在这个从大众营销（以宝洁、可口可乐、娃哈哈等大众媒体投放型品牌为代表）到如今分众营销的年代，顾客数据库的重要意义已无须赘言。在美国几乎所有的零售企业，80％的制造/服务业已经开展。

但是，纵观国内的企业届，很少看到顾客推广的经典案例，多数企业推广停留在纸上谈兵的阶段。

若在十年多前，电脑远未普及，相应的数据库xxxx也尚未出现，而且没有一对一高效的沟通平台，企业组建顾客数据库并进行推广的技术难度高，费用大，的确如海市蜃楼可望不可及。但事因时移，因为科技一日千里高速发展，人类迅速进入信息化时代。而今，顾客数据库的组建维护、数据分析及营销推广，不仅技术上非常容易，而且费用也在大多数企业的可承受范围之内。

利用数据库推广不仅仅只适合于零售业，理论上，任何拥有海量客户数据的行业（如保险、电信、银行、航空业等），产品/服务高毛利的行业（如xx定位的化妆品、服装甚至婴儿奶粉等消费品，边际利润高的住宿、餐饮、娱乐、美容等服务业），以及顾客消费金额巨大的家电、汽车、房产业等，都应该组建并有效利用顾客数据库开展各种各样的推广活动，以强化顾客忠诚。

那到底如何利用数据库进行营销推广呢？组建、分析、策略推广，此为推广三步曲，步步相连，环环相扣，缺一不可！

一、组建有效顾客数据库

组建顾客数据库，这是数据库推广基础的基础，看一个企业对的重视程度，首先看该企业如何收集、甑别顾客数据，管理维护数据库。 提供服务。

1、收集：这是力求面广的过程。尽一切可能收集众多顾客的众多信息，如年龄、性别、职业、收入、学历、爱好、性格、习惯、价值观、电话、地址、email等等，总之多多益善；动用企业所有可利用的资源大范围收集顾客信息，如直接购买顾客资料、异业交换顾客数据、吸引顾客主动申请等等。

善于的贝因美（婴儿奶粉）就总结了以下六种客户数据来源，并将客户资料的数量作为营销队伍KPI指标进行考核：

直接购买（从医院、计生委等部门获取）

吸引顾客主动申请为会员（成立会员俱乐部，入会直接送礼品）

异业交换/索取（如与早教、宝宝摄影机构、婴童店拥有的数据交换或索取）

通过现场导购促销、市场调查等活动获取

通过免费咨询电话获取（打电话询问的几乎都是企业潜在或现实的顾客）

通过网络获取（吸引顾客注册，咨询等）

服务性行业（餐饮、美发美容、休闲娱乐业等）则可以采用优惠甚至免费消费的促销形式吸引顾客主动填写资料，以获取顾客详细信息，同时异业交换/索取顾客资料等方式。提供服务。

而先天条件优越的电信公司似乎不怎么重视顾客数据库，手中直接拥有上亿客户的资料，可惜仅仅停留在姓名、性别和地址阶段，至于客户的学历、职业等相对简单的信息也无从查找。

一次小灵通短信推广策划案中，笔者曾为小灵通的用户具有哪些特征伤透脑筋，手握大量客户信息的电信公司就是不知小灵通用户的职业、年龄、学历等基本特征！

2、甄别：这是力求精的过程。一方面，各种途径收集上来的顾客资料不一定都是真实的，企业应该安排人手通过电话复核、资料逻辑比较等方式全面或抽样监测顾客资料的真实性。提供服务。

另一方面，更重要的，企业的资源有限，不可能满足所有顾客的需求，而只能重点满足目标顾客的需求。针对收集上来的顾客资料，企业要根据事先锁定目标顾客的生理、心理、行为特征进行筛选、分类，不吻合目标顾客条件的，该舍弃的舍弃，该忽视的忽视；根据与目标顾客锁定条件的吻合度，将搜集到的顾客资料分为A、B、C和淘汰四类。

如某化妆品的目标顾客是年收入3万元以上、大专及以上学历、追求时尚的25－35岁白领女性，则顾客数据库中3万元以下的，大专以下的，25岁以下的，35岁以上的，普通蓝领职位的女性顾客资料只能被归纳为C类客户甚至淘汰。

每一个顾客类别重要性的xx界定，这一甑别环节不可或缺，每一顾客的背后，意味者企业一对一针对性的不少的推广投入。而不同顾客重要性类别的甑别，归类，直接影响到以后各种推广沟通费用的浪费比例、销售的成功率以及{zj2}营销效能问题！

3、数据管理：至少拥有一套先进的CRM软件，方便大量顾客资料的录入、查询、筛选，同时要时时更新。一些企业一时头脑发热，想开展，结果购买/索取/获得了一些顾客资料后就没有了下文，不去系统的维护更新。企业的顾客是流动的，顾客的年龄是变化的，总不能给3年前新生儿家庭继续寄送奶粉如何喂养的资料吧。提供服务。

二、深入分析数据库

CRM软件一般只提供数据录入、查询、更新等基本数据管理功能，可惜没有基于数据库的各类分析功能。没有了分析功能的数据库，就好比守着一块金矿而不知道怎样挖掘，这如何发挥数据库应有的价值与作用？

一方面企业要寻找/开发合适的数据xxxx，让数据说话，优秀的数据xxxx不仅有一些基本的数据处理功能，同时具备界面生动、简单易学、反应快速等特性，而且能提供预警、预测等高级功能。

另一方面，企业必须拥有懂数据分析更懂营销的高级复合型人才，只有这样的人才才能在客观的冷冰冰的数据与复杂多变的顾客需求、形式多样的营销策略之间建立桥梁。

普通的数据分析包括趋势分析（了解过去），比重分析（判断轻重缓急的依据）等。

相对高级的数据分析包括回归分析、交叉分析等，特别是交叉分析在营销业界被广泛的运用。如分析顾客收入与需求、年龄与需求、职业与需求、性别与需求、学历与需求之间的关系等。提供服务。

更高级的数据分析是深度挖掘发现型分析，包括因子分析、差异分析、聚类分析。

数据库中，年龄、性别、职业之类顾客特征比较容易获取，难的是顾客群体的心理特征，面对千千万万的顾客，如何判断他/她是价格敏感型的？追求情调的？热爱运动的？注重健康的？……

我们只有通过数据挖掘技术，进行大量的分析归纳，才可能寻找出不同价值观、不同心理偏好为特征的顾客群。

比如在零售业，分析顾客的购物清单，xxxx中80％的商品都是超市的xx商品，我们就可以将其纳入价格敏感一群；追踪顾客的购买历史数据，发现某顾客常常购买有机食品、运动装备、保健品等，我们就视之为注重健康一族。提供服务。

这种基于共同心理特征的数据挖掘分析，代表着营销数据分析的{zx1}方向。