客户定位的定位方式

1.属性分析

　　属性分析可以从三个方面来考虑：

　　(1)外在属性。像客户的地域分布，客户的产品拥有，客户的组织归属(如企业用户、个人用户、政府用户)等。这种方式数据易得，但比较粗放，不易明晰客户层面谁是“好”客户，谁是“差”客户，可能知道的只是某一类客户(如大企业客户)较之另一类客户(如政府客户)可能消费能力更强。

　　(2)内在属性。内在属性指客户的内在因素所决定的属性，如性别、年龄、信仰、爱好、收入、家庭成员、信用度、性格、价值取向等。通过客户的内在属性亦可将客户定位，如VIP客户等。

　　(3)消费属性。即所谓的RFM：最近消费、消费频率与消费额，这些指标需在财务系统中得到。但并不是每个行业都能适用。比如说，在通信行业，对客户定位主要依据这样一些变量：话费量使用行为特征，付款记录，信用记录等。

　　根据消费行为来定位只能适用于现有客户，对于潜在客户，由于消费行为还没有开始，当然无从谈起。即使对于现有客户，消费行为定位也只能满足企业客户细分的特定目的，如奖励贡献多的客户。至于找出客户中的特点为市场营销活动找到确定对策，则要做更多的数据分析工作。

2．统计分析

　　如果按照上述定位方式进行客户定位的话，基本上不需要进行数据分析。但随着营销的统计方法日益精确化，服务的日益个性化，客户定位在不同情况下常常精确到能适用多种统计方法。如要知道什么样的客户为优质客户，就要用消费行为数据为应变量，找出在内在属性，外在属性各变量中影响应变量的自变量。这个自变量可能是一个或几个前文中我们所列的数据，也可能是由这些数据所导出的一些抽象的因子，只有这样营销策略才能有针对性。否则，若仅仅盯住那些高消费，高价值客户不断促销，结果并不一定表明客户仍然会有良好的响应。

　　除了一般描述型，比如Cross-tab报表的方法外，目前数据发现与数据挖掘用得最多的有两类：传统统计方法，这包括聚类分析、因素分析和CHAID方法。非传统统计方法，其中包括神经网络方法、回归树方法等。