2.3　客户细分

客户细分是通过分析客户的属性、行为和需求等，寻求客户之间的个性与共性特征，对客户进行划分与归类，从而形成不同的客户集合，以便更好地抓住客户诉求，为客户提供更加精准的营销。

2.3.1　客户细分的必要性

传统的营销方式比较简单，对待所有的客户都是千篇一律的推送频率，一样的推送内容。效果差的同时，还给客户带来了不好的购物体验，造成资源的浪费。

一个企业不可能单凭自己的能力来满足整个市场的所有需求，这不仅仅是因为受限于自然资源或非自然资源，而且从企业运营管理与市场经济效应分析来看这也是不符合正常规律的，因此，电子商务的商家应能明确自己的定位，识别自己的目标市场，合理地分配资源，提升自己的竞争优势。

同时，客户的需求是有差异的，同一时间出现在同一地点的客户需求不尽相同，无差异的广撒网式传统营销服务不仅被动效益低，还存在给客户带来消极影响的风险。

企业的竞争可以说是客户的竞争，快速且准确地识别客户是抢占市场的第一步。根据客户的不同，制定差异化的推广营销策略，“20%的客户带来80%的利润”，集中资源投入对目标价值客户的经营，实现利益最大化。

传统行业的客户细分的深度是受到限制的。客户细分做得越深，越容易贴近目标客户的需求，但同时客户数量也就越少。传统行业受到地域空间广、传播周期长、产销周期长等障碍的限制，企业难以基于非常小的细分市场获得持续的盈利，所以在传统行业中极致的客户细分就是自寻死路。

电子商务的出现很好地弥补了传统行业在地域、传播和产销周期上的不足，在这样的环境下即便定位一个非常小的细分市场，也能接触到足够多的客户，产生足够多的收益。淘宝女装就是一个鲜活的案例，淘宝网店铺和天猫商城上的活跃女装店铺有数万家，想在这个竞争激烈的市场中脱颖而出置身TOP 100，除了商品价格要比别人更便宜以外，靠的就是与众不同的客户细分定位。表2-1中列举了几家淘宝女装排名比较靠前的店铺细分市场定位，每个店铺选择定位的维度都不一样，他们在各自的细分维度下选择了其中一个细分市场做深，并都取得了不错的成果。

2.3.2　客户细分的维度

客户细分的本质是观察总体客户群，并发现影响店铺长期收益的细分客户群之间的差异。进行差异化的客户细分并没有特殊的限制，可以选取各式各样的维度和指标进行客户划分。常用的客户细分维度有以下几个。

1.地理变量

地理变量是指按照消费者所处的地理位置和自然环境来进行客户细分，常用的地理变量如表2-2所示。

2.人口统计变量

人口统计变量是区分消费者群体量最常用的方式。例如，家庭人口组成、收入水平是房地产企业进行市场细分的重要依据，不同的家庭结构对其商品有不同的要求。常用的人口统计变量如表2-3所示。

3.消费行为属性

客户的消费行为属性是指反映客户与店铺之间交易活动的数据，这类数据是动态的，能够更实时地反映客户的行为偏好与价值变化，进一步挖掘预测客户需求。常用的客户消费行为属性如表2-4所示。

4.电商平台属性

电商平台属性主要是指客户在电商平台上的信用等级。一个客户会有多个等级，在店铺有会员等级，在淘宝有信用等级，在天猫有天猫等级，如表2-5所示。

店铺会员等级体现客户在店铺的消费情况，天猫VIP等级体现客户在天猫（tmall.com）的消费情况，两种等级对于客户综合消费情况的描述都不全面。唯有淘宝信用等级能够反应客户在全淘宝消费行为的细分维度，其重要性不言而喻。从店铺进行客户细分的角度来看，新客户由于数据的稀缺性是难以进行客户细分的。例如，同样是通过聚划算引入的甲、乙、丙、丁四个新客户，卖家只有一条且相同的购物记录，难以区分谁对于店铺的价值更高。

借助淘宝信用等级，我们可以跳出店内消费记录分析的框架去查看客户的全平台消费行为。假如客户甲是一个两钻的淘宝买家，那么可以肯定这个客户是一个非常活跃且资深的淘宝网购专家，因为两钻意味着其在淘宝平台上至少已经购买过500件商品。把某女装店铺的新客户按照淘宝信用等级分组，统计每组客户的复购率和客单价发现：对于新客户而言，拥有越高的淘宝信用等级，在店铺进行重复购买的可能性也越高，客单价也有同样的特征。拥有一两颗心的用户属于淘宝初级用户，在淘宝上购买的商品小于40件，他们在店铺首次购买后只有不足13%的比例会进行再次购买，平均客单价不到200元。与此相比，拥有一至两颗钻的买家，在店铺重复购买的比例超过20%，平均客单价超过220元。