整合营销数据库运用

整合营销数据库运用（通用8篇）

整合营销数据库运用 篇1

供电企业要想在电力营销上做出真正意义上的改革，就必须在电力营销过程中对数据进行合理的应用。通过适当的方法将电力营销过程中涉及到的业务数据转化为管理数据，从而对电力营销决策工作予以支持[1]。

1电力营销现状

从电力工业的发展来看，世界各国的电力行业自运营上主要可以分为以下几种模式。

1.1垄断

世界多数大国在近一百多年来在供电上采取的模式是集发电、输电、配电为一身的垄断模式。国家在电力供应上大多数或全部由国家垄断经营，广大电力用户就是消费者。这种垄断经营在短时间内使电力工业聚集了大量的资金，电力工业持续发展，同时避免了重复设施的出现，为电网的统一规划和建设提供了有力的支持。

1.2发电竞争

发电竞争模式，竞争主要体现在发电环节，输电和配电仍然采取垄断经营。在电力经营过程中对电力市场进行开放，引入发电企业，在市场中由垄断企业对发电企业生产的电力进行买断，然后由垄断企业统一卖给电力用户，这种供电模式的引入加大了市场中电力的供给量。

1.3电力转运

电力运转模式就是合理的将发电、输电、配电三个过程进行分离，每个发电厂都独立成为一个企业，各个发电厂之间采取公平竞争。市场中的用电大户，可以低价从电力企业直接购买电力，利用统一电网实现电力运转。在电力运转模式中，部分竞争市场、垄断经营市场和竞争市场同时存在。

1.4配电网开放

配电网开放模式的主要特点是：发电、输电、配电三个环节适当分离，三个环节都各自成为独立的经营体系，三者之间存在电力买卖关系。这种经营模式将发电、输电、配电三者打破了传统的电力运营管理模式，电力市场形成了多种商家相互竞争的形式，这不仅增加了发电企业之间的相互竞争，客户可以通过自己的需求来选取适当的发电商，而且电力消费者和生产者之间形成了一种真正的买卖格局，从而为电力显示商品特性提供了便利条件。

2企业多维数据分析具有的特点

2.1多维性

多维数据分析的一个最重要特点就是多维性。多维性不仅体现了人们在观察世界时的多角度，同时也体现了多层次观察。例如，在销售量数据的查看上可以从时间维入手，同时还可以从年、季、月等时间层次上进行查看。对数据进行分层查看，不仅符合事物的客观运行规律，而且也能让用户全面地掌握数据情况。

2.2实时性

实时性不仅满足了用户在时间上对信息的需求，而且可以快速查找多维数据的分析结果，同时实现了实时的接受用户所反馈的数据。

2.3开放性

多维数据分析支持多数据源和系统平台。因此，在实际工作中，不论数据存储量有多大，存储在何处，采取何种方式对数据进行存储，都可以及时获取到存储的数据，并且可以以多种方式将分析结果提供给不通过平台上的客户使用。

2.4可分析性

可以从不同的角度对数据的最大值、平均值、最小值、汇总进行记录和处理，将庞大的有用数据提供给客户，此外还具有数据分析和数据查询等能力。

2.5安全性

确保信息的安全，避免受到欺诈，对用户进行分级管理，数据分析过程中，对于数据分析结果只能提供给相应的用户。如果在实际工作中，存在多个用户共同应用同一个分析时，应当对客户的级别进行合理划分，依据客户所处的安全级别，允许客户查看对应层次的信息[2-6]。

3电力营销多维数据分析过程

在电力营销决策过程中对多维数据分析进行应用的过程如图1所示。（1）依据决策者和企业业务在信息上的需求，对多维数据分析主题进行确定，在进行多位数据分析时，依据面向主题分析获取信息，从而实现为决策者提供信息的目的。（2）收集数据，目前供电企业信息系统收集了电量的业务数据，这些数据都存储在各个供电企业的信息系统中，为了使其能够更好的为企业所用，应当建立数据库服务器，采集供电企业中数据。多维数据分析在电力决策的实际应用中，数据采集工作需要依据多维数据分析主体进行，要对数据库系统进行确认，并且在构建面向分析时选择数据库，从数据库系统中抽取、转换企业需要的数据。数据仓库是集成的、面向主题的且在实际运行过程中容易因为时间变化而发生改变的一个数据集合。数据仓库是企业为数据分析工作而设计的，利用数据仓库可以为多维数据分析提供更加稳定且具有针对性的数据，目前许多电气企业都构建了数据服务器。（3）多维数据模型的建立，多维数据分析需要以多维数据模型为基础，从哪些角度对多维数据模型进行观察，对哪些数据进行分析，可以通过多维数据分析决定哪些数据需要仔细分析历史数据结构来获得，从获取的数据中找到有用的数据构建成适当的度量、维度从而构成高效的多维数据模型。（4）设计人员依据现有的多维数据模型，选取适当的度量和维度，结合报表利用适当的统计方法，通过图表直观地展现企业的大量了历史数据。（5）发布信息，通过灵活的方式将电力企业想要发布的相关信息直接提供给决策者[7]。

4分析电力影响数据主题

在电力营销决策中，每一个主体都对应一个具体的分析，表示一种营销决策者在工作中需要掌握的信息。本文在研究上将分析主体分为用户情况、购电情况、电价情况、电费回收、设备资产情况等，并对较大的主体进行了进一步划分，详细信息见表1。针对电力营销的数据分析，应当从宏观到微观，从多个角度对电气企业的数据进行科学分析，为电力企业的各级领导者提供决策信息。因此，在分析上还需要确定分析层次和分析角度。例如表2对售电结构变化的`分析。

5系统实施

5.1构建多维数据模型

利用Designer工具在BusinessObjects平台中构建多维数据模型。在构建过程中在Designer中建立数据源连接，从数据源中直接提取二维表，或者在构建过程中利用SQL查询语句，获取业务需要的数据。然后依据派生表或原生表数据之间的相互关系，例如大于、等于、小于等，建立关联查询，最终获取业务数据模型。模型建立中，应当依据需要建立表明依据查询上下文，解决断层、扇形、环路等陷阱问题，从而提高多维数据分析效率。构建业务数据结构模，可以更好的了解业务。利用Designer工具，利用已有的数据，例如企业机构、时间、地区等合理地构建成多维数据模型维度，将需要观察的数据构成多维数据度量，从而构建出合理的多维数据模型，以供使用。建立多维数据模型后，可以使用户的工作变得更加方便，对数据进行集中展示，使用户可以更加容易从庞大的数据中发现存在的问题，找到企业经营规律，提高辅助管理水平。

5.2实现多维数据分析功能

建立多维数据模型后，依据分析目标，对数据观察角度和观察对象进行确定，找出最终重要的信息，实现对多维数据的分析工作。例如，在分析过程中可以选取曲线图和列表形式对电费结余信息进行展示，管理员可以依据实际需要截止到特定的一天。同时在实际应用过程中，客户可以依据需求和现有的多维数据模型，选取有效维和对象对数据进行查看，数据对象则可以依据用户做出的选择对相应维层次的数据进行数据处理。例如，客户选择了年-月-日的时间维层次和电费结余相关的维，因为多位数据分析中，时间维层次是记录的最低层，因此不对其进行汇总，直接将数据传送给用户所处在的单位层次。利用超连接用户可以进入下级详细数据，实现对数据的汇总。多维数据分析功能是独立的，因此可将其当作一种新功能添加到原有的电力营销系统中，使其发挥应有的作用。

6结论

整合营销数据库运用 篇2

关键词：海量数据,数据库营销,市场营销管理

0 引言

据CSDN对2011年中国云计算的调研显示,超过50%的企业目前每日生成的数据量在1T以上,超过10T的有10%,有5%的企业每日生成的数据量已经达到了50T以上!可见,海量数据已成为发展趋势。海量数据正在改变我们的世界,很多行业尤其是在电信、金融等行业,几乎已经到了“数据就是业务本身”的地步。数据成为大至一个国家,小至一个企业甚至个人的战略资源。

对企业而言,可从公共来源、专门渠道和通过购买获得客户数据,以及从网络社区和智能设施收集各种新的信息,获取和分析信息的技术唾手可得,价格也不断降低,因此企业对数据的使用可以进一步深化。而且许多企业正将数据应用提升到新的水平,从而推动在市场营销领域实现根本性的变革。在企业整个营销活动中,信息的获取、存储、处理分析与应用在营销决策中起决定性的作用,而数据库营销就是经过数据采集、存储、处理等系统的顾客数据库资料的建立,准确进行市场的细分和定位,进而实施创造性、个性化的营销策略。因此,海量数据时代如何有效利用海量数据与企业数据库营销的思想不谋而合,这就促使数据库营销成为海量数据时代企业市场营销变革的一种主流方式。

1 海量数据的定义

对海量数据目前还没有一个统一的定义。Joy(2009)指出,令单个计算节点无法完成存储和处理的数据,即可称为海量数据,可见“海量”是一个动态的概率,它随着单机计算能力的提升和算法的改进而改变。罗爱宝等(2011)认为海量数据具有以下特性:(1)数据量大:通常达到TB级的数据;(2)数据类型复杂:面对的海量数据常常不是单一类型的数据———字符数据、文本数据、多媒体数据,甚至是源源不断的数据流等;(3)多模态数据:对于一个事物,得到的数据可能是通过不同的方式或角度收集到的,如多模态的视频数据,包括字幕、音频和图像等模态。因此,对海量数据的获取、存储、处理与分析需要更高的软硬件支持,需要更新的技术出现。

2 海量数据引发的社会变革

虽然对海量数据的界定还未统一,但海量数据对世界的影响已经显现,海量数据已广泛应用于政府、企业与个人的决策支持中。很多企业已开始争夺海量数据产生的商机。

2.1 海量数据的广泛应用

随着现代社会竞争日趋激烈,企业、政府、个人都需要更多的数据支持来帮助其规划、分析、决策、管理。随着计算机性能的迅速提升和云计算模式的推广,高性能的数据分析计算已广泛应用于到企业、政府和个人,其应用范围见表1。

资料来源:国泰君安证券整理.

2.2 海量数据产业链的形成

管理数据爆炸性、海量数据存储、从海量数据中提取知识、归纳数据使得人类易于理解和反应是目前人们面对海量数据时需要解决的几大问题,由此形成了以解决上述问题的产业链,如图1所示。

3 数据库营销:海量数据引发的企业市场营销变革

“深刻洞察和理解用户需求”是每一个企业生存和发展的基础,而要达到“洞察”和“理解”就离不开对海量用户进行数据发掘与行为分析。企业市场营销是一个管理决策过程,通过市场调查、细分与定位等建立营销战略组合;通过产品、价格、分销、促销的相互结合,形成企业的战术组合;采取有效措施确保营销计划的执行。而上述活动都建立在对市场信息的获取、处理分析与应用的基础上。海量数据时代,使得企业进行市场营销决策所依赖的市场信息在数据量、数据结构和数据模态上发生了根本性的变化,如何降低营销成本,提高营销效果,就需要企业进行有针对性地精准营销,数据库营销不失为一种最好的选择。

3.1 海量数据对企业市场营销的影响

海量数据对企业市场营销的影响主要体现在以下几个方面:

3.1.1 市场信息数据的获取

由于海量数据具有数据量大、数据结构复杂和数据模态多样化的特点,使得企业在市场信息获取上面临着更大的挑战。一是企业面临的外部宏观和微观环境的市场信息可能以文本、视频等多种类型存在;二是信息量随着互联网的普及和电子商务的发展正在迅速递增;三是传统市场调研方式可能已经过时,需要借助新技术采用基于互联网的新调研方式;四是消费者消费理念和偏好在网站浏览、微博等以不同的方式展现出来。这使得市场信息的准确定位和获取,犹如大海捞针,从而催生了企业数据库的建立和完善,为数据库营销奠定了基础。此外,并非所有数据都对企业有用,这就需要对信息进行甄别,否则就容易出现“信息超载”现象。

3.1.2 数据存储

由于企业内部业务每天生成大量的数据,加之外部的海量二手数据和互联网上海量用户的数据和信息的不断爆炸,对海量数据进行存储成为企业面临的一个难题。是基于自身购置硬件设备开发软件来支持,还是借助外部力量?这就涉及到数据的安全性、可靠性问题。这对企业市场营销信息系统的软件和硬件都提出了更高的要求。

另一方面,长期以来由于企业内部职能分工、组织架构等原因,导致在机构之间、部门之间存在着大量的信息孤岛,这会出现研发项目未能产生预期的市场效益、选择应用技术时出现判断失误、新产品开发受阻、对市场经销渠道和客户关系没有进行充分管理等问题。这些问题在海量数据存储时都应纳入考虑的范围。

3.1.3 数据处理与分析

及时准确地从海量数据中提取信息和知识,为企业的营销决策提供支持,是企业各个部门对营销信息系统的要求,这就需要对海量数据进行处理和分析。数据仓库、数据挖掘技术等成为当前的热门技术。而当前对海量数据的处理大多利用机器集群和并行化技术,并出现了高性能计算、网格计算、云计算等方法,这些对企业信息和数据的安全性提出了严峻的挑战,同时,这对企业信息系统的软件提出了更高的要求。此外,企业也可利用掌握的海量数据进行实验,从而提高新产品研发的成功率,如一些基于互联网的企业(如亚马逊、e Bay和谷歌)已经开始利用海量数据进行实验,以确定哪些因素会提高销售量和用户参与度;Capital On公司的金融分析师、IT专家和营销人员多功能团队每年都要进行超过6.5万次测试,对细分市场与新产品的各种组合进行实验等。如何对海量数据进行挖掘和分析成为一个永无止境的话题。

3.1.4 数据应用

通过上述几个环节,企业可以将分析得到的数据用于企业市场营销管理的过程,从而把握市场机会、确定目标市场、进行新产品开发、拟定企业的营销战略和营销组合策略,并保证整个营销活动得到有效的计划、组织、执行和控制。

海量数据对企业市场营销的影响见表2所示。

3.2 海量数据与数据库营销

由表2可以看出,海量数据管理直接影响到企业市场营销管理的整个过程,而实现两者有机结合的营销方式就是数据库营销。这是因为数据库营销是建立在对数据进行采集、存储、处理与共享和应用的基础上;而对海量用户数据的获取、存储、处理分析与应用就形成了企业的营销数据库,借助数据库的建立和分析准确了解用户信息,确定细分市场,进行有针对性的营销组合策略,这正是数据库营销的核心。因此,数据库营销成为适应现代信息社会和海量数据的独特营销方式,随着信息技术的迅速发展而不断得到广泛应用。

所谓数据库营销,就是企业通过收集和积累消费者的大量信息,经过处理后预测消费者购买某种产品的概率,借助这些信息给产品以精确定位,有针对性地传播营销信息,以达到说服消费者购买产品的目的。数据库营销包括数据库的建设和与之相适应的营销模式的结合,通过对数据的收集和分析,可以制定出“最易打动的顾客及潜在顾客;与顾客建立起长期、高品质的良好关系;做到在适当时机以适当方式将必要的信息传达给适当的顾客、有效地赢得顾客的欢心、让营销支持更加有效益、建立忠诚度、增加利润”的营销方式,为精准营销和建立良好的客户关系打下坚实的基础。

一般而言,数据库营销可以分为数据采集、数据存储、数据处理和共享、寻找理想消费者、使用数据、对数据进行分析评价和完善数据等七个基本过程。而这七个基本过程与海量数据管理的过程是一致的。因此,数据库营销是海量数据时代市场营销的主流方式。(图2)

在数据库营销运行过程中,营销数据的收集、数据库的建立与维护、数据库的分析与建模是三个核心的问题。目前我国企业实施数据库营销主要存在:(1)数据库过于单一,数据源过于狭窄;(2)数据库资料不健全;(3)难以提供有价值的数据分析;(4)客户信息缺乏有效性等问题。而这些问题随着海量数据时代的到来,数据源的不断多元化、数据类型的不断丰富、数据挖掘和处理技术的不断完善和提高都将得到有效的解决。但与此同时,利用海量数据和数据库营销作为营销决策的重要组成部分,需要具有新的能力,以及进行组织上和文化上的变革。大多数企业还远远没有充分利用所有的可用数据。有一些企业甚至还没有掌握获取和分析它们能够获得的有价值信息的技术。更常见的情况是,它们没有合适的人才和流程去设计实验,从海量数据中获取业务价值。因此在海量数据时代,企业还需要从人才、流程、组织机构等方面去不断改进和完善,才能适应海量数据下数据库营销的要求。

总之,企业能够在海量数据上得到以前没有得到的智慧,能够在数据库影响中想出更新更好的办法,所以越来越多的数据,越来越多不同的来源,从数据变成智慧,构建企业的数据库,采用数据库营销,实现从海量数据中获取价值,从而为企业创造竞争优势。

参考文献

[1]郭国庆,钱明辉.市场营销学通论(第四版).北京:中国人民大学出版社,2011.

[2]计算机行业在大数据时代中探寻变革,http://news.watchstor.com/industry-135492.htm

[3]周玲.信息超载综述[J].图书情报工作,2001(11).

[4]本刊评论员.信息爆炸颠覆了什么?[J].高科技与产业化,2006(4).

[5]罗爱宝,陈光鹏,商琳.海量数据处理[J].中国人工智能学会通讯,2011(2).

[6]Joy K I.Massive data visualization:a survey[C]//Moeller T,Hamann B,Russeleds R D.Mathematical Foundations of ScientificVisualization,Computer Graphics,and Massive Data Exploration.Heidelberg:Springer Verlag,2009.

数据库：超级营销工具？ 篇3

“盘子”实际上是一个MSN机器人程序，从你的第一份订单开始，它已经自动为你建立了个人档案。第二次订餐时，你已经成为“盘子”的老友，不用输入任何信息它就能准确地把盒饭送到你的手上。它的背后是一个庞大的客户数据库，能对客户的地址、喜好、积分等进行分析。它还扮演着“午餐秘书”的角色，可以陪你聊天解闷。

“盘子”成功的奥秘在于抓住了服务型企业最核心的一点──以客户为中心，并且把这种理念较好地融入到由MSN机器人、订餐配送平台等组成的IT系统中，从而形成了一个很实用的CRM系统，为特定目标客户提供方便快捷、个性化的服务，再加以MSN文化的强大感染力和盘子文化的病毒式传播，“正午DE盘子”得以在海量的小型快餐企业中脱颖而出。

这仅仅是数据库营销的一个小案例。事实上，从西方商业巨头到中国本土企业，从华为、联想这样的大公司到像“正午DE盘子”之类的创业型小公司，数据库营销或者说直复营销正作为一种战略营销思想和极具杀伤力的实效营销工具，越来越受到企业的重视与青睐。

数据库营销在西方国家的企业里已相当普及。在美国，85%的零售商和制造商认为他们需要一个强大的营销数据库来提升自己的竞争力。希尔顿酒店集团在全球拥有2300家酒店和40万间客房，传统广告在他们的眼里早已成为鸡肋，而数据库营销则成为新宠。他们通过对现有客户和潜在目标客户的信息管理和分析，实施有针对性的客户沟通，从而吸引了更多客户并极大提升了客户的忠诚度。希尔顿酒店集团的“Honors”数据库营销项目已经有了近10年的历史，成为业内最为优秀的客户数据库营销项目之一。

数据库营销不仅仅是一种营销方法、工具、技术和平台，更重要的是一种足以引发零售革命的战略思想，因为它完全颠覆了传统的市场营销套路与服务模式。

惠氏奶粉乐此不疲地从医院搜集怀孕6～8个月孕妇的数据，一边为孕妇们提供育儿教育服务，一边进行产品沟通。惠氏奶粉认为，消费者买的不仅是奶粉，更是对小宝贝的爱和希望。因此通过CRM的贴心服务，了解客户需求，惠氏奶粉能够和消费者建立值得信赖的关系。在这种全新的“一对一”客户关系下，选择惠氏奶粉是水到渠成的事。

在国内，数据库营销刚刚起步。虽然很多企业意识到了数据库营销的重要性，但在具体操作和市场实践上仍然处于感性阶段。以新华信、微码、赛迪、尤尼森、TNT等为代表的专业数据库营销公司，则以第三方的姿态走在了企业应用的更前端。毫无疑问，它们是国内数据库营销的布道者与引领者。事实上，这些专业公司通过与众多知名企业的战略合作，积累了众多具有说服力的生动案例。另外一些更具超前意识的企业比如招商银行、携程网等，早已不声不响地在练习这门看似平常的武功，并把数据库营销、CRM、直复营销等运用到营销实践中。

“有了一个比较完善的数据库营销系统，你就能够区分出你的响应率最高的顾客。”响应率，应该是数据库营销的核心语词之一。它是万绿丛中一点红，是海量消费群体中你正在苦苦寻找的那一位。找到这个人，你就能通过电话、DM、EDM、网络、短信等现代沟通手段与之建立紧密的客户关系，根据他的爱好与性格提供其乐意接受的产品或服务。与传统盲目的大众广告或喋喋不休的低劣销售相比，数据库营销让商业味道变淡，而人情味变浓。这正是“盘子”大受“盘子们”欢迎而准妈妈们更容易接受惠氏奶粉的情感因素之一。

数据库营销建议 篇4

数据库营销（ＤａｔａｂａｓｅＭａｒｋｅｔｉｎｇ）是２０世纪９０年代开始兴起的一个热门话题。在营销学权威菲利普・科特勒（Ｐｈ¨ｉＰＫｏｔＩｅｒ）的《市场营销管理》第九版中．数据库营销的定义是指营销者建立、维持和利用客户数据库和其他数据库（产品、供应商、批发商和零售商）．以进行接触和成交的过程。近２０年来，随着Ｉｎｔｅｒｎｅｔ与Ｄａｔａｂａｓｅ技术的逐渐兴起和成熟，数据库营销已逐渐成为现代企业营销工作的基础。商业银行的数据库营销策略，是指商业银行以客户导向为营销理念．通过建立营销数据库．收集和积累大量的客户信息．将数据库作为新的营销工具，去识别、分析、了解现有产品的消费者状况．预测客户的未来需求及购买行为，进一步确定目标市场．实施创造性、个性化的营销策略．稳定、扩大赢利客户群．以实现商业银行的任务和目标，从而达到提高营销效率目的一系列行动和过程。在商业银行数据库营销信息系统中，最重要的基础工作是建立营销数据库。

一、商业银行实施数据库营销的意义商业银行实施数据库营销，可以创造新市场，发现新市场，维持现有市场．可以与客户进行高效的、可衡量的、双向的沟通，可以与客户建立持久的、甚至是终身的关系来保持和提升商业银行的短期和长期利润．可以根据客户的价值观建立起更具特色、更加个性化的品牌。具体说来，商业银行实施数据库营销的意义表现在以下几个方面：

１、实施数据库营销有利于商业银行准确找到目标客户群数据库营销是营销领域一次重要变革．是～个全新的营销概念．在生产观念指导下的营销，各种类型的消费者接受的是相同的．大批量生产的产品和信息。而在市场细分化理论指导下的营销，是根据人口统计及消费者共同的心理特点，把仍不知名的顾客划分为类，实现准确定位。通过数据库．商业银

行可以了解哪些是带来利润的客户．需要加大服务力度，予以重点维护：哪些是潜在客户需要保留．哪些是非赢利客户应该放弃，从而克服市场营销的随意性和盲目性。

２、实施数据库营销有利于商业银行开发适销对路的金融产品客户交易历史和其他已有数据库为新产品试销结果的追踪、产品价格需求弹性的衡量、促销媒介有效性评估等方面，都会为商业银行营销带来非常积极的作用。根据目标客户的需求结构与变化动态．设计和开发能够满足这些需求的新产品。并对新产品的推广效果进行跟踪评估．以有效占领新的市场。如，商业银行对每位顾客的详细交易资料都经过电子扫描仪记录，并输入主电脑与顾客的人口统计数据资料和过去交易资料相结合，每天做成报表输出．这样．营销者就能迅速知道不同类型的客户对某种产品或新推出的营销方案及其各要素有何不同的反应。

３、实施数据库营销有利于商业银行制定符合客户需求的营销策略由于运用客户数据库．商业银行能够准确找出某种产品的目标客户，商业银行就可以避免使用昂贵的大众传播媒体．可以运用更经济的促销方式．从而降低成本，增强商业银行的竞争力。通过营销数据库对目标客户购买习惯、购买能力等的分析．结合客户所在地区的经济环境．制定最合适的营销策略，在最合适的时机以最合适的产品满足客户的需求，提高营销效率。

二、商业银行实施数据库营销的基本步骤现代营销观念要求营销者更好地满足目标客户的需要和欲望。商业银行可以采用数据库营销，采集、编辑、整理和分析有关他们的目标客户的数据，进而能够以目标化的互动传输方式．真正提供个性化的产品和服务。因此，数据库营销可以说体现了现代营销观念的精髓，是营销观念较理想的一种实现方式。一般而言，商业银行数据库营销策略的基本步骤如下：

１、数据采集采集的数据应包含两方面内容，一是内部数据．包括客户静态数据和动态数据，静态数据有客户的年龄、性别、家庭成员组成等，动态数据有账户变动、收入变动等：二是外部数据，主要是影响市场营销环境的数据，如营销区域的人口数量、人口的年龄

构成、职业构成、平均收入水平等。根据商业银行的赢利模型，确定营销数据库的类型．建立营销数据库系统的硬件、软件环境．进行营销数据的采集、维护、更新，保证营销数据库的准确性。

２、数据存储从以上步骤中采集到的客户名单，地址和其它信息应该被存储到专门建立的数据库中。如果得知客户过去的交易行为．也应该存入数据库。商业银行可以自己从事这项工作，也可请专门的数据库服务公司来做。许多商业银行让专门的服务公司来建立最初的数据库存。不管数据库是由商业银行还是由专门的服务公司管理，都必须保证输入数据的精确性。

３、数据完善数据库的有效性关键是对数据的及时校对、修改和完善，清除不良数据或无效数据对数据库的影响。数据库的价值高低．完全取决于建立数据库的目的以及其内容的好坏及功能的高低。为了拥有一个高效的数据库，商业银行必须获得更多的关于客户和准客户的信息。例如．一个专门搜集消费者资料的数据库，它搜集的与客户有关的背景资料．相关资料越多，它提供的信息的价值也就越高。另外．也要根据金融产品的特性．再收集相关信息。如：客户对品牌的忠诚度。商业银行可以通过各种调查和询问来完善数据库。

４、数据分析营销数据库之所以是一种高效率的营销工具．就在于它有强大的统计分析功能和预测功能。通过统计分析，可了解商业银行客户群的整体特征如客户的基本情况《年龄、性别、学历、职业、消费偏好等）、客户交易行为、客户消费行为、客户信用风险、客户忠诚度等：可了解商业银行各类产品的赢利情况及各项营销活动的效果等。通过营销数据库的强大分析功能，为银行营销管理人员提供必要的管理数据。

５、数据预测客户数据库的存在为营销者发展一个可以控制的研究样本提供了可能。同时．营销者和客户之间的现成关系又促成市场预测的反应率更高。根据目标客户的需求结构与变化动态．设计和开发能够满足这些需求的新产品。并对新产品的推广效果进行跟踪评

估．以有效占领新的市场。如，商业银行对每位客户的详细交易资料都经过电子扫描仪记录．并输入主电脑与客户的人口统计数据资料和过去交易资料相结合．每天做成报表输出，这样，营销者就能迅速知道不同类型的客户对某种产品或新推出的营销方案及其各要素有何不同的反应。

６、数据利用根据营销数据库的统计分析．营销人员利用营销数据库随时了解客户群情况，分辨创利客户、有潜力客户、非盈利客户：了解创利客户的行为特征．以指导营销人员及时调整营销对象和营销方式。进行产品开发、产品定价、分销渠道、促销策略的决策．提高产品开发、市场营销的准确性，降低营销成本，增加赢利销售．为商业银行创造最大利润。

７、数据反馈直接与客户（上个步骤中所选定的目标客户）进行双向沟通。数据库营销运作的一个重点步骤是适当的交流一一向适当的客户提供适当的信息并能通过一定的方式获取客户的反馈信息与数据。一部分信息可通过某种媒介传给所有客户和准客户，但大部分信息仅仅针对特定客户传递，即进行一对一营销。

三、商业银行实施数据库营销的对策商业银行实施数据库营销的最终目标是实现客户价值创造，获得竞争优势，提高核心竞争力。结合商业银行数据库营销策略的步骤，商业银行在实施数据库营销应注意以下几方面的内容：

１、改善客户关系客户服务是一个商业银行能留住客户的重要手段，在商业银行营销领域．客户服务同样是取得成功的最重要因素。现在，客户希望得到更多个性化、人性化的服务．根据客户个人需求提供针对性的服务是数据库营销的基本职能，因此，数据库营销是改善客户关系最有效的工具。数据库由于其种种独特功能而在商业银行营销中占据重要地位。另外，数据库营销与个性化营销、一对一营销有着密切的关系，客户数据库资料是客户服务和客户关系管理的重要基础。

２、增强客户信任感客户服务是现代营销中的一个关键变量，早被营销学家将此与传

统营销学的４Ｐ，即产品（Ｐｒｏｄｕｃｔ）、价格（Ｐｒｉｃｅ）、促销（Ｐｒｏｍｏｔｉｏｎ）和地点（Ｐｌａｃｅ）相提并论。对现代企业营销者来说．已有的客户数据库加上客户服务环节中形成的数据是取得卓越和高效客户服务的关键资源。运用数据库营销经常地与客户保持沟通和联系．可以维持和增强商业银行与客户之间的感情纽带。并且．商业银行根据数据库的信息能够分析出客户是些什么人，采取什么措施可以留住客户。另外．运用储存的消费记录来推测其未来客户行为具有相当精确性，从而使商业银行能更好地满足客户的需求，使客户成为商业银行长期、忠实的客户。运用数据库与目标客户建立紧密关系．开展一对一的个性化服务，保持与目标客户的双向沟通．增进双方的感情．使其成为商业银行长期忠实的客户。

３、防止老客户流失商业银行通过数据仓库的建设，积累了大量的客户信息．通过它可以了解老客户的需求，对老客户的行为进行预测，开展一对一营销．并通过交叉销售（例如向个人住房贷款的客户推荐住房装修贷款）、追加销售（例如使牡丹卡的客户升级为贷记卡或理账金账户的客户）等方式，与老客户建立“学习型”关系．获取“客户份额”，提高老客户的满意度．增加老客户的终身价值。一旦在终端发现有老客户转向其他产品消费．必须引起商业银行的注意．防患与未然。我们的策略是：先粗略了解大概原因，紧接以客户经理的名义将早已写好的信涵，加上品牌理念等一些宣传品以信件的形式寄予或亲手交给这些客户。

４、获取有价值客户客户获取是指获取对银行有贡献、具有价值的客户。“根据帕雷托的２０／８０法则”，２０％的客户创造了８０％的利润，对于商业银行来说，还存在着一个“２０／３００法则”，即２０％的客户可能给商业银行贡献了３００％的利润。对此，商业银行通过数据库营销方式．对现有客户进行分析，可以找出“金牌”客户．在此基础上．创新商业银行的产品和服务，及时把握市场机会，从而吸引客户．获取客户。通过营销数据库

对目标客户购买习惯、购买能力等的分析．结合客户所在地区的经济环境．制定最合适的营销策略，在最合适的时机以最合适的产品满足客户的需求，提高营销效率。同时，通过分析．可以找出现有客户的关联客户．有针对性地进行一对一营销．从而获取新的客户。

社交数据库 实现精准营销 篇5

由于移动互联网浪潮的冲击，依据用户行为特征精准推荐的社交购物渐成一种趋势。此外，传统出售位置的广告价格越来越高，但效果越来越差，社交广告在电商领域的应用越来越广泛。

上述两者都需要强大的社交数据库。以社交工具起家的腾讯，经过多年积累，在社交数据方面已经建立起壁垒优势。

“过去多年来积累了很多行为特征，能够实现较为精准的数据分享。”腾讯电商COCO介绍，首个标签维度是性别，其次是地点，比如选择哪个城市，然后选择其浏览商品的记录。此外，还可以甄选在家里、办公地点办公还是在网吧上网，甚至可以选多少岁，有没有支付能力、有没有开通网银业务等。

“历次行为特征在腾讯大数据库里都有记录。”COCO介绍，虽然标签越多越精准，但并非越多标签价格越高；有可能出现某个标签竞争激烈，而某些标签正好没有人与你竞争。

据她介绍，有的商户很喜欢选择定向投放腾讯体系里面的付费用户，还有人喜欢定向投放腾讯的黄钻用户——这种投放方式的投入产出比是很高的。以腾讯电商开放平台的天王表旗舰店为例，据其负责人介绍，根据购买数据分析，在腾讯开放平台上购买其手表产品的顾客，年龄层在22岁~26岁之间，女性偏多；因此，其在购买广告时会选择女性+年龄的标签。

在腾讯集团内部，包括社交网络事业群(SNG)旗下的“广点通”业务、有网络事业群(OMG)旗下的“腾果”广告系统、有移动互联网事业群(MIG)旗下的“聚赢”移动广告系统等，都以广告售卖形式向商户开放社交数据资源。

其中，“广点通”的特色是基于社交关系的大数据挖掘广告，由于其背靠腾讯的社交网络事业群，手上握有的用户行为数据最多。“腾果”广告系统则是AD exchange式的广告交易平台。

不过也有电商商户向记者指出，目前，腾讯对于其庞大的社交关系链的精准挖掘还处在比较初级的阶段，未来如果能更进一步从其7亿用户中抓出更细的用户行为特征，则广告效果更好。例如用户的收入层次、兴趣爱好、消费偏好等。

相对于腾讯的多年积累，社交化数据被视作阿里的一大短板。但是，今年双十一的情况有所改变：目前，阿里已经战略投资了新浪微博、高德软件等，与之缔结紧密的合作，并在9月上线了自己的社交工具“来往”，大有奋起直追的架势。

对于阿里而言，立竿见影的是，加速阿里和新浪微博等的融合进程，加速商业价值激发；长远来看，可以明晰社交数据对电商交易的刺激、影响。天猫副总裁王煜磊表示，在本次双十一尝试之后，天猫还将衍生出更多基于好友关系的分享、推荐和沟通功能等。他认为，这些分享互动将产生大量商业需求，推动C2B等未来商业的新模式。

在社交数据方面补课的，还有苏宁云商、京东商城。继战略控股PPTV后，苏宁发布自主研发的社交工具云信，并开发了专属的社会化媒体管理工具，能够对社会化媒体用户的使用行为、平台偏好、使用规律、个人偏好和性格(价值观)进行分析，对其关注对象、生活方式、购物行为、对商品的评价进行深刻的洞察，通过基本人群属性即社交兴趣数据，找到潜在用户进行精准的商品信息推送。

比如，苏宁易购每天都会推送相关产品的微博，收到了粉丝的“点赞”、“转发”或者“点评”，并且该粉丝在自己的社会兴趣标签上标记了“美容化妆”，关注了诸如“嘉人”、“时尚芭莎”等高端时尚杂志，经常会与自己的好友就#美妆#、#时尚#等话题进行微博互动，那么这样的粉丝就应该是苏宁易购、缤购美妆频道的目标客户。

“千人千面”的大数据应用在京东内部也有尝试。

比如，针对一些具有重复购买的商品，京东会分析此类商品在用户两次购买之间的平均时间，然后再推介系统给用户推出相应的商品，以提高转化率。

在搜索行为上，“用户常常搜索的不是商品，而是直接表达自己的意图”，京东商城副总裁李曦表示，在搜索结果中，用户常常会打出“适合爸爸的XXX有哪些”，而不是输出关键词。

而京东的做法是，将商品标签化，并打上附有情感类和场景类的标签，然后再基于对用户海量评论的分析和挖掘，尝试理解用户的意图。

此外，京东还将商品的标签化输入开放给用户。用户可以对某商品进行评论，而京东将这些评论整理成商品标签，以便用户在搜索上能够更加精准化。这些主观性的描述，也将丰富着京东在社交数据上的积累。

基于数据库的精准互动营销 篇6

基于数据库而进行的精准营销是什么呢？数据库又是什么？个人认为数据库它就是一套涵盖了用户或顾客，且可以随时更新的动态数据管理系统。简单来说就是一个收集和积累会员（用户或消费者）信息的文档。经营的核心是挖掘有价值的数据。如何经营好这些数据？如何与有价值的用户产生互动？这将是数据库营销的核心和难点之一！

那么关联到营销上讲，目前基本的应用为分析筛选后针对性的使用电子邮件、短信、电话、信件等方式进行客户深度挖掘与关系维护。或者是以与顾客建立一对一的互动沟通关系为目标，并依赖庞大的顾客信息库进行长期促销活动的一种全新的销售手段。注意，目前的应用是沟通关系和客户维护，进行的促销也是针对数据库人员的信息传输，而没有进行真正的产品直接供需。

同时我们说精准，那么不得不说细分，最早的时候大家是用统计学的一些方法，比如说对于地域的判断、年龄的判断、心理的判断开始对于人群的细分。之后，渐渐地引入了经济学的方法，就是纳入了职业、教育背景、收入等等这些因素来对于人群做一个细分。这些方法到目前来讲，都被广泛的应用，同时做到了很好的精准性的作用。就是不管用什么样的方法把人群找来了，到底有多少人、对应某一个品牌的受众是多少？这是基于数据库的互动营销的一大难点。

第三个是互动，既然可以把人群根据他的特征、特性做一个细分，这对于任何一个细分人群，这也是带有特殊性比较细分的人群，怎么样找到一个对于这些人群一个最能够接受的方式，这对于任何一个准备做互动营销的挑战。第一，他觉得没意思，或者是这是十几岁孩子做的事情，或者是不符合他的生活价值观，就算他勉勉强强会参与，这也不是广告商所要达到的效果。

就是四个阶段，就是认知、参与、认同、行动。

基于以上的简短叙述，我得出的简单经营思路是：

首先积聚这些有逻辑化的生活方式，并且有非常强的消费能力的都市的精英群体。这群人他们对于生活质量和他们的社交圈，还有他们的人脉关系。那么通过**刊和青年企业家俱乐部这两个平台，把他们从城市的各个角落聚集起来！同

时采用了一个严格准入制度来核定数据库的信息，这样的模式有助于我们建立一个非常具有高信任度、非常有高质量的社交的环境和社交的平台。

然后是说到我们的精准，如何向广告主或者是合作商证明，针对他们的产品，我们精准的受众比例是多少？我们可以告诉他们看了你广告的这些人里面，有多少是满足你的种种条件的，有多少人是符合你的受众，同时有多少人买了你的产品。再深入挖掘，我们可以做到对于合作商家的产品产生响应的人，邀请他们做一些反馈，做一些调研的工作，这样也是可以更好地帮助品牌商更加地了解他们的用户是怎么想的。

之后说到互动，我们在线上也进行互动，线下做会员的活动，我们有DM，我们有企业家俱乐部，我们有协会组织，同时联合豫商卡或其他有影响力的会员卡系，进行服务植入。

这个时候，我们就可以传播他们这群人最关心，他们认为最有价值的资讯和产品了。

我们的口径

精准营销是什么？

对商家群体：基于数据库的精准互动营销，它是经过严格的准入制度，建立的动态信息管理系统，通过系统内会员的需求提交，进行购买意愿和购买力的区隔，最终完成产品定制和产品配送的过程！它真正做到个人化、区隔能力、实时性的营销方式，它可以针对不同需求和特性，直接将最适合的信息传送给最需要的人，并通过俱乐部及杂志的互动方式传达给目标人群！最明显的特点是知晓需求后的信息释放，真正做到一对一的有需有供，传播更有效率，效果更明显！

对目标群体：“牛B”是为注重生活品质、具有高尚生活方式、对社交人脉和朋友伴侣有更高要求的人士专门建立的一对一精准服务社区。我们的会员有着相近的生活背景、生活理念，以及兴趣爱好。在这个独有的平台上结识新的朋友、拓展人脉、与老朋友分享品质生活，与志同道合的人交流，约会，并一起参加各种派对、时尚活动，并且我们为您提供购买需求上的高品质服务。“牛B”只能通过邀请方式加入, 这样可以更好地确保真实、可信的交流。

它的优势是什么？

对商家群体：在我们所处的市场上，各个品牌和产品的同质化特征越来越明显，消费者的选择意愿也越来越置后，而我们的产品和品牌都需要建立在公众的需求之上。那么，如何在第一时间抓住消费者的需求和意愿，并经营他们对品牌的感受就是我们最应该做的！而这需要我们去建立一个为品牌与消费者之间的专属认知感知管道，并且在承馈消费者需求的时候，给予一个完美的服务！

对目标群体：怎样才能在第一时间获取潮流和意愿购物资讯？怎么才能将众多商家所售商品在同一时间同一平台进行比较？怎样的方式不必担心买贵买亏买假？想解决这些问题，那么从你身边朋友那里获取“牛B”人邀请卡吧。我们即刻为您提供专享服务！

实现精准互动营销的关键因素？

第一、由多种方式组合的整合传播会极大增强推广效果。新颖的创意构思、精美统一的设计、以客户为中心的悉心操作，都给客户留下深刻印象，吸引了众多客户反馈。

第二、准确的数据是项目高效运行的基础。

第三、产品诉求与传播对象“痛点”的把握。

第四、数据库营销成为整合传播的支撑。

在**刊数据库里，我们的分析——

我们认为，数据库营销的目的主要有三个方面：客户开发、客户保留和客户价值的最大化。在郑周刊，就体现在发展更多的订阅读者、保持高的续订率、提供附加服务来获得更大收益。这一切，都需要精确的目标客户分析作为基础。

该杂志的目标读者是大中型企业和事业机构的中高层管理者及部分综合管理人士，其他读者如普通职员、学生等并不被看重。

因此，我们首先需要分析潜在的读者分布并且确定目标读者群。这个目标读者群既要符合业务的要求，还需要考虑到实际的可操作性。也就是说读者的数据库可以建立，读者数据也有较大可能收集到。我们通过数据库的查询和分析，初步确定了以**为主的10000个企业中高层管理人士为目标读者。目前，推广项目主要以直邮宣传和直接赠阅推广为主。

我们的操作流程？

完善的数据库有功能----征集需求-------谈合作商家产品----实物配送----收取费用-----售后跟进------兴趣调查-----资讯补充-----

注：为了进一步详细了解数据库营销的具体操作方式，在整个环节中最具有关键作用的是电话营销中心。

经调查：我们认为，电话营销是企业整体营销规划的一个重要组成部分。比如：汽车行业多种营销活动，如对车主的回访、试驾活动前期目标客户的邀请、对潜在客户的新车推广、市场调研等等。

电话营销有什么优点呢？

第一、互动性。电话访问过程中的交流是双向的，电话营销代表可以及时了解受访对象的看法，得到反馈；同时，受访对象也可以及时了解更多他想知道的相关内容。

第二、成功率高。通常情况下，直邮的反馈率大约在0.1％～3％，而电话营销的反馈率大约是30%～50％。

那么如何成为“牛B”会员？

每个得到我们认证的会员，可以邀请一定数量的朋友加入“牛B”，您可以询问身边的朋友来得到邀请。您也可以留意我们在合作商场、会所和青年企业家俱乐部的活动。

浅议营销数据库设计策略 篇7

作为信息时代最具有价值的营销方式——数据库营销已经得到了全球企业的广泛的关注与应用, 而数据库营销的基础是飞速发展的计算机技术, 特别是数据库的开发与管理技术, 数据库营销的成功必须建立在一个科学优化、有效存储且具有高商业价值的数据信息的数据库之上。面向营销这一特定应用环境的数据库, 其所应收纳数据、业务特性、存储方案、更新频率等都有其自身的特点, 需要找出针对性的设计策略, 满足市场需求。

(二) 营销数据库的特性

1. 数据库概念

严格地说, 数据库是“按照数据结构来组织、存储和管理数据的仓库”。

J.Martin给数据库下了一个比较完整的定义:数据库是存储在一起的相关数据的集合, 这些数据是结构化的, 无有害的或不必要的冗余, 并为多种应用服务;数据的存储独立于使用它的程序;对数据库插入新数据, 修改和检索原有数据均能按一种公用的和可控制的方式进行。当某个系统中存在结构上完全分开的若干个数据库时, 则该系统包含一个“数据库集合”。

2. 营销数据库的概念

营销数据库是指为满足企业营销活动的信息需要所存储在一起的相关数据的集合。营销数据库是基于客户来构建的。具体一点来说, 营销数据库往往是企业利用经营过程中采集的各种客户消费信息、行为信息和背景资料, 经过一定分析和整理后, 以客户为核心来构建的。营销数据库经常作为营销部门制定市场营销策略和市场营销活动的依据。以客户关系管理为例, 客户营销数据库用来记录和跟踪每一客户的消费行为, 如客户什么时候购买、为什么购买、与客户的沟通、以及来自客户的反馈, 也包括市场调查的结果、客户的投诉建议等等。

3. 营销数据库的特性

(1) 价值性。营销数据库的目的是实现数据库营销, 而所谓数据库营销就是企业通过收集和积累消费者的大量信息, 经过处理后预测消费者有多大可能去购买某种产品, 以及利用这些信息给产品以精确定位, 有针对性地制作营销信息, 以达到说服消费者去购买产品的目的。而传统营销模式中, 大多运用大众传媒 (报纸、杂志、网络, 电视等) 大规模地宣传新上市的产品 (或商品) , 或者实施新的促销方案, 这种方式很容易引起竞争对手的注意, 使他们紧跟其后推出对抗方案, 势必影响该营销计划的预期效果。但运用数据库营销, 可与消费者建立紧密关系, 这种营销模式将竞争隐蔽化, 一般不会引起竞争对手的注意, 避免公开对抗, 更有利于营销计划的实施, 增强企业的竞争力。

(2) 目的性。营销数据库的最终目标是实现营销。营销数据库是协助规划整体营销计划和设计, 控制和衡量传播活动的工具, 它可以把有关的资料整合在一起, 统一协调, 有针对性地进行直接调度。营销数据库通常是基于营销关系模式来构建的, 这使得所有客户交易状况能够一目了然。

(3) 效率性。目前美国已有56%的企业正在建立数据库, 85%的企业认为他们需要数据库营销来加强竞争力。由于运用消费者数据库能够准确找出某种产品的目标消费者, 企业就可以避免使用昂贵的大众传播媒体, 可以运用更经济的促销方式, 从而降低成本, 增强企业的竞争力。具有关资料统计, 运用数据库技术进行筛选消费者, 其邮寄宣传品的反馈率, 是没有运用数据库技术进行筛选而发送邮寄宣传品的反馈率的10倍以上。

(三) 面向营销数据库设计策略

企业营销数据库的建立对于长期的营销和销售支撑是非常重要的, 往往需要基于企业和客户的视角进行长远的规划和专业化的设计。一些公司将建立营销数据库作为一项独立的应用, 有时将之视为一种分析和支撑营销活动的工具来看。但一个完全一体营销数据库系统是将企业的业务、决策支持和营销体系, 有机的整合起来的数据库应用, 是一个系统性的整合营销支撑平台, 其营销数据库的建立, 不仅需要考虑技术的因素, 同时也重视非技术的策略。

1. 成立数据小组

营销数据库数据元素多, 在设计上有必要成立专门的数据小组。由于数据库设计者不一定是使用者, 对系统设计中的数据元素不可能考虑周全, 数据库设计出来后, 往往难以找到所需的库表, 因此数据小组最好由熟悉业务的项目骨干组成。

数据小组的职能并非是设计数据库, 而是通过需求分析, 在参考其他相似系统的基础上, 提取系统的基本数据元素, 担负对数据库的审核。审核内容包括审核新的数据库元素是否完全、能否实现全部业务需求;对旧数据库 (如果存在旧系统) 的分析及数据转换;数据库设计的审核、控制及必要调整。

2. 科学标准化数据

数据的标准化是指对营销数据库的表及字段进行统一规范。营销数据库的数据来源多种多样, 其采集过程的不规范容易导致日后使用的困难。对表和字段科学标准化, 对数据的采集、存储、处理业务的效率大大提高, 既方便了数据库开发与维护人员, 也方便了营销数据分析人员。而标准化可以保证表内的字段都是最基础的要素, 这一措施有助于消除数据库中的数据冗余。

标准化的形式有好几种, 而Third Normal Form (3NF) 通常被认为在性能、扩展性和数据完整性方面达到了最好平衡。更高层次的标准化也有, 过高的标准化可能给数据库引入太高的复杂性, 容易导致性能上出现问题。

3. 慎选主键与索引

主键与索引的选择直接影响到数据库的检索性能。对于营销数据库而言, 其所面对的客户数据繁杂使得主键与索引的选择也存在很大的困难, 需要创建者针对营销数据库的特性, 根据数据小组的意见做出正确的决定。

具体来讲, 键的设计应遵循以下几个原则:为关联字段创建外键;所有的键都必须是唯一的;尽量避免使用复合键;外键应是关联唯一的键字段。

索引作为是从数据库中获取数据的最高效方式之一, 通常分解字段用于索引, 以提高检索性能。对逻辑主键使用唯一的成组索引, 对系统键 (作为存储过程) 采用唯一的非成组索引, 对任何外键列[字段]采用非成组索引。

4. 保证数据完整性

在数据库的完整性设计上, 数据库开发人员与营销数据分析人员往往存在争议, 前者要求采用数据库系统实现数据的完整性, 后者则出于营销业务的考虑要求用商业规则来强制数据完整性。笔者认为只要有可能, 请采用数据库系统实现数据的完整性。这不但包括通过标准化实现的完整性而且还包括数据的功能性。在写数据的时候还可以增加触发器来保证数据的正确性。而依赖于商务层保证数据完整性无法保证表之间 (外键) 的完整性, 因此无法强加于其他完整性规则之上。

5. 保证数据库的高效性

数据分析人员在使用营销数据库时, 常需要配合适当的软件, 进行大量数据获取、分析、处理, 其中不乏复杂的运算。此外, 营销数据库的客户数据在不断完善历史资料的同时, 还需要不断更新信息, 追踪新数据, 以实现营销分析的需要。面对如此庞大的数据仓库以及数据挖掘的工作需求, 营销数据库应实现数据存储的科学化、最优化以满足使用效率。

6. 保证技术的前瞻性

计算机技术发展日新月异, 而营销数据库自身的科技含量较高, 因而其设计必须具有一定前瞻性, 不但要满足当前的营销业务应用要求, 还要考虑未来的营销业务发展, 同时必须有利于扩展或增加应用系统的处理功能。因此, 营销数据库在其概念设计、逻辑设计、物理设计、运行与维护设计各个阶段都应充分考虑市场应用和技术使用的前瞻性。

(四) 小结

与普通数据库相比, 营销数据库的设计与开发要复杂得多, 因此在设计、开发过程中, 除了要遵循数据库范式理论、增加系统的一致性和完整性外, 还要在总体上根据具体情况进行分布式设计, 紧紧把握集中控制、统一审核的基本原则, 保证数据库设计结构紧凑、分布平衡、定位迅速。在数据库操作上, 要采用一定的技巧提高整个应用系统的执行效率, 并注意适当超前, 以适应不断变化的应用及系统发展的要求。

摘要：文章主要讨论了面向营销领域的数据库的特点及所面临的问题, 针对这些特性及问题对数据库的设计原则与开发技巧提出了简明扼要的解决策略, 构造最优的数据库模式, 建立营销数据库及其应用系统, 使之能够有效地存储数据, 满足各种用户的应用需求。

关键词：数据库,营销数据库,数据库设计,数据库营销

参考文献

[1]贾思军.对数据库营销的涵义、特点与数据库营销应用的全解析.http://www.jiasijun.com/post/281.htm.

[2]史雁军.营销数据库的概念、构建及运用.http://www.studa.net/zhengquan/060224/11455061.html.

数据库营销：重新定义客户价值 篇8

文一数据库营销的三个关键

谈论科学与艺术于市场营销中孰轻孰重，正如辩论自由与平等于人类社会发展的贡献度一样索然无趣。艺术在于灵感和想象，而科学更依赖于积累和发现；艺术更感性和自我，科学则更理性并功利。数百年的市场营销史为我们揭开一切：（见图一）

当强大的品牌已经确立，或者各式的营销手段已经玩腻，我们不得不重新考虑一下自己的职业前途，还能做些什么？或许“社会营销”是一条不错的路，它比艺术还要更艺术。过去的“泥腿子”变成现在的“行业巨头”了，做事便不能如过去一般的粗糙生硬，要加一些高贵的元素在里边，要潜移默化，润物无声。于是便有了公益责任和企业公民的概念，于是便有了救助失学儿童、绿化祖国大好河山、支持国货、发展体育运动等。哪个知名企业不和“企业社会责任(CSR)”联姻一下，那简直是为各方所不容的大事情。

当然，也不能放弃另外一条更注重科学的路。数据库营销是一条使市场营销由科学走向更科学的必由之路。过去市场营销中科学和艺术的比例是2：8，现在这个比例正相反。

可以简单地对数据库营销概括一下。数据库营销是通过收集和积累客户大量的信息，采取先进的技术对这些信息进行分析，找出规律性的东西，有针对性地采取沟通和营销策略。

我们常常讲要用信息化的手段来武装市场营销工作，信息要准确、及时、透明；我们也常常想精准地把握客户的需求，甚至精准地引导客户的需求；我们还想在市场营销中“开源节流”，尽量做大ROI（投资回报率）；我们更想对客户进行点对点的“眷顾”，精细化的操作。数据库营销，为我们开启一扇无法回避的大门。

数据是基础

数据是数据库营销的基石。我们需要客户的基础数据，姓甚名谁，何处高就，如何联系；我们还需要客户的特征数据，这就更细了，包括这个人所属的行业、职责、职位、年龄、学历、房和车的拥有状况等等；我们更想了解客户的交易数据，比如，什么时候购买的产品或服务，花了多少钱，买了多少次，投诉了多少次，维修了多少次等；还有，市场营销的投放数据也很重要，什么时间在什么地点的什么媒体投放了一个多少钱的什么版式广告，至少也要试着测算一下ROI，否则老板岂能答应。

通常，企业会把上述的数据放在数据库里边，可以是Oracle、IBM DB2或者SQL Server，当然现在国产品牌也不错；如果要涉及更复杂的管理职能，则需要CRM或者销售管理系统；如果涉及到多种数据来源的海量数据，我们就必须利用数据仓库，按照既定的规则和模式，定期抽取、关联成有益的形式。

这里，我们会面临一个巨大的挑战，即企业信息化是永远无法与社会信息化相提并论的。企业的数据来源有限，更新被动，内容繁杂；渠道和分销商是不会轻易地将客户信息拱手奉送的，销售人员也不情愿把自己刚刚开发的客户资料贡献出来，被动的等待将毫无意义。于是第三方的数据提供机构应运而生，他们通过各种渠道整合散落在各类社会机构中的数据资源，通过不断的更新和加工，在法律和道德允许的范围内，提供可靠的数据资源。企业信息的社会化，以及社会信息的企业化，同样令人期待。

数据之门深似海，我们还会遇到更大的挑战：来自不同渠道、不同格式的数据，如何整合是一个大问题；随着时间的迁移，数据的准确率不断下降，如何鉴别不同批次数据的置信度；不同数据源的数据字段定义不同，如何进行规范化处理；不同数据针对同一主体，如何进行查找、合并和删除冗余数据；对于高危的企业数据（如破产、注销、吊销、低信用等级）如何进行识别等，这就是数据清理，建立“单一视角”的客户数据资源。数据管理正是此类业务的统称。

总之，只有建立了“多快好省”的数据资源体系，我们才能理直气壮地大干数据库营销。

商业目标为王

商业目标是企业生存的动力，它是需要去量化的，也是我们极尽所能要去量化的。追逐最大化（如市场占有率、客户忠诚度）或者最小化（如客户流失率、客户投诉率）是市场人永远的目标 。举个理想的例子：我们手里有20元钱，按整数分别投到广告、宣传和活动上，而销售额就是三者数字上的乘积，该如何确定最优方案？（见图二）

选择有几十种，最优答案只有一种，就是（6，7，7）。从数学上讲，这是一个线性规划问题（更准确地讲，是一个整数规划问题）；从战略上讲，这是一个组合配称的问题。定位学派大师迈克尔·波特讲过“战略就是一种配称（Strategy Fit），配称的最高层次便是各项因素相互组合、加强，直至达到投入最优化（Optimization of Effort）的境界”。

现实的情况总是复杂得多，商业目标的约定也千差万别，但是从客户价值的角度来讲，目标是惟一的：客户价值的最大化！贯穿客户全生命周期的价值分析和管理，可以被我们视为一种科学、周详的整体方法论。（见图三）

对处在不同价值阶段（或者可以理解成处在不同生命周期阶段）的客户进行研究，自然离不开分析的方法手段，甚至是模型。通常我们可以利用一些为世人所熟知的经典分析方法，或者根据营销理论、数理统计知识和企业的营销实践自创一些分析方法，如果企业的数据是海量的，则也可以利用数据挖掘的种种手段（如分类、预测、关联规则、聚类等）来搭建动态的模型。（见表一）

需要说明的几点是，不论什么样的分析方法都需要大量优质数据的支撑。在金融、电信等产品线较少且信息化程度非常高的行业，数据根本就不是问题；在IT、传媒等行业，数据资源也是比较丰富的；在其他的行业，数据资源的积累相对就差得多，分析起来难度也就相应地增加。

同时，世界上没有完美的分析方法、模型，这需要我们客观地对待和认识。例如，以R(Recency)F(Frequency)M(Monetary value)模型来讲，我们可以很快地建立一套打分体系，但是我们会发现，对于具有不同购买速率的产品或客户来讲，分析的结果会让人大跌眼镜，一个好的解决办法就是通过市场调研或统计的方法来获得更多的购买速率信息，并补充到模型中去。创造一个模型、调整或优化一个模型，需要我们结合实践经验、理论模型、市场调研、数据挖掘等多种手段来进行。

直复式营销为手段

就目前的发展水平来讲，数据库营销仍主要以直复式营销（Direct Marketing）作为策划和执行部分，包括了我们常见的一些点对点的营销手段：TM（电话营销）、DM（直邮营销）、EDM（电子直邮）、FAX（传真营销）等，以及目前颇为流行、前景无限的E-Marketing（互联网营销）。

应该说明的是，离开了我们前边提到的优质数据源，离开了明确的商业目标和有效的分析/挖掘方法和工具，简单地依靠直复式手段来进行市场营销，收效不会很大。

直复式营销需要我们的策划和创意作为支持，更需要一些常规市场营销手段的支援。举个策划的例子，如果你是美国一家冷饮厂商的营销负责人，希望通过一定的手段提升销售业绩，希望更多的人浏览公司的网站并注册，同时通过网络调研他们的生活形态和偏好。现在正好赶上一个好机会：2008年总统大选在即，奥巴马和希拉里是民主党候选人群中最耀眼的2颗明星，一黑一白，占据所有人的视线。于是你灵机一动，策划了2款新的冰淇淋产品，一个巧克力的一个奶油的，一黑一白，一个“O”系列，一个“H”系列；你可以通过各种直效的手段来进行推广这些产品，同时向消费真暗示产品的寓意；你甚至可以在网站上打出动态的冰淇淋产品销量PK图，暗示一些支持率之类的意思，结果可能是：销售的大幅增长，海量的网站浏览、注册和反馈，甚至还可能有一些社会的效应。不管怎么样，一个好的策划，就从源头帮了你很多的忙。

好的策划，更需要好的实施过程。精准的实施，不但需要规范统一、逻辑严谨的实施方法论，也需要在不断的实施中总结成败。再举个发送EDM的例子，现代人生活节奏那么紧张，工作那么繁忙，垃圾邮件那么多，星期几发送的效果最好呢？星期六、日休息就不算了，一周中的发信成功率基本上是在不断下降的，到星期五达到最低点；而邮件打开率则正好相反，是在不断上升的。数据显示星期三正好是个平衡点，发送成功率和邮件打开率的乘积最大，那好，我们就定星期三发送了！

但是即使我们是在星期三发送了，客户也打开邮件看了，也许大部分人只浏览了几秒钟，能记住多少内容呢？根据艾宾浩斯遗忘曲线我们知道，人的记忆在短期内是急速下降的，20分钟后大概会遗忘42%的内容，一个工作日后，66%的内容已经想不起来了。人的遗忘规律对市场营销是可怕的，我们必须有补救的措施：对EDM的发送进行追踪，一旦客户打开并浏览了相关的页面，说明他对相关的产品服务是感兴趣的；那么在20分钟内，我们可以再给他发一个EDM，内容和美工都做重新的设计，防止客户产生疲劳感，只要传达相同的营销信息即可；或者也可以直接给客户打个电话。不管怎么样，通过科学的营销组合方式，一定会大大增强客户对公司的印象，预算可能会增加1倍，但是效果可能会增加10倍。

数据库营销全过程

首先， 企业需要建立完整的客户信息数据库。

通过数据搜集渠道，积累各种业务和客户数据，如可以通过不同渠道的客户接触点来收集客户的基本信息；当客户发生购买行为时，记录客户每次的购买行为；通过设立企业对外咨询电话，登记顾客的反馈信息；企业可以在举办促销活动中，有针对性的收集顾客对产品的认知度和相关信息；通过研讨会、产品讲座、科普报告会等公关活动来整理收集，等等。

完整的客户信息数据库实际上就是企业整个市场的缩影。数据库建立以后，企业的产品开发方向、行销产品开发方向都可基于这个数据库作为决策基础。

第二步，构建客户消费行为特征变量集。

根据企业客户消费特征，构建消费行为特征变量集，跟踪客户行为模式形成客户特征快照。特征快照每周或每月更新，以反映客户最新消费模式。这样，既实现客户深入而全面的市场细分，又为数据挖掘模型的构建提供坚实的基础。

第三步：数据挖掘模型构建。

为了实现全面的分析，要根据需要构建数据挖掘模型，提供分析结果。通常企业可以建立以下模型：

客户细分模型：基于客户基本特征和消费行为特征（最近购买时间、购买频率、消费金额等），将其划分成不同群组，从而实现客户分类管理和一对一营销；

价值评估模型：设定客户价值评分体系，对所有客户价值评分，合理评估其价值贡献，分辨出企业的最佳客户，并实现客户价值等级监控以反映客户状态迁移；

流失预测模型：对所有客户流失概率的评分和预警，自动生成流失客户清单，并分析流失原因；

交叉销售模型：分析客户对产品或者服务的偏好，为特定产品群寻找合适的客户群和为特定的客户群寻找合适的产品群。

第四步：根据模型分析的结果制定并实施营销方案。

根据模型分析的结果，配合相应的市场计划，针对不同的客户，制定不同的沟通策略和营销策略，并严格执行。执行过程当中，尽可能地收集客户的反馈信息，以便进行评估。

第五步：营销效果评估分析。

通过汇总客户的反馈，对单次营销效果进行分析，包括成本收益分析、市场活动产生的实时影响等，实现营销效果评估，以帮助营销人员改进营销目标和设计方案，为下一次的营销方案设计提供依据。如此，形成一个闭环营销体系。

第六步：模型效果监控和更新。

数据挖掘模型存在一定时效性，市场状况发生变化或者客户变迁等都可能导致模型的退化，因此模型效果监控是数据挖掘模型所必需重要部分。

文二数据来自哪里？

通过客户信息数据库的建立、管理、分析和挖掘，可以帮助企业选择最优质的目标客户群，采取针对性强的营销活动。在国内，大部分企业在数据库营销方法实践上处于刚刚起步的阶段，企业所关注的核心问题是：企业内部所积累的客户数据资源是非常有限的，如果企业要获取外部的客户数据资源来开展营销活动，那么企业应该如何获取相应的数据资源？不同渠道的数据有何差异？在通过各种渠道获取数据资源以后，在整合和利用上会面临何种挑战？

B2B客户信息外部资源情况

B2B客户信息外部资源的获取大致分为两个渠道：政府部门和商业机构。

1. 政府部门方面

政府部门统一收集信息相对于其他任何收集方式具有不可比拟的优势。主要有如下几种信息来源于政府渠道：

（1） 工商局的注册与年检信息。商业机构在工商局注册是企业成立的一个程序，年检也是工商局作为行业管理者的主要职责，每个商业机构都会在工商局存有注册信息和年检信息。现在工商部门的信息资源所存在的问题主要有：

第一， 信息分散，没有集中的数据库。县区级、省市级和国家工商局都有信息，这些信息相互之间是不重复的，但是所有这些信息没有集中管理。

第二， 联络信息的准确率低，注册和年检信息没有核查机制，特别是一些大的城市，工商注册年检的代办机构比较多，信息的准确率更低。

第三， 只有经营机构的信息，没有事业单位、党政机关等机构的信息，造成了工商局信息的不全面、不完整。

第四， 信息获取的成本非常高昂。 工商局的信息往往都是按条计算收费，一条信息以几元或者几十元的价格对外提供服务，获取成本非常高。

（2）质量技术监督局的组织机构代码相关信息。质量技术监督局系统有组织机构代码的相关资料，它集中了全国大部分区域的数据，而且还包括事业单位和党政机关。但是这个数据库存在的问题是只“生”不“死”，存在大量已经不再存在的企业和机构数据，还有就是质量技术监督局没有强制性的年检制度，它的联络信息和各项背景信息老旧。据统计，三年之内中国注销掉的企业就超过一百万，这种变化速度是非常之快的，如果只 “生”不“死”，那么利用这样的数据做营销，会浪费大量营销成本。此外，获取这些信息的成本高昂，甚至是不可能获得的。

（3）国家统计系统收集的企业信息。国家统计系统收集数据有两个途径：一方面是全国经济普查，另一方面是对工业企业信息的收集。这些数据信息在当时获取的时候准确率高、覆盖面广，但是都不能及时直接服务于社会。例如，2004年底的普查数据到目前为止还是只存在于政府部门的内部，没有用于社会服务。

（4）中国人民银行征信系统收集有大量企业的数据。内容非常丰富和全面，联络信息准确率很高。受国家法律限制，这一部分信息无法服务于社会且保密措施最为严密，目前社会上也没有任何人能够得到银行征信系统的数据。

2. 商业机构方面

商业机构存在一些可以用来做营销的数据资源，这些数据处于不断发展之中，随着国内商业信息服务业的发展，将有越来越多的营销数据为企业所用。

（1）媒体方面。媒体拥有订户和注册用户信息，但其问题是各项信息的填写不规范，用户特征信息或者空缺，或者真实性无法检验。企业无法利用这类数据有效区分目标客户、开展营销活动。此外，数据量比较少，一般都是几万条或者是十几万条，难以满足大量信息使用的需求。

（2）电子商务网站。目前电子商务网站很多，但在网站注册的企业和机构数据比较少。即使最大的电子商务网站阿里巴巴，通过对它的数据进行分析，发现阿里巴巴实际拥有的数据也只有几十万到一百万之间。而根据第一次经济普查，截止到2004年底，全国有近1,200万家企业和机构。此外，电子商务的用户信息更新主要依赖用户自主更新，但真正能够自主更新的会员一般不超过总注册会员数量的三分之一。同时，用户在注册时填写的信息也往往不规范，造成难以与其它信息资源合并。

（3） 商业数据公司。目前商业数据公司普遍没有自身数据的自主采集渠道，主要是进行汇总整理政府和其他商业机构的信息。绝大部分数据公司缺乏对海量数据进行管理和整合的技术实力和相应的手段，也没有能力和资金支持对数据进行自我更新。

B2C客户信息外部资源情况

B2C的信息资源也可以分为两个方面：一方面是政府部门，另一方面是商业机构。有的信息是据明确的法律规定不可获得的，有的信息是在没有相应的规定下通过某种渠道或途径所获得的。

1. 政府部门方面

（1） 公安部户籍信息。目前根据法律法规，公安部可以对外提供基于特定用途的查询服务，例如，银行对于贷款买房、买车的个人可以到公安部去查询相关的信息，但是仅限于户籍信息。

（2） 公安部车辆登记信息。目前部分省市的车辆登记信息在市场上流通或者市场外部有人也在提供，内容是包括车辆本身和车主的身份证信息及联系电话。

（3） 中国人民银行征信系统。目前中国人民银行征信系统采集了3.4亿银行卡信息，但是这部分数据信息的使用仅限于银行系统内部的单个查询或者是经过被查询人的授权才可以去查询。

2. 商业机构方面

（1） 保险公司的投保户信息。这方面的内容是比较多的，信息量也比较大，但是保险公司自己本身没有直接对外提供信息的正常渠道，它的信息是通过各种各样的业务合作方式提供使用的。

（2） 电信用户信息。电信用户的信息包括身份证信息和电话号码，它的信息只适合用于电话营销和短信营销，对于其他的营销方式不适合，此外电话消费金额等方面的信息可以用来辅助评估个人的消费行为、收入水平和职业。电信部门自己本身没有直接对外正常的信息提供渠道。

（3）媒体订户信息。媒体的订户信息所存在的问题也是信息内容不规范，数据量比较少，媒体信息的使用成本也是非常高的，数据使用一次都花费几元甚至高达十几元。

文三客户价值分析以汽车产业为例

中国汽车行业经过2003年的井喷式发展后，去年在宏观经济向好的大背景下，继续呈现快速发展态势，产销量双双突破720万辆。随着汽车销售市场的蓬勃发展，汽车售后服务市场的巨大潜力也日益凸显出来。据有关统计数据显示，目前我国汽车售后服务市场规模大约是1100亿元人民币；新华信预计，到2010年，我国的售后服务市场规模将达到2000亿元人民币。

随着新车竞争的加剧，新车销售利润持续下降。如今中国汽车行业的新车销售平均利润和售后服务平均利润的比例已经达到3:7，售后市场的激烈角逐也已拉开序幕。厂商的售后服务部门、客户关系部门都将工作的重心转向如何延长4S店维修保养客户的生命周期。如何识别高价值的客户，如何通过合理的预警机制来降低客户流失率，如何制定有效的市场策略维系高价值客户关系甚至赢回部分已经流失的客户，如何在售后的各个环节通过优质的服务有效保留客户。这些问题已成为汽车厂商及其经销商所面临的亟待解决而又难于解决的问题了。

搭建模型

在解决客户细分的问题时，客户价值细分和客户流失预警是两个行之有效的有力武器。如何使这两个武器发挥出最大的威力，一个基础而必需的步骤是我们需要先把销售和售后的数据库做一个有序的清理和整合。有了一个整合清洁的关系型数据库，客户价值细分模型和客户流失预警模型才能够很好地发挥出“魔力”，帮助汽车厂商和经销商轻松应对客户细分和流失预测及预警的问题。

在搭建这两个适用于汽车行业的模型时，应该综合考虑多种影响客户贡献率、客户价值的因素和指标。以客户价值细分模型为例，在搭建这个模型时应综合考虑以下四大类指标：和人相关的有两类，一类是车主自己的人口统计学特征和身份背景信息，一类是车主的满意度、忠诚度方面的指标；和车本身相关的也有两类：一类是车辆购买的信息，如车型、价格、颜色、购买方式等；另一类是车辆维修保养的具体记录，如行驶里程、保养间隔、（总）平均单次保养/维修金额、维修频率、保养频率等等。这四大类的指标为我们搭建整体的客户价值细分模型的指标体系奠定了坚实的基础。 客户价值细分模型在来自厂商的真实数据的检验中，准确度和精确度都得到了良好的验证。客户流失预警模型也是参照相同的工作顺序和思考逻辑而建立起来的，这个模型主要通过数据挖掘的方式去捕捉客户流失的特征，动态绘制客户流失的曲线，探索客户流失的规律。简单来讲，流失预警模型可以帮助厂商和经销商比较准确地预测出哪些客户即将流失、流失的概率有多高。（见图一）

制定策略

如图一所示，在有效地利用了以上两个模型工具的基础上，我们可以清晰地看到所有的客户从价值和预警两个维度进行了细分。那接下来最关键的一步，即如何定制行之有效的客户保留策略从而维系高价值客户，提升整体客户的忠诚度成为了解决一系列问题的关键所在。

我们需要在不同矩阵中进行抽样的客户流失和行为偏好研究，探索每一个细分矩阵的客户对各类营销活动和服务策略的接受度，发现影响客户流失的关键点。简而言之，客户流失研究帮助我们了解客户流失的原因、流失的走向和流失的内容以及影响他们流失的关键点等。

接下来将举例说明如何对不同细分矩阵里的客户制定行之有效的保留策略。（见图二）

以图二所示AD客户群为例。此类客户的特征是价值高，流失概率低（忠诚度高）。从客户生命周期的角度来看，他们将自己的当前售后维修保养业务几乎全部给了厂商和经销商，而且很可能持续自愿地为厂商做着推荐新客户的工作。目前这类客户是企业利润的基石，如果失去这类客户，对4S店售后服务利润的影响巨大。此外，他们目前的流失概率很低，也预示着他们未来更有可能继续像今天一样忠诚地使用4S店的维修保养服务，所以厂商应该积极和长期维护和这类客户的关系，在营销的手法上以客户交流和沟通为主，以扩大口碑传播为主，力争向他们提供特殊的或新型服务类型，力争使该类客户继续在售后甚至二次购车中始终选择自己的品牌，并继续向他的社交圈传播厂商的美誉和品牌。

再以BD客户群为例。此类客户的特征是价值高，流失概率高（忠诚度处于摇摆状态）。这类客户也拥有较高的客户价值，但是从流失概率来看他们比AD客户更有可能在未来的六个月内离开4S售后体系。从客户生命周期角度来看，他们和厂商/品牌之间处于稳定期后期，他们对厂商也很重要，因为在培育他们的过程中，汽车厂商已经进行了不少的投资，现在正是获取他们回报的时机，只是由于竞争和服务等种种因素使得他们的忠诚度悄悄发生了变化。我们建议厂商对这部分客户要加大力度投入，让他们体会到物超所值的服务，力求和竞争对手有所区别，如维修和保养的时间延长至晚间8点，事故出险时能上门服务，提供代步车等等。总之，厂商要投入足够的资源来确保这类高价值客户不转投竞争对手的“怀抱”。

综上所述，在竞争日益激烈的中国汽车市场，单纯汽车销售产生的利润逐渐降低，越来越多的汽车厂商及其经销商将把注意力投入到售后利润率上。因此，能否有效保留客户和提高客户忠诚度对于汽车厂商和经销商来说至关重要。从数据出发，汽车厂商需要将客户的销售数据和信息，和售后维修保养记录整合在一起，形成整合清洁的客户数据；再通过客户流失预警模型和客户价值细分模型等工具对整合后的数据进行分析，对不同客户从价值和忠诚度两个维度进行综合界定和排序。基于客户的价值分类，对不同价值、不同状态的客户制定差异化的保留和营销策略，汽车厂商及其各地的经销商可以实现精细化营销，提高营销资源效率和营销效果。