识一下客户信息的基本类型。

　　客户信息主要分为描述类信息、行为类信息和关联类信息三种类型。下面简单介绍这三种基本的客户信息类型的特点。　　

　　描述类信息

　　客户描述类信息主要是用来理解客户的基本属性的信息，如个人客户的联系信息、地理信息和人口统计信息，企业客户的社会经济统计信息等。这类信息主要来自于客户的登记信息，以及通过企业的运营管理系统收集到的客户基本信息。　　

　　这类信息的内容大多是描述客户基本属性的静态数据，其优点是大多数的信息内容比较容易采集到。但是一些基本的客户描述类信息内容有时缺乏差异性，而其中的一些信息往往涉及到客户的隐私，如客户的住所、联络方式、收入等信息。　　

　　对于客户描述类信息最主要的评价要素就是数据采集的准确性。　　

　　在实际情况中，经常有一些企业知道为多少客户提供了服务，以及客户购买了什么，但是往往到了需要主动联络客户的时候，才发现往往缺乏能够描述客户特征的信息和与客户建立联系的方式，或是这些联络方式已经失效了，这都是因为企业没有很好的规划和有意识的采集和维护这些客户描述类信息。

　　行为类信息

　　客户的行为类信息一般包括：客户购买服务或产品的记录、客户的服务或产品的消费记录、客户与企业的联络记录，以及客户的消费行为、客户偏好和生活方式等相关的信息。　　

　　客户行为类信息的主要目的是帮助企业的市场营销人员和客户服务人员在客户分析中掌握和理解客户的行为。客户的行为信息反应了客户的消费选择或是决策过程。　　

　　行为类数据一般都来源于企业内部交易系统的交易记录、企业呼叫中心的客户服务和客户接触记录，营销活动中采集到的客户响应数据，以及与客户接触的其他销售人员与服务人员收集到的数据信息。有时企业从外部采集或购买的客户数据，也会包括大量的客户行为类数据。　　

　　客户偏好信息主要是描述客户的兴趣和爱好的信息。比如有些客户喜欢户外运动，有些客户喜欢旅游，有些客户喜欢打网球，有些喜欢读书。这些数据有助于帮助企业了解客户的潜在消费需求。　　

　　企业往往记录了大量的客户交易数据，如零售企业就记录了客户的购物时间、购物商品类型、购物数量、购物价格等等信息。电子商务网站也记录了网上客户购物的交易数据，如客户购买的商品、交易的时间、购物的频率等。对于移动通信客户来说，其行为信息包括通话的时间、通话时长、呼叫客户号码、呼叫状态、通话频率等等。对于电子商务网站来说，点击数据流记录了客户在不同页面之间的浏览和点击数据，这些数据能够很好的反应客户的浏览行为。　　

　　与客户描述类信息不同，客户的行为类信息主要是客户在消费和服务过程中的动态交易数据和交易过程中的辅助信息，需要实时的记录和采集。　　

　　在拥有完备客户信息采集与管理系统的企业里，客户的交易记录和服务记录是非常容易获得，而且从交易记录的角度来观察往往是比较完备的。　　

　　但是需要认识到的是，客户的行为信息并不完全等同与客户的交易和消费记录。客户的行为特征往往需要对客户的交易记录和其他行为数据进行必要的处理和分析后得到的信息汇总和提炼。　　

　　衡量客户行为类信息的主要因素是信息的完备性。在进行客户细分或客户分析时，往往会发现这样的情况：企业已经记录了大量的客户交易记录，但是反映客户行为特征的一些关键信息往往没有被准确的记录下来，而企业记录的交易信息中的很多信息项在客户分析中并没有直接的作用。这也说明，客户的行为类信息的原始数据量是非常庞大的，而且往往涉及多个企业应用信息系统的信息集成和应用，其复杂度也会超过客户的描述类信息的分析和应用。　　

　　以电信企业为例，国内一个拥有百万左右用户的中级城市的运营商就会拥有数量非常庞大的客户通话记录和账单记录，而这些记录往往是基于计费的需要来设计和存贮的，这些数据往往存贮在计费系统、营帐系统和客户服务系统中。当进行客户分析时，往往需要建立专门的客户数据库，并且从不同的系统中抽取、转换、并加载到客户分析数据库中，而这一过程中，又往往需要对不同信息系统中的原始数据记录进行数据的转换、重新标定或是生成分析所需的衍生数据项。　　

　　关联类信息

　　客户的关联类信息是指与客户行为相关的，反映和影响客户行为和心理等因素的相关信息。企业建立和维护这类信息的主要目的是为了更有效的帮助企业的营销人员和客户分析人员深入理解影响客户行为的相关因素。　　

　　客户关联类信息经常包括客户满意度、客户忠诚度、客户对产品与服务的偏好或态度、竞争对手行为等等。

　　这些关联类信息有时可以通过专门的数据调研和采集获得，如通过市场营销调研、客户研究等获得客户的满意度、客户对产品或服务的偏好等；有时也需要应用复杂的客户关联分析来产生，如客户忠诚度、客户流失倾向、客户终身价值等等。客户关联类信息经常是客户分析的核心目标。　　

　　以移动通信企业来说，其核心的关联类信息就包括了客户的终生价值、客户忠诚度、客户流失倾向、客户联络价值、客户呼叫倾向等等。　　

　　关联类信息所需的数据往往较难采集和获得，即使获得了也不容易结构化后导入到业务应用系统和客户分析系统。　　

　　规划、采集和应用客户关联类信息往往需要一定的创造性，而采集与应用也不是简单的技术问题，而往往是为了实现市场管理或客户管理直接相关的业务目标服务的业务问题，如提高客户满意度、提高客户忠诚度、降低客户流失率、提高潜在客户发展效率、优化客户组合等核心的客户营销问题。　　

　　很多企业并没有有意识的采集过这类信息，而对于高端客户和活跃客户来说，客户关联类信息可以有效的反映客户的行为倾向。对于很多企业来讲，尤其是服务类企业，有效的掌握客户关联类信息对于客户营销策略和客户服务策略的设计的实施是至关重要的。一些没能很好的采集和应用这些信息的企业往往会在竞争中丧失竞争优势和客户资源。　　

　　企业建立客户信息视图的挑战

　　在了解的客户信息的基本类型后，接下来的一个问题就是如何应用客户的基本信息类型来建立适合企业及其客户特点的客户信息架构，并以此作为企业营销和服务的客户信息基础，在企业范围内建立起统一的客户信息视图。　　

　　所谓客户信息视图，就是通过适合行业客户特征的综合客户细分变量集合，完整的描述企业客户的信息架构。客户信息视图是企业建立统一的客户视图的基础，也是进行客户数据采集与管理，客户数据建模和客户数据分析，以及客户信息应用的核心架构。　　

　　企业在建立客户信息视图时，需要综合考虑客户信息变量的可获得性与可细分性。所谓可获得性，是指具体细分变量采集的难易程度、可能性、可靠性和准确性的度量，如客户的收入水平，就属于较难采集的细分变量，其准确性也经常受到限制，而且这一变量经常随着客户状态的变化而变化。而可细分性，是指细分变量被用来进行客户细分或客户分析的可操作性。当然，行业不同，客户类型不同，不同的客户细分变量所反映的可获得性与可细分性也不同。　　

　　如何应用客户信息类型建立客户信息视图

　　企业建立客户信息视图，需要对于企业的产品与服务特征、客户的群体特征和消费行为、企业信息系统应用现状进行系统的分析，才能应用对于客户信息变量的理解建立起适合、有效的企业客户信息架构。　　

　　在我以前对一个服务于高端商务客户的企业进行客户分析的咨询实例中，该企业就面临着如何建立有机的客户信息视图的挑战。该企业的营运管理系统和客户服务系统中记录着相对完善的客户消费信息、服务记录和财务信息，但是一些需要的客户特征信息和消费倾向信息无法直接获得，很多关键的客户信息没有进行过有机的采集。　　

　　该企业在进行客户管理和客户营销中面临着以下几项主要挑战：　　

　　缺乏合理的客户分类造成了客户描述类信息收集不完整。由于缺乏相对合理的客户分类，仅仅记录了客户登记入会时的基本信息和部分关联信息，缺乏深入的描述类信息的采集和更新机制。　　

　　 该企业的营运管理系统记录了会员客户的主要消费行为记录，但还没有加工成可供客户分析应用的信息。如营运管理系统记录了会员客户的消费记录，但仅有按消费场所或消费项目等的财务统计，没有对客户的消费记录以客户为核心的相关维度进行汇总，不能从时间、时段、消费水平等维度上汇总出客户的消费行为分布数据。　　

　　 该企业策划和实施过多次营销活动，但是对于组织的活动，没有建立起系统的采集相关信息的机制。虽然组织过多次大型的活动，但没有留下系统化的活动信息记录，不能对活动的效果和客户的倾向行为进行更为有效的深入分析。　　

　　 严重缺乏关联类客户信息。该企业基本上没有系统的进行过客户满意度、客户忠诚度、竞争对手分析等相关的关联类客户信息的采集和分析工作。不能有效的为进一步为高端客户提供更为深入的服务提代支撑。　　

　　在对该会员企业进行客户信息架构规划时，首要的任务是进行合理的客户数据信息模型的规划，建立起合理的客户信息变量描述维度，规划客户分析所需要采集的数据类型和具体的数据项目，并将这些客户数据采集需求与企业的营运管理系统、客户服务系统、以及具体的业务流程有机的结合，通过企业运营过程的具体实施环节，有序的采集和管理客户数据，才能在此基础上进行更为有效和深入的客户分析应用。　　

　　通过对该企业产品与服务特点和客户特征进行分析后发现，描述和分析该企业客户的信息需求主要包括人口统计、活动行为、接触历史、客户价值、支付记录、公司组织、地理因素、消费场所、感觉认知、态度意向、客户需求等十几个基础属性。　　

　　通过对该企业的信息系统应用现状进行分析后，将该会员企业的客户信息进行整合并划分为由以下的七大类基本信息属性组成的客户信息架构：即客户基本信息、客户联络信息、客户状态信息、客户账户信息、客户行为信息、客户服务信息和客户扩展信息。再根据该企业核心服务产品相结合的客户营销与客户服务管理的实际需求细分，将每一基本的大类细分为相应的客户信息变量。

　　原载：《客户世界》2005年6月刊

　　欢迎与作者探讨您的观点和看法，作者为北京迪美营销咨询合伙人，电子邮件：yanjun.shi@gmail.com