作者：盒子菌

数字化时代，金融早已不是某个封闭环境下的单维度领域。粗犷式运营转变为精细化运营，开始对客户做细分的管理和营销，以使得客户价值最大化。

以普惠金融为代表的新方向标志着诸多银行机构正在全力抢滩下沉市场，积极践行服务实体经济，对更加多元化的客户群体提供价值挖掘、资源协同，从而形成一个全新的金融生态。

但是，面对未来更加多元化的市场区隔化市场，金融机构可以通过“客户细分”的深度模型，来分析自己的客户群体，找到不同的客户群体之间存在的差异性，以及他们之间的相似之处。从而提供更加个性化的客户服务，以此来优化成本结构，完成自己的价值主张、打通自己的渠道通路、拓展自己的收入来源、优化自己的核心资源。

在这篇文章里，将详细讲述客户细分的方法，希望可以给大家在客户细分这个问题上带来一些思路和方法。

客户细分是20世纪50年代中期由美国学者温德尔史密斯提出的，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的市场竞争。是指企业在明确的战略业务模式和特定的市场中，根据客户的属性、行为、需求、偏好以及价值等因素对客户进行分类，并提供有针对性的产品，服务和销售模式。按照客户的外在属性分层，通常这种分层最简单直观，数据也很容易得到。

RFM分析法就是目前营销领域最为流行、易于使用且有效的，用来分析客户行为的细分方法之一。再高级的一些统计方法比如：聚类分析、因子分析等，都是对客户细分的方法，虽然方法不同，但最终目标都是为了获取并留住目标客户，做客户的增量和客户的活跃存量等。

做客户细分本身很简单，就是用一个分类维度，按高中低进行的简单客户细分，比如：

按客户过往1年内消费细分：高级（1w+）、中级（5K-1w）、低级（1-5K）

按客户活跃行为细分：活跃（过往30天内15天以上登录）、不活跃（登录≤15天）

按客户基础属性细分：男性/女性、老年/中年/青年

做客户细分简单，然而做有效的客户细分就难了。所谓有效，就是能对运营、产品、营销、销售工作有所帮助。比如我们区分了中低高级客户，我们知道了高级客户很有钱，可到底该怎么服务他们？什么时间、什么场景、做什么活动？依然不清楚。因此，单靠一个维度进行分层是不够的，我们需要更多分类维度，做更细致划分。

一般客户的需求主要是由其社会和经济背景决定的，因此对客户的特征细分，也即是对其社会和经济背景所关联的要素进行细分。这些要素包括地理属性（如居住地、行政区、区域规模等）、社会属性（如年龄、性别、收入、行业、职位、受教育程度、宗教信仰、家庭成员等）、心理属性（如个性、生活型态等）和消费行为（如置业情况、购买动机类型、品牌忠诚度、对产品的态度等）等要素。

不同客户给企业带来的价值并不相同，有的客户可以连续不断地为企业创造价值和利益，因此企业需要为不同客户规定不同的价值。在经过基本特征的细分之后，需要对客户进行高价值到低价值的区间分隔（例如大客户、重要客户、普通客户、小客户等），以便根据20%的客户为项目带来80%的利润的原理重点锁定高价值客户。客户价值区间的变量包括：客户响应力、客户销售收入、客户利润贡献、忠诚度、推荐成交量等等。

客户的需求是什么？即根据客户的咨询记录、沟通与跟进记录、订单记录、收款记录及合同记录等，总结出目标客户及客户群对产品的需求及购买规律：客户需要的是什么产品、客户购买的是什么产品、在什么时间购买的、购买的频率是什么……由此判断客户的需求状况，以及需求是否被满足。

还可以围绕客户细分和客户价值分隔，选定最有价值的客户细分作为目标客户细分，提炼他们的共同需求，以客户需求为导向精确定义企业的业务流程，为每个细分的客户市场提供差异化的营销组合。

客户细分的最终目标是通过分析和清楚地了解产品线的独特属性及其对客户的关键好处，使产品和服务与每个目标细分相一致。通过这样做，你才能在客户可视化的情况下，使你的产品或服务满足他们的需求，增加他们的业务价值。

以这种方式分析你的客户群，对于理解并回应21世纪的需求和期望至关重要。21世纪，精通数字的消费者把客户体验看得比其他任何东西都重要。根据Gartner的数据，“81%负责客户体验的市场领导者表示，他们的公司将在两年内将基于或完全基于客户体验展开竞争。然而，只有22%的公司表示，他们在客户体验方面的努力超出了客户的预期。”

根据前面细分的结论，我们就可以开始制定有针对性的营销策略，真正地向客户表明，你已经考虑了他们的需求，以及如何最好地满足他们。如果不按照数据洞察的方式行事，相当于告诉客户，你没有倾听他们的意见，也没有把他们的需求放在企业的核心位置——在你希望成为长期盈利关系的过程中，这很难说是一个良好的开端。

随着数字化的快速发展，金融机构可以利用大数据平台建设实施客户关系管理系统。

盈鱼MA就是一个以大数据驱动自动化营销平台，其依靠自身强大的技术实力，通过大数据的方式将那些广泛分散在不同业务系统、经营管理机构、以及不同层次的人集中起来进行有效的加工，将不同渠道的客户信息以及客户交易数据进行整合，建立统一的客户信息中心。

然后将这些信息进行分类、聚类、序列等多种处理方式，挖掘出隐含的、未知的规律，从而更好地分析客户需求，构建客户画像。同时对客户进行筛选，对有效客户进行常态化维护，保持与客户之间的定期、定向联系，对无效客户进行梳理，“清虚”，从而保证金融机构的客户关系维护系统更加高效。

那么，具体的操作逻辑是什么样的呢？

可供参考的数据越多，给客户做出的画像就越精准，这点想必毋庸置疑。但随着全渠道营销的展开，金融机构获取第一手数据的渠道越来越多，金融机构可以通过自身线下网点、APP、社交媒体账户、官网、微信、短信等，与客户多点互动接触，同时收集客户数据。仅知道客户的名字、手机号码是远远不够的，必须掌握包括客户的购买习惯、频率和偏好在内的所有其它尽可能多的信息资料。

而盈鱼MA客户细分模型凭借强大的数据分析能力，通过大数据算法和模型，以客户行为数据作为基础，结合业务数据等多种数据源，可以将来自多个不同渠道的数据汇集在一起，提供清晰的客户视图，建立智能客户标签，赋能业务实现客户标签的自助式创建、维护和管理，使得客户画像更为精准，更趋近于真实的客户画像。

图片来源：盈鱼MA

基于客户画像还能帮助我们预测客户群的终生价值（Customer Lifetime Value，CLV），并根据客户的不同情况定制营销方案，以最大限度地提高每位客户的价值。

大规模开展有效的个性化营销是一项艰巨的挑战，机构在建立精准客户视图数据库，并对客户进行细分，深入了解客户的生命周期旅程后，需要根据客户的细分市场进行相关的信息推送，产品推荐，并打通线上线下各渠道，实现无缝对接，真正给客户带来全渠道一致化的体验。

那么，如何实现内容的一致性呢？机构需要一个能够共享所有客户数据，并能够连通机构内所有部门的客户数据平台，保证各部门在接待同一客户时，充分了解客户全方位需求，对客户提供全渠道连接和无缝的内容提供，能大大提升客户旅程的体验，能向客户提供更加灵活的渠道交付和一体化的服务支持。

如图所示，客户旅程是通过网站、手机查询贷款利率，再拿出平板选择产品，再到呼叫中心电话进行咨询，再到线下完成现场签约，最后完成购买产品自传播的行为。

图片来源：盈鱼MA

盈鱼MA通过自动化跨渠道打通客户ONE_ID，不断沉淀全渠道客户数据，实现全渠道连接客户数据，运用多种可能的渠道与客户建立联系和传递内容，包括用户对产品的感知、研究、购买、交易和 服务的全过程。

与多渠道连接以渠道为主导的运作模式不同，全渠道连接从思维上是以客户为中心的整合，在运作上以更好地 适应客户旅程作为实现多渠道无缝协同的出发点，促进了多种渠道间的协同和整合进程，向客户提供更具一致性的无缝体验。

一个成熟的金融模型，并不只是简单的对客户数据进行整合，机构需要的是一个能够从模型中看出客户发展趋势的结果。

所以，仅仅通过算法把客户信息转化为图形，并不能体现客户细分的智能性。盈鱼MA客户分析模型，把单调繁琐的数据通过特定算法图像化，并对图像进行“深加工”，采用自动化工作流从客户画像中提取显著特征，使营销人员能够快速识别用户并将相似的用户划分到一起形成不同的组，真切的做到了从金融机构细分客户的现状出发，以更加细致更加标准的模型为客户精准画像，给金融业务的开展带来更为有价值的参考数据。

如此一来，营销人员就可以针对不同的细分群体使用差异化和个性化的营销策略。比如我们想壮大高端客户群体，那完全可以推出全新的产品系列、全新的奖励政策、全新的服务来吸收高端用户，只要我了解了他们的喜好、行为习惯，就能做得很精准。

未来将是大数据赋能金融业的数字化时代，金融机构需要借助信息化的手段，在建立客户数据平台的基础上，对客户进行360°全方位了解，分析客户的特征及个性特点，进而对不同价值客户采取针对性策略等，以此指导机构的营销预算分配、提升机构资源的整合经营效率。

总而言之，客户细分是金融业一个必不可少的营销方向，也是未来金融企业制胜的重要武器。