随着互联网络的迅猛发展，市场的不断成熟，世界经济进入了电子商务时代，产品和服务的差异越来越小。以生产为中心、以销售产品为目的的市场战略逐渐被以客户为中心、以服务为目的的市场战略所取代。谁能掌握客户的需求趋势，加强与客户的关系，有效发掘和管理客户资源，谁就能获得市场竞争的优势，在激烈的竞争中立于不败之地。以“客户为中心”的客户关系管理(Customer Relationship Management，简称CRM)已经成为产业界、学术界应用和研究的焦点。
1 客户价值的定义
客户价值的定义可以从两个方面来理解：即客户方面的价值和企业方面的价值。客户方面的价值主要是指客户从企业的服务中得到的满足。也可以理解为客户从某种服务中获得的总利益和购买时付出的总代价之比，它是企业进行客户细分的重要标准。企业方面的价值主要是指企业从客户消费中所获得的企业利润或收益。具体的说，它是企业从与长期稳定关系的并愿意为企业提供的产品和服务承担合适价格的客户中获得的利润，长期稳定关系也就是指客户的生命周期。偶尔关系的客户和长期与企业接触的客户对于企业来说价值是不一样的。客户价值是开展客户价值评估和客户细分的重要依据，是建立价格模型、流失率模型和测算客户忠诚度的基础。
2 客户细分
客户细分就是把大量的客户按照客户的行为、需求、偏好以及价值等因素对客户进行分类。其理论依据在于顾客需求的异质性和企业需要在有限资源的基础上进行有效地市场竞争。企业可以根据不同类型的客户，提供有针对性的产品服务和销售模式。客户细分的目的可以从两个方面来理解。首先从客户需求的角度来看，客户对企业的需求是不一样的，要使所有客户对企业的服务都满意。那么就要求企业有针对性的为客户提供相应的服务。为了满足多样化的需求，就必须首先对客户进行不同标准的细分。其次从客户的价值方面来看，不同的客户为企业带来的收益的不同的，短期的客户带来的收益就小，长期稳定的客户带来的收益就更多。
所以，企业就要知道哪些是价值更多的客户，哪些是企业的忠实客户，哪些是企业的潜在客户等。这样才能更好的为客户提供相应的服务，节省了营销成本，提高了营销效果。
3 基于数据挖掘的客户价值细分
数据挖掘(DataMining，简称DM)是从大型数据库或数据仓库中发现并提取隐藏在其中的有用信息的一种新技术，是数据库研究中的一个很有应用价值的领域。下面我们将利用数据挖掘技术来对实现客户价值细分。
3.1 数据挖掘平台的体系结构
数据挖掘平台的体系结构数据主要有三个层次，即表现层、业务逻辑层和数据层。其中表现层主要包括动态HTML和应用客户；业务逻辑层主要包括DM功能配置、DM控制引擎以及DM建模与重构。数据层主要有数据库以及数据仓库。其平台体系结构如图1所示
图1 数据挖掘平台的体系结构
数据挖掘的目标是从数据库中发现隐含的、有意义的知识，人们可通过此来预测未来趋势及行为，做出前摄的、基于知识的决策。它的主要功能有：自动化预测趋势行为的功能、关联分析的功能、聚类的功能、概念描述的功能以及偏差检测的功能等。
3.2 数据挖掘客户细分的实施
3.2.1 基于数据挖掘的客户细分模型
基于数据挖掘的客户细分模型如图2所示，该模型中的客户细分过程主要包括学习、应用和分析三个主要步骤。
图2 基于数据挖掘的客户细分模型
3.2.2 基于数据挖掘客户细分流程
在进行客户细分前，首先必须对客户的消费行为和需求进行分析，建立符合特征描述。接下来对客户的战略价值进行分析，对其进行有效的价值定位。然后对客户进一步的了解，完善并实施市场营销策略。具体实施步骤主要包括：选择主题与模型，构建数据仓库、构建标准数据集、算法设计、预处理、客户细分以及结果评估。通过对用户人口信息、用户行为和价值进行基于聚类分析的数据挖掘，得出客户人口信息、用户行为和价值基于聚类分析的数据挖掘，得出客户分群和基本特征，并使用数据进行了验证，确定了客户细分模型的有效性。
4 总结
客户细分是客户关系管理系统的核心功能之一，可以对客户获取、客户保持及客户增值等客户关系管理过程提供全面支持，提升客户满意和客户忠诚。所以，如何更好的实现客户价值细分加工是企业管理者们去研究和探索的重要课题。
本文转自d1net（转载）
