【文章內(nèi)容簡(jiǎn)介】 和基于消費(fèi)行為的細(xì)分模型?；谙M(fèi)者消費(fèi)行為的客戶細(xì)分模型研究，主要是以消費(fèi)者的購(gòu)買(mǎi)頻率、消費(fèi)金額等為細(xì)分變量，如RFM 模型和客戶價(jià)值矩陣模型。（1）RFM模型。RFM細(xì)分模型是根據(jù)消費(fèi)者消費(fèi)的間隔、頻率和金額三個(gè)變量來(lái)識(shí)別重點(diǎn)客戶的細(xì)分模型。R－Recency指客戶上次消費(fèi)行為發(fā)生至今的間隔，間隔越短則R越大；F—Frequency指在一段時(shí)期內(nèi)消費(fèi)行為的頻率；M—Monetary指在某一時(shí)期內(nèi)消費(fèi)的金額。研究發(fā)現(xiàn)，R值越大、F值越大的客戶越有可能與企業(yè)達(dá)成新的交易，M越大的客戶越有可能再次響應(yīng)企業(yè)的產(chǎn)品和服務(wù)。（2）客戶價(jià)值矩陣模型。客戶價(jià)值矩陣模型是在對(duì)傳統(tǒng)的RFM 模型修正的基礎(chǔ)上提出的改進(jìn)模型。用購(gòu)買(mǎi)次數(shù)F和平均購(gòu)買(mǎi)額A構(gòu)成客戶價(jià)值矩陣，用平均購(gòu)買(mǎi)額替代了RFM 模型中存在多重共線性的兩個(gè)變量，消除了RFM模型中購(gòu)買(mǎi)次數(shù)和總購(gòu)買(mǎi)額的多重共線性的影響。在客戶價(jià)值矩陣中，確定購(gòu)買(mǎi)次數(shù)F和平均購(gòu)買(mǎi)額A的基準(zhǔn)是各自的平均值，一旦確定了坐標(biāo)軸的劃分，客戶就被定位在客戶價(jià)值矩陣的某一象限區(qū)間內(nèi)。依據(jù)客戶購(gòu)買(mǎi)次數(shù)的高低和平均購(gòu)買(mǎi)額的多少，客戶價(jià)值矩陣將客戶劃分成四種類型，即樂(lè)于消費(fèi)型客戶、優(yōu)質(zhì)型客戶、經(jīng)?？蛻艉筒淮_定客戶。：客戶價(jià)值矩陣 客戶細(xì)分并沒(méi)有統(tǒng)一的模式，企業(yè)往往根據(jù)自身的需要進(jìn)行客戶細(xì)分，研究目的不同，用于客戶細(xì)分的方法也不同?？偟膩?lái)講，客戶細(xì)分的方法主要有四類，一、基于客戶統(tǒng)計(jì)學(xué)特征的客戶細(xì)分；二、基于客戶行為的客戶細(xì)分；三、基于客戶生命周期的客戶細(xì)分；四、基于客戶價(jià)值相關(guān)指標(biāo)的客戶細(xì)分。 客戶細(xì)分模型的基本流程客戶細(xì)分包括六個(gè)基本流程：第一步：理解業(yè)務(wù)需求。在未來(lái)的業(yè)務(wù)中，知道誰(shuí)是客戶是個(gè)非常好的起始點(diǎn)，以了解瞬息萬(wàn)變的市場(chǎng)環(huán)境。清楚地了解客戶也是對(duì)每個(gè)客戶組采取有針對(duì)性措施的基礎(chǔ)。客戶細(xì)分就是根據(jù)其特征將相似的客戶歸組到一起，這是了解客戶和針對(duì)特定客戶組進(jìn)行市場(chǎng)定向所不可缺少的?？蛻艏?xì)分可根據(jù)許多不同條件而進(jìn)行。這些條件可由簡(jiǎn)單的年齡、性別、地理位置或這些變量的組合來(lái)構(gòu)成。當(dāng)這些條件變得越來(lái)越復(fù)雜時(shí)，數(shù)據(jù)挖掘技術(shù)就應(yīng)運(yùn)而生了。決定使用哪些條件取決于客戶細(xì)分的目的和應(yīng)用方法。在使用數(shù)據(jù)挖掘開(kāi)發(fā)客戶細(xì)分時(shí)，最重要的部分是其結(jié)果應(yīng)當(dāng)在業(yè)務(wù)遠(yuǎn)景中意義深遠(yuǎn)，并且能夠在實(shí)際業(yè)務(wù)環(huán)境中進(jìn)一步得到應(yīng)用。需要記住的一點(diǎn)是：由于市場(chǎng)環(huán)境是動(dòng)態(tài)變化的，細(xì)分建模過(guò)程應(yīng)當(dāng)是重復(fù)性的，且模型應(yīng)隨著市場(chǎng)的變化而不斷革新。第二步：選擇市場(chǎng)細(xì)分變量。由于變量選擇的優(yōu)劣對(duì)細(xì)分結(jié)果質(zhì)量的影響非常顯著，所以變量選擇應(yīng)該建立在理解業(yè)務(wù)需求的基礎(chǔ)之上，以需求為前提，在消費(fèi)者行為和心理的基礎(chǔ)上，根據(jù)需求選擇變量。此外，變量的選擇還應(yīng)該有一定的數(shù)量，多了不好，少了也不好。第三步：所需數(shù)據(jù)及其預(yù)處理。為創(chuàng)建數(shù)據(jù)模型，必須使用收集到的原始數(shù)據(jù)，并將其轉(zhuǎn)換成數(shù)據(jù)模型所支持的格式。我們稱這個(gè)過(guò)程中的這個(gè)階段為初始化和預(yù)處理。在金融業(yè)中進(jìn)行客戶行為細(xì)分通常需要行為數(shù)據(jù)和人口統(tǒng)計(jì)數(shù)據(jù)等類型的數(shù)據(jù)。行為數(shù)據(jù)是客戶行為，可通過(guò)客戶的賬戶信息、購(gòu)買(mǎi)產(chǎn)品的信息等捕獲。人口統(tǒng)計(jì)數(shù)據(jù)(如年齡、性別、工作等)可根據(jù)客戶辦理業(yè)務(wù)時(shí)，提供給金融機(jī)構(gòu)的信息獲得。這在識(shí)別或描述客戶組的特征時(shí)很有用。第四步：選擇細(xì)分技術(shù)。目前，通常采用聚了技術(shù)來(lái)進(jìn)行客戶細(xì)分。常用的聚類算法有Kmeans、兩步聚類、Kohonen網(wǎng)絡(luò)等，可以根據(jù)不同的數(shù)據(jù)情況和需要選擇不同聚類算法來(lái)進(jìn)行客戶細(xì)分。第五步：評(píng)估結(jié)果。在對(duì)用戶群進(jìn)行細(xì)分之后，會(huì)得到多個(gè)細(xì)分的客戶群體，但是，并不是得到的每個(gè)細(xì)分都是有效的。細(xì)分的結(jié)果應(yīng)該通過(guò)下面幾條規(guī)則來(lái)測(cè)試：與業(yè)務(wù)目標(biāo)相關(guān)的程度；可理解性和是否容易特征化；基數(shù)是否足夠大，以便保證一個(gè)特別的宣傳活動(dòng)；是否容易開(kāi)發(fā)獨(dú)特的宣傳活動(dòng)等。第六步：應(yīng)用細(xì)分模型。根據(jù)客戶細(xì)分的結(jié)果，市場(chǎng)部門(mén)制定合適的營(yíng)銷活動(dòng)，進(jìn)行有針對(duì)性的營(yíng)銷?？傊蛻艏?xì)分是金融機(jī)構(gòu)與用戶二者實(shí)現(xiàn)雙贏的重要舉措。目前用戶需求呈現(xiàn)多樣化、個(gè)性化的趨勢(shì)，只有通過(guò)深入分析用戶消費(fèi)行為，精確識(shí)別、細(xì)分用戶市場(chǎng)，開(kāi)發(fā)出針對(duì)不同層次用戶的服務(wù)品牌進(jìn)行服務(wù)營(yíng)銷，方能使得各方價(jià)值發(fā)揮到最大，實(shí)現(xiàn)共贏。不同級(jí)別的客戶對(duì)服務(wù)的需求以及“贏”的概念是不同的，正是因?yàn)闉椴煌目蛻籼峁┎煌漠a(chǎn)品和服務(wù)才能使客戶都達(dá)到滿意，從而在市場(chǎng)上占據(jù)有利地位。 細(xì)分方法介紹在數(shù)據(jù)挖掘中，往往通過(guò)聚類分析的方法來(lái)實(shí)現(xiàn)細(xì)分。聚類分析方法至少有以下幾類：（1）KMeans聚類法。使用者需要首先確定數(shù)據(jù)分為K群，該方法會(huì)自動(dòng)確定K個(gè)群的中心位置，繼而計(jì)算每條記錄距離這K個(gè)中心位置的距離，按照距離最近的原則把各個(gè)記錄都加入到K個(gè)群，重新計(jì)算K個(gè)群的中心位置，再次計(jì)算每條記錄距離這K個(gè)中心位置的距離，并把所有記錄重新歸類，再次調(diào)整中心位置，依次類推……，當(dāng)達(dá)到一定標(biāo)準(zhǔn)時(shí)，結(jié)束上述步驟。這種方法運(yùn)算速度快，適合于大數(shù)據(jù)量。（2）兩步聚類法：這種方法首先需要確定一個(gè)最大群數(shù)（比如說(shuō)n），并把數(shù)據(jù)按照一定的規(guī)則分為n個(gè)群，這是該方法的第一步。接著按照一定的規(guī)則把n個(gè)群中最接近的群進(jìn)行歸并，當(dāng)達(dá)到一定的標(biāo)準(zhǔn)時(shí)，這種歸并停止，這就是該種方法最終確定的聚類群數(shù)（比如說(shuō)m），這是第二步。兩步聚類法的一個(gè)顯著優(yōu)點(diǎn)是可以不指定聚類群數(shù)，它可以根據(jù)據(jù)結(jié)構(gòu)本身自動(dòng)確定應(yīng)該把數(shù)據(jù)分為多少群。（3）Kohonen網(wǎng)絡(luò)聚類法：是運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法對(duì)數(shù)據(jù)進(jìn)行細(xì)分的數(shù)據(jù)挖掘方法。為了提升客戶的全面經(jīng)驗(yàn)，許多金融機(jī)構(gòu)將數(shù)據(jù)挖掘應(yīng)用于客戶細(xì)分在客戶個(gè)人屬性以及產(chǎn)品之間提取直觀的聯(lián)系。從這些現(xiàn)存的客戶以及潛在客戶中得到的客戶特征經(jīng)驗(yàn)的知識(shí)進(jìn)而可以用于配合市場(chǎng)營(yíng)銷工作來(lái)增加交叉銷售的機(jī)會(huì)，提高投資回報(bào)率（ROI）（Peacock，1998）。這使得金融機(jī)構(gòu)可以提供特定的產(chǎn)品與服務(wù)來(lái)滿足客戶的需要。數(shù)據(jù)挖掘中典型的細(xì)分應(yīng)用要么是使用有監(jiān)督學(xué)習(xí)方法，要么是使用非監(jiān)督學(xué)習(xí)方法來(lái)進(jìn)行（Chung和Gray，1999）。對(duì)于前者，數(shù)據(jù)挖掘模型學(xué)習(xí)客戶的行為特征與已經(jīng)確定的我們感興趣的輸出變量之間的關(guān)系。例如，客戶評(píng)價(jià)模型，將客戶分為不同的等級(jí)，并得出每個(gè)等級(jí)的特征。另一方面，非監(jiān)督學(xué)習(xí)方法基于客戶的輸入屬性產(chǎn)生不同的類別，而且不需要設(shè)定我們感興趣的輸出變量。每個(gè)類別的成員享有相似的特征，并且與其它的類別之間的特征是截然不同的。 客戶細(xì)分實(shí)例假設(shè) Z 銀行擁有以下數(shù)據(jù)：1．客戶號(hào)；2．儲(chǔ)蓄賬戶余額；3．活期賬戶余額；4．投資賬戶余額；5．日均交易次數(shù)；6．信用卡支付模式；7．是否有抵押貸款；8．是否有賒賬額度；9．客戶年齡；10．客戶性別；11．客戶婚姻狀況；12．客戶家庭情況（孩子數(shù)）；13．客戶年收入；14．客戶是否擁有一輛以上小汽車；15．客戶流失狀態(tài)。假設(shè)Z銀行希望建立更為有效的市場(chǎng)營(yíng)銷戰(zhàn)略來(lái)給持有高價(jià)值投資組合的客戶推銷其金融產(chǎn)品。為了做到這些，Z銀行使用細(xì)分模型特征化了其客戶，并且依賴客戶屬性分割這些客戶為截然不同的類別。其后，自然可以利用這些從客戶中得到的特征剖面來(lái)定制其市場(chǎng)營(yíng)銷戰(zhàn)略來(lái)給其潛在的客戶提供更多目標(biāo)性的信息。此外，假設(shè)Z銀行使用監(jiān)督學(xué)習(xí)以及非監(jiān)督學(xué)習(xí)建模技術(shù)來(lái)生成客戶的特征。這里我們使用SPSS公司的數(shù)據(jù)挖掘軟件Clementine。 ：投資賬戶余額分段 對(duì)于監(jiān)督學(xué)習(xí)模型，基于上面涉及到的十三個(gè)變量基礎(chǔ)進(jìn)行細(xì)分。目標(biāo)變量是由輸入變量－投資賬戶余額，直接生成的多分類變量。關(guān)于投資賬戶余額的分布可以由直方圖節(jié)點(diǎn)來(lái)決定如何適當(dāng)?shù)膶⒚總€(gè)客戶分類到三個(gè)箱柜中：高、中和低投資組合價(jià)值。關(guān)于投資賬戶余額的歸箱組成了我們感興趣的投資價(jià)值目標(biāo)變量。進(jìn)而可以構(gòu)建Logistic回歸模型來(lái)生成基于不同單個(gè)客戶投資價(jià)值的不同分類的特征屬性。進(jìn)一步的結(jié)果表明，在預(yù)測(cè)每個(gè)客戶的投資價(jià)值的預(yù)測(cè)模型中統(tǒng)計(jì)上顯著的變量有儲(chǔ)蓄賬戶余額和活期賬戶余額。進(jìn)而，高價(jià)值投資組合客戶的特征就由這些變量來(lái)決定。 ：Logistic回歸模型 非監(jiān)督學(xué)習(xí)細(xì)分模型是基于十四個(gè)變量來(lái)做出的。在這種情形下，不需要設(shè)定目標(biāo)變量。對(duì)于非監(jiān)督學(xué)習(xí)細(xì)分，通?？梢允褂萌N數(shù)據(jù)挖掘算法，也就是，兩步聚類、Kohonen 網(wǎng)絡(luò)以及Kmeans聚類。對(duì)于我們的演示，這里僅僅使用了兩步聚類。 ：兩步聚類分析結(jié)果 。關(guān)于每一類的信息也列了出來(lái)。例如，第4類包含278個(gè)客戶，它描述了在這個(gè)類別中大部分的客戶是男性且大部分無(wú)抵押貸款的客戶。另一方面，第2類描述了大多數(shù)為已婚女性且擁有賒賬額度的客戶。更進(jìn)一步的數(shù)據(jù)探索是建立在兩步聚類結(jié)果上，通過(guò)利用我們所關(guān)心的變量的直方圖或是分布圖等圖形化展示手段來(lái)比較五個(gè)類別的結(jié)果。我們可以看到，第2類中擁有大多數(shù)的主動(dòng)以及被動(dòng)流失的客戶。同樣，第3類則是相當(dāng)?shù)幕旌狭爽F(xiàn)存客戶以及主動(dòng)流失的客戶。此外，第4類中具有最大的現(xiàn)存客戶。對(duì)于其他的分類輸入變量來(lái)講可以繪出相似的分布圖。 ：五個(gè)類別中流失狀態(tài)以及流失率的比較 最后，關(guān)于投資賬戶的直方圖也可以根據(jù)五個(gè)類別分別繪出。我們可以看到，第1類包含了相對(duì)其它幾類更多的低投資賬戶的客戶。另一方面，第3類則是由持有高價(jià)值投資賬戶的客戶組成。如此，如果Z銀行能夠促銷新產(chǎn)品，第3類的客戶可能是更為有希望的目標(biāo)群體，能夠生成更好的市場(chǎng)營(yíng)銷結(jié)果。利用這些知識(shí)，Z 銀行現(xiàn)在能夠設(shè)計(jì)適當(dāng)?shù)你y行產(chǎn)品來(lái)滿足那些不同的客戶群體。 ：五個(gè)類別的投資賬戶余額的直方圖 4. 營(yíng)銷響應(yīng)為了發(fā)展新客戶和推廣新產(chǎn)品，企業(yè)通常會(huì)針對(duì)潛在客戶推出各種直接營(yíng)銷活動(dòng)。然而，如果目標(biāo)客戶的選擇不明確，營(yíng)銷活動(dòng)往往花費(fèi)巨大而取得的實(shí)際效益不佳，甚至可能遭遇由于活動(dòng)響應(yīng)率太低而無(wú)法收回成本的境況。在當(dāng)今競(jìng)爭(zhēng)激烈的金融市場(chǎng)上，一方面，客戶每天通過(guò)短信、電話、郵件、電子郵件、網(wǎng)站廣告等方式會(huì)接觸到大量的金融業(yè)務(wù)廣告，缺乏針對(duì)性和足夠吸引力的營(yíng)銷活動(dòng)往往會(huì)被客戶直接忽略。另一方面，用戶越來(lái)越看重個(gè)性化服務(wù)，對(duì)新的金融產(chǎn)品具有較大的需求。為了更好的滿足客戶需求，許多公司采用了促銷活動(dòng)管理系統(tǒng)來(lái)幫助執(zhí)行促銷活動(dòng)。這些管理系統(tǒng)增加了公司采取的促銷活動(dòng)的數(shù)量，卻并不一定能改善促銷活動(dòng)的效率。事實(shí)上，不合適的促銷活動(dòng)和過(guò)多的促銷活動(dòng)只會(huì)導(dǎo)致用戶對(duì)公司的不滿意度增加。所以，有效促銷活動(dòng)不在于數(shù)量的多少，而在于要在恰當(dāng)?shù)臅r(shí)機(jī)，通過(guò)恰當(dāng)?shù)姆绞?，向恰?dāng)?shù)挠脩敉其N恰當(dāng)?shù)漠a(chǎn)品。也就是說(shuō)，有效的促銷活動(dòng)，不在于涉及客戶的數(shù)量多少，而在于針對(duì)的都是具有高響應(yīng)概率的目標(biāo)人群。這不僅可以提升客戶的滿意度，增強(qiáng)客戶對(duì)公司的忠誠(chéng)度，而且可以降低客戶獲取費(fèi)用，增加營(yíng)銷活動(dòng)投資回報(bào)率，直接帶來(lái)公司效益的增加。數(shù)據(jù)挖掘中的營(yíng)銷響應(yīng)分析可以幫助達(dá)到提高營(yíng)銷活動(dòng)回報(bào)率的目標(biāo)。 什么是營(yíng)銷響應(yīng)？營(yíng)銷響應(yīng)模型是一種預(yù)測(cè)模型。目標(biāo)變量是預(yù)測(cè)誰(shuí)會(huì)對(duì)某種產(chǎn)品或服務(wù)的宣傳進(jìn)行響應(yīng)，自變量是客戶及其行為的各種屬性，如：客戶年齡，客戶收入，客戶最近一次購(gòu)買(mǎi)產(chǎn)品的時(shí)間，客戶最近一個(gè)月的購(gòu)買(mǎi)頻率等。利用響應(yīng)模型來(lái)預(yù)測(cè)哪些客戶最有可能對(duì)營(yíng)銷活動(dòng)進(jìn)行響應(yīng)，這樣，當(dāng)以后有類似的活動(dòng)時(shí)，可以針對(duì)具有較高響應(yīng)可能性的客戶進(jìn)行相應(yīng)的營(yíng)銷活動(dòng)。而對(duì)響應(yīng)度不高的客戶就不用對(duì)他們進(jìn)行營(yíng)銷活動(dòng)，從而減少活動(dòng)成本，提高投資回報(bào)率。 如何提高營(yíng)銷響應(yīng)率？金融機(jī)構(gòu)應(yīng)當(dāng)在深入了解客戶需求和客戶特征的基礎(chǔ)上，制定營(yíng)銷策略，從而達(dá)到增加營(yíng)業(yè)收入和客戶滿意度的雙重目標(biāo)。我們提倡的不是針對(duì)最佳的客戶群開(kāi)展?fàn)I銷活動(dòng)，而是針對(duì)每一個(gè)客戶開(kāi)展活動(dòng)。所謂“知己知彼，百戰(zhàn)不殆”，建立在對(duì)客戶需求良好把握基礎(chǔ)之上極具針對(duì)性的營(yíng)銷將極大地提高營(yíng)銷活動(dòng)的成功率。要開(kāi)展這樣的營(yíng)銷活動(dòng)，首先需要回答以下幾個(gè)問(wèn)題： ? 對(duì)誰(shuí)開(kāi)展?fàn)I銷活動(dòng)? ? 多長(zhǎng)時(shí)間開(kāi)展一次營(yíng)銷活動(dòng)? ? 何時(shí)開(kāi)展?fàn)I銷活動(dòng)? ? 如何開(kāi)展?fàn)I銷活動(dòng)?金融機(jī)構(gòu)在數(shù)據(jù)挖掘技術(shù)的幫助下，針對(duì)客戶數(shù)據(jù)建立營(yíng)銷響應(yīng)模型，在合適的時(shí)間，通過(guò)合適的渠道，以一種合適的接觸頻率，對(duì)合適的客戶開(kāi)展活動(dòng)，從而提高營(yíng)銷活動(dòng)的響應(yīng)率和投資回報(bào)率。 ：營(yíng)銷活動(dòng)的四個(gè)要素 1)選擇合適的客戶金融機(jī)構(gòu)對(duì)以往的營(yíng)銷數(shù)據(jù)進(jìn)行分析，采用決策樹(shù)等數(shù)據(jù)挖掘方法，識(shí)別出具有高響應(yīng)率的客戶的特征。通過(guò)選擇合適的客戶，可以排除對(duì)促銷活動(dòng)響應(yīng)不積極的客戶，將目標(biāo)客戶的數(shù)量大大減小，從而在實(shí)現(xiàn)更有針對(duì)性地營(yíng)銷的同時(shí)減小營(yíng)銷成本。據(jù)統(tǒng)計(jì)，通過(guò)減小目標(biāo)客戶的數(shù)量，通?？梢怨?jié)省25%40%的營(yíng)銷費(fèi)用，同時(shí)增加營(yíng)銷響應(yīng)率。2)選擇合適的渠道第二步是要針對(duì)用戶選擇合適的營(yíng)銷渠道，也就是和客戶接觸的方式。通過(guò)使用每個(gè)用戶偏愛(ài)的方式與之接觸，也有利于提升客戶響應(yīng)率。在確定促銷渠道時(shí)，要考慮客戶對(duì)渠道的偏愛(ài)，渠道成本，期望的響應(yīng)率，其他營(yíng)銷限制條件等。3)選擇合適的時(shí)間在當(dāng)今競(jìng)爭(zhēng)激烈的社會(huì)里，客戶有很多滿足自己需求的機(jī)會(huì)和選擇。因此，一旦發(fā)現(xiàn)了客戶尚未被滿足的需求或者出現(xiàn)遺失客戶風(fēng)險(xiǎn)時(shí)，一定要及時(shí)和客戶接觸。這種事件驅(qū)動(dòng)的促銷方式，通常也可以取得較高的響應(yīng)率。4)選擇合適的活動(dòng)頻率此外，并不是促銷活動(dòng)越多，效果越好?；顒?dòng)計(jì)劃者需要根據(jù)實(shí)際情況，針對(duì)具體的客戶，選擇一個(gè)最優(yōu)的活動(dòng)次數(shù)，既使得客戶的各種需求得到較好的滿足，又避免因?yàn)檫^(guò)于頻繁的接觸而導(dǎo)致客戶的反感。同時(shí)，過(guò)多的營(yíng)銷活動(dòng)，也會(huì)增加營(yíng)銷成本。需要在增加的成本和提高的響應(yīng)率帶來(lái)的收益之間尋找一個(gè)最優(yōu)點(diǎn)?？蛻糇陨淼钠脤?duì)于營(yíng)銷活動(dòng)的頻率確定也至關(guān)重要，比如，對(duì)于不喜歡過(guò)于頻繁的接到促銷電話的客戶，就要適量降低電話促銷的頻率。通過(guò)選擇更有針對(duì)性地選擇客戶和根據(jù)客戶的需求和偏好來(lái)推廣促銷活動(dòng)，可以將促銷活動(dòng)的投資收益率提高25%50%。：營(yíng)銷活動(dòng)四階段總結(jié) 階段 1．合適的客戶 2．合適的渠道 3．合適的時(shí)間 4．合適的營(yíng)銷頻率 目標(biāo) 為營(yíng)銷活動(dòng)選擇最佳客戶 為目標(biāo)客戶選擇最優(yōu)營(yíng)銷方式 在合適的時(shí)間對(duì)目標(biāo)客戶開(kāi)展?fàn)I銷 確定最適合客戶的營(yíng)銷頻率 方法 預(yù)測(cè)分析 渠道優(yōu)化 事件營(yíng)銷 促銷優(yōu)化 策略 預(yù)測(cè)誰(shuí)是最有可能響應(yīng)營(yíng)銷并且能給營(yíng)銷活動(dòng)帶來(lái)收益的客戶 在客戶