客户定位

屬性分析可以從三個方面來考慮：

(1)外在屬性。像客户的地域分佈，客户的產品擁有，客户的組織歸屬(如企業用户、個人用户、政府用户)等。這種方式數據易得，但比較粗放，不易明晰客户層面誰是“好”客户，誰是“差”客户，可能知道的只是某一類客户(如大企業客户)較之另一類客户(如政府客户)可能消費能力更強。

(2)內在屬性。內在屬性指客户的內在因素所決定的屬性，如性別、年齡、信仰、愛好、收入、家庭成員、信用度、性格、價值取向等。通過客户的內在屬性亦可將客户定位，如VIP客户等。

(3)消費屬性。即所謂的RFM：最近消費、消費頻率與消費額，這些指標需在財務系統中得到。但並不是每個行業都能適用。比如説，在通信行業，對客户定位主要依據這樣一些變量：話費量使用行為特徵，付款記錄，信用記錄等。

根據消費行為來定位只能適用於現有客户，對於潛在客户，由於消費行為還沒有開始，當然無從談起。即使對於現有客户，消費行為定位也只能滿足企業客户細分的特定目的，如獎勵貢獻多的客户。至於找出客户中的特點為市場營銷活動找到確定對策，則要做更多的數據分析工作。

如果按照上述定位方式進行客户定位的話，基本上不需要進行數據分析。但隨着營銷的統計方法日益精確化，服務的日益個性化，客户定位在不同情況下常常精確到能適用多種統計方法。如要知道什麼樣的客户為優質客户，就要用消費行為數據為應變量，找出在內在屬性，外在屬性各變量中影響應變量的自變量。這個自變量可能是一個或幾個前文中我們所列的數據，也可能是由這些數據所導出的一些抽象的因子，只有這樣營銷策略才能有針對性。否則，若僅僅盯住那些高消費，高價值客户不斷促銷，結果並不一定表明客户仍然會有良好的響應。

除了一般描述型，比如Cross-tab報表的方法外，數據發現與數據挖掘用得最多的有兩類：傳統統計方法，這包括聚類分析、因素分析和CHAID方法。非傳統統計方法，其中包括神經網絡方法、迴歸樹方法等。

企業處於大眾營銷階段，客户的定位比較簡單，如分為大中小企業、個人用户等。但是，隨着精準化營銷時代的來臨，客户定位的方法將變得多樣化。具有什麼樣的特徵(內在的或外在的)客户會對什麼形式和內容的營銷活動有什麼樣的響應就會是一個通過反覆研究嘗試才能得出的結果。

一個日益重要的觀念是對給企業帶來更多利潤的大客户的待遇。這和營銷階段的客户區分不一樣。在客户關懷階段，更感興趣的是那些在消費行為定位中被認定為高貢獻的客户。要為這些客户提供優先接入，更多現場解決權限，更快服務響應時間等優先、高質服務。這樣，客户的滿意度得以提升，企業希望因此增強這些客户的忠誠度。但是，在進行新的營銷活動設計時，依然不可視這一類客户為一種類型，需要進一步地區分對待，根據客户的特點採用合適的溝通方式等。

研究表明，對客户定位的結果沒有必要讓客户本人知道，特別是對於低端客户，知道有別人比他接受更高層次的不收費服務會導致負面反應。如果要讓客户知曉，則必定給出客户自己能掌控的方向與路徑，比如根據某個積分計劃而設立的獎勵或根據事先選定的產品級別而提供的相應待遇。

然而，在國內更多的高端客户喜歡顯示自己的獨特與不同，所以不少企業傾向於幫助高端客户增強這類“顯性”價值。例如，在不少營業廳開闢特設的大客户室。在機場等地設金卡客户櫃枱特別通道與休息室 ，給大客户設計有特殊標識的日常高檔用品等是中國企業越來越多采用的方法。但是有很多企業由於倉促開始客户區分，往往讓“大客户”們搞不清楚何時成為大客户的，讓“小客户”們不明白要經過哪些努力可以成為“大客户”。

如果你的定位是為營銷策略而設，沒有必要告訴客户；如果你的定位是為客户服務而設，而定位的標準又是純粹按照客户貢獻的絕對金額數來計算，則可以甚至應當大力宣傳高端客户的優惠待遇。同時，明晰遊戲規則，且規則設計應當簡潔明瞭，促使低端客户“學有榜樣，趕有方向”。