快速提高行銷回報的客戶細分方法

王明潭資料庫行銷培訓節選

客戶細分，英文 「segmentation」 是行銷人員一直在做的工作，客戶細分是行銷永恆的主題。 一方面，由於行銷資源的有限，我們不可能對所有的客戶投入同樣的行銷資源，另一方面，當今的消費者的消費行為越來越個人化，有不同的偏好好，行銷者必須迎合客戶的個人化需求。 我們的問題是：是不是客戶分得越細越好，是不是1對1行銷是精准行銷追求的最高境地哪？

其實1對1行銷並不是資料庫行銷的新概念，最典型的1對1行銷其實就是傳統行銷培訓介紹的大客戶行銷：每一個大客戶都有專門的客戶經理跟進。 這是成本最高的行銷方式。 對擁有大量客戶的公司來講，這是不切合實際的。 另一個極端就是大眾行銷，對大眾性的產品，如可樂，就是最好的行銷方式。

但是對絕大多數的企業是介於兩者之間的。 對這些企業，隨著客戶群的逐步細分，行銷的回報會逐步提高，但是過度的細分必然導致單一客戶的行銷成本迅速增加而降低行銷回報。 因此在理論上講，針對一定的市場環境，特定的業務和產品，一定有一個最適當的客戶細分的程度，在這個點上，行銷回報是最高的。 在中國，絕大多數企業還處於粗放行銷的階段，科學合理的客戶細分，可以不斷地提高行銷回報。 本課程主要從這個角度來介紹客戶的細分。

但是如何進行客戶細分？ 如何在客戶細分的基礎上，開展更加個人化的行銷，是所有行銷人員最關心的實務。

傳統的客戶細分的方法主要來自于經驗，和市場調研，客戶細分的方式比較感性和直接，客戶群的界定比較模糊，如老年人，青年人，時尚人群，高收入人群等。 這種客戶細分比較適合同樣讀者或觀眾比較模糊的傳統媒體。 傳統的細分策略的隱藏著這樣的弊病：比如喜歡旅遊的人群，和不喜歡旅遊的人群在消費的行為上差異最大，過去購買多的人將來會購買更多的產品。 但是事實上可能是結婚和單身的消費行為差異可能是最大的，而購買頻率最高的人將來更可能購買更多的產品。

電腦技術，資料庫技術和網路技術發展，使我們可以將客戶的資訊和消費行為記錄下來，我們可以通過電子和網路的管道與客戶互動，這為我們開展更精准的資料庫行銷奠定了技術基礎。 同時也為資料庫行銷也對客戶細分的方法和技術提出了更高的要求，反過來資料庫行銷技術也為客戶細分賦予了新的含義，追求更高的行銷回報成為可能。

基於資料庫行銷的客戶細分的意義

資料庫行銷的客戶細分技術可以大大地提高電子郵件行銷、直郵、電話行銷和網路行銷，及其整合行銷的回饋率和銷售轉化率，還可以改進傳統行銷的客戶細分方式。

資料庫行銷的客戶細分技術更高級應用在於，為客戶，管道和產品的匹配提供的可能。 所謂客戶，管道和產品的匹配就是不同的細分客戶群，提供不同的產品，通過不同的管道（如電話、電子郵件等、營業廳）開展行銷和服務。

基於資料庫行銷的五大客戶細分方法

1） 基於人口的細分

2） 基於消費行為的細分（FRM方法）

3） 基於客戶價值的細分

4） 基於資料採礦的細分

1) 基於人口的細分

這種細分方式是比較容易理解的，其實也是傳統細分方法。 目前絕大多數的企業開展資料庫行銷還停留在這個階段。 可能因為企業的客戶資料庫，或者外購的資料庫只有這些資訊，也可能，這樣更簡單。

基於人口細分可以選擇很多指標

對於B2C的行業，主要的細分指標包括：

? 人口統計細分：年齡，性別，階層，婚姻，子女資料等

? 社會經濟學細分： 職業，收入，資產等

? 地理細分：城市，街道，社區等

? 消費行為細分：消費，購買管道，品牌忠誠度等

? 心理與性格細分：態度，興趣和看法等

? 生活方式細分：時尚青年，工作狂，小資等

對於B2B的工業品行業，可能包括一下的細分指標：

? 行業

? 所在區域

? 雇員人數

? 營業額

? 分之機構

? 企業性質和國別

? 連絡方式

? 關鍵連絡人（職務、部門，連絡方式）

有了基於人口的客戶細分，就可以針對不同的人群開展個人化的行銷，比如對男性的回饋激勵採用剃鬚刀，對女性的回饋激勵採用贈送瑜伽卡。 對高收入人群促銷高價值房型，對低收入人群推廣低價格房型，對不同的客戶群採用不同的話術等。

通過測試和不斷改進，回饋率和銷售轉化率一定會大大超過群發。

2) 基於消費行為的細分（FRM方法）

當客戶已經在你們公司產生了消費行為，並且你記錄了他們的消費行為，如購買時間，產品和金額，可以想像，這些資訊裡一定蘊含著消費者未來的消費行為預測資訊以及對行銷活動回饋的規律。 理論上講，我們可以通過資料採礦來獲得裡面的規律，並預測這些客戶的行為，但是資料採礦是對人員，技術，工具，時間要求很高的資料處理過程，投入的成本也很高。 對很多公司來講，不大可行，也沒有必要。

有沒有更簡單可行的方式，可以説明我們獲得主要的規律，來提高未來的行銷活動的效果哪？ 答案是有。 這個方法就是RFM，歐美等發達國家使用多年，行之有效，投資回報非常高。

我們先用我們的經驗來理解一下基於消費行為的細分方法基本思路。 如果老闆要你列出頭大客戶清單，那些客戶最有可能在未來的一年裡在你們公司購買最多產品，這樣我們可以把有限的銷售人員集中在這些客戶身上。 一個最簡單（雖然可能不准確，但總比沒有好）就是把過去一年所有客戶的購買總額排個序，取出銷售總和占整個年銷售額20%的排在前面的客戶。 這些客戶就是你的大客戶。 這就是最簡單的RFM客戶細分的方法：按照銷售額的細分（MONEY），你也可以把銷售按照10等分，3等分等，時間跨度可以一年，一個季度，三年都可以，銷售額可以用其他的指標，如網站的發帖量，積分數量等。 圖1是按照銷售額客戶分組的處理。

研究表明,客戶的購買頻率（Frequently）也與未來的消費行為有密切的關係，同樣地，上次購買時間( Recently)與現在的時間間隔也與未來的活動回饋有密切的關係。 資料處理的方式是一樣的，這裡不再展開。

這樣我們就可以分別按照過去某一時段的消費金額，購買頻率和間隔時間給客戶分組，通過測試會發現，那個組對某個直複行銷行銷活動（比如直郵，電話銷售）的回饋率，或轉化率最高，正式執行活動專門挑選出高回饋的組。 大家注意，多數產品或環境下，銷售額越大，購買頻率最高，或者購買時間越近的，回饋越高，但很多時候不是這樣。

再進一步，把三個維度綜合在一起，我們就給客戶分成了5x5x5=125個立體的單元（加入都是5等分），每個單元進行編號，如532，就是R的第5組，F的第3組，M的第2組。

在開展一個行銷活動前對所有的單元進行測試，並計算某個單元組的行銷投資回報, 如盈虧投資回報指數，指數越高效果越好，負數就是虧損的活動，示意圖4所示。 從分析圖可以看出，我們只針對555單元的客戶群開展活動，其行銷回報一定是非常客觀的。

這些方法每一個行銷人員只需要簡單的培訓，就可以進行RFM分析和分組，但是帶來的行銷費用的節省和投資回報的增加是驚人的。 如果經常做同樣的分析，可以通過專業人員程式設計設計工具，需要的話，我們也可以説明大家設計工具，這樣每次分組和分析時可以節省大量的時間。

上面只是對RFM方法原理的分析方法介紹，在實際的工作中，可以根據企業，產品和預算的情況靈活的發揮和延伸。 舉一個案例，看看他們是如何RFM方法提高銷售業績的：

全勝公司是一家小型化工原料貿易企業，年銷售額4000多萬元，最有核心競爭力的產品是食品添加劑，如檸檬酸等，頂端客戶是幾家國際知名大型的飲料製造企業在當地的工廠，由高層管理人員親自跟進，客戶關係維護得很好， 能穩定地佔有較理想的客戶份額。 但是該公司還經營其他多條化工原料產品線，其他非頂端客戶近1000家，來自不同的行業，採購規模和習慣各不相同，要集中有限的企業資源、保持高價值客戶的忠誠度、防範高價值客戶流失真不是一件容易的事情。 利用RFM分析模型，則可有效地改進這方面的工作。

1)步驟一：分別計算出過去12個月已成交客戶貢獻的總採購金額，可以利用公式計算：

M×F= TM（Totle Monetary Value，總採購金額）

*M=過去12個月內的平均採購金額

*F=過去12個月內的採購次數

總採購金額也可以通過其他統計途徑（例如從進銷存軟體或銷售自動化SFA軟體）獲得。 計算出各個客戶的總採購金額後，可以利用EXCEL將客戶名單按總採購金額進行降冪排列，把1000家客戶中最前面的1%約10家客戶定義為頂端客戶，把其次的4%約40家客戶定義為高端客戶，把再次的15% 約150家客戶定義為中端客戶，其餘的800家客戶歸入低端客戶。

下表是降冪排列後第11名起的幾家客戶的情況，它們是40家高端客戶的一部分：

2)步驟二，把客戶關係保持的重點首先放在前高端及中端使用者那裡，因為頂端客戶的忠誠度高、客戶份額高，再額外花精力的話邊際效益不明顯；低端客戶數量多、貢獻小，暫時沒有太多精力照料。 對於高端和中端的約190家客戶，分別計算出它們過去12個月每次購買到下次購買的平均週期，公式為：

365天&Pide; F= P

*F=過去12個月的採購次數

*P=Period平均採購週期

分別計算出這190家客戶最近一次購買日期D到今天的天數：

Today – D= R

*D=Date最近購買日期

*R=停止採購天數

將P（Period平均採購週期）、D（Date最近購買日期）和R（停止採購天數）依次填寫到步驟一製作的客戶清單中，並利用EXCEL的公式計算出兩者的差△：

P-R=△

*Today今天=2004-11-27

*

統計週期=過去365天

從圖4中可以看到：

△>0，停止採購的天數小於平均採購週期的有甲、戊、庚三個公司；客戶流失安全警戒線範圍

△=0，停止採購的天數等於平均採購週期的有丁公司；

△<0，停止採購的天數大於平均採購週期的有乙、丙、己三個公司。 乙、丙、己三個公司需要立即引起關注

。 因為它們已經有些日子沒有按照過去的行為習慣繼續採購了。 進一步觀察，我們發現乙公司僅僅超過其平均採購週期4天，相對於46天的平均採購週期來說仍然屬於正常的波動範圍，不必過於焦慮，當前可以把它與丁公司同等對待，稍加留意其近期動向即可。 而丙、己兩個公司不僅超過了其平均採購週期，而且超過的天數（26天和22天）比平均採購週期（17天）還大一倍以上。 這說明這兩個客戶流失的風險比較大，需要重點關注。 統計員發現此類情況後，應立即指派工作任務給負責維護丙、己公司關係的銷售代表，讓銷售代表採取必要的方式瞭解客戶暫停購買的原因。

客戶暫停購買的原因可能是客戶本身遭受困難無力採購，也可能是客戶調整產業方向，也可能是由於某些事件導致滿意度下降而被競爭對手乘虛而入，也可能是正常的淡旺季波動。 銷售代表進行調查、跟進後，判斷原因並向公司提出合理化建議，以規避財務風險、儘量擴大客戶生命週期價值。 假如原因是客戶遭受到了暫時性的困難，則可在控制應收款風險的基礎上，適當調整策略協助客戶度過難關，當客戶業務重上正軌後，必然投桃報李，更加忠誠；假如原因是客戶調整業務方向，對某種特定的原料採購下降，則要研究本公司的產品線中 ，有哪些適用于客戶新的發展方向，有針對性地推薦適銷對路產品，延長客戶的生命週期；假如是由於某些事件處理不當造成客戶滿意度下降，則要設法向客戶解釋、彌補，並採取有力措施避免重犯，儘量挽回影響；假如是正常的淡旺季波動， 則要瞭解清楚客戶下次購買的大體時間，並預先制定銷售工作計畫，到未來恰當的時間提醒銷售代表跟進。

三、RFM分析模型小結

RFM分析模型不是萬能的，它也有其弊端。 例如對M平均採購金額，以及基於F×M計算出來的TM總採購金額，還沒有減去產品成本、一對一的銷售、服務和行銷費用、應予以分攤的某些管理費用，因此TM總採購金額還不是更為精確的客戶當期淨價值（NPV, Net Present Value）。 如果能以可操作的方式實現對客戶生命週期價值的預測，則目前依據M的客戶排名將更科學，從而儘量減少遺漏重點客戶的風險。

簡便地得到客戶價值較高、流失風險較大的客戶記錄清單，並針對清單的客戶記錄直接建立和分派跟進任務，將有價值客戶的流失消滅在萌芽狀態，甚至做到防患於未然。

以上的案例分析，其實已經把FRM的方法創造性地應用到了客戶預警與客戶挽留了。

如果我們覺得FRM的細分還不夠，那就要引入資料採礦工具了，資料採礦可以發現RFM無法獲取的特殊的客戶群，這些客戶群有特殊的消費行為。 並對我們原來的客戶細分方式進行改進。 由於篇幅的關係，我們在下一講介紹。

作者介紹：

王明潭

中國互動與直複行銷諮詢與培訓第一人，中國新一代兼具國際眼光和本土實踐的新行銷模式的設計優化大師。 王明潭資料行銷資訊呢團隊首席顧問，中歐MBA。

王明潭總結的直複行銷技巧和方法都是從諮詢專案和研究成果中提煉出來，注重實戰，具有很強的操作性和針對性。 王明潭現任多家公司的諮詢顧問，説明企業從傳統的粗放行銷向精准的、量化的、多媒介行銷轉型。