客戶細分應該算是一個多年的老話題，分層服務、路由設定、技能組匹配等等都已經在呼叫中心得到了落實。而隨著大數據和移動互聯網的興起，原來相對簡單的客戶細分策略和手段開始漸漸不再能夠滿足面對不斷變化和演進的客戶需求而實施的精益化運營和精準營銷的挑戰。因此，客戶細分的策略和手段也到了更新升級的時候。簡單來講，電話呼叫中心的客戶細分有兩個目的：精益化運營和精準營銷。

　　

　　精準營銷：盲目的電話外呼營銷在大多數接到電話的人的心目中已經不再是一個正面的舉動，面對客戶日益增強的抵觸心理和普遍不信任的社會環境，成功率普遍低下是不得不面對的一個問題。即使通過短期非正常手段獲得了不錯的轉化率，但客戶生命周期能否持久，流失曲線是否平緩，總體生命周期價值貢獻高低等問題值得去深思。在這種情況下，經過客戶細分后的精準營銷策略，則會顯著提高產品推薦的針對性和相關性，并最終提升轉化率、銷售額和利潤率。而同時坐席的收入和成就感也會從中受益。除了呼出營銷，建立在良好服務基礎上的呼入營銷近年來也越來越受到重視。交易的前提是信任，而持續一致的良好的服務品質恰恰可以建立這種信任。在信任建立的基礎上，通過數據挖掘的支撐，為不同類別的客戶匹配他們最有可能購買的產品和服務，客戶接受度要好的多，而轉化率和成功率自然也會得到提升。如果把這種服務營銷一體化的運營機制再提升一個層次，嵌入到客戶經營和體驗管理的循環圈中，則服務和營銷會自然融為一個有機的整體，何愁呼叫中心系統的價值得不到體現。

　　那么如何進行這種更精益化的客戶細分呢？大體上要從幾個方面去考慮：有沒有數據，有沒有工具，有沒有人才支撐，如何部署實施，如何檢驗效果。而這些也正是整體大數據應用需要考慮的問題。

　　現在呼叫中心數據問題是一個很讓人頭疼和復雜的問題，且不說各種運營指標定義與算法的亂與泛，單就從系統后臺能不能取到完整真實的話務數據都是一項很大的挑戰。而客戶的細分不但需要話務數據，更重要的是需要把話務數據跟業務數據和客戶的社會背景信息統計數據結合起來，有一個全景的視圖，才會有更好的細分效果。而業務數據及客戶社會背景統計信息的記錄和獲取又會涉及到部門協作以及系統支撐的問題。鑒于呼叫中心在企業中的地位，這種努力的結果也不是太樂觀。

　　工具問題是相對容易解決的。最基礎的運營統計分析工作可以主要由Excel來完成。隨著Excel版本的不斷升級，其數據處理能力也在不斷攀升，甚至在一臺配置良好的機器上，利用Excel的PowerBI套件單機處理千萬級的數據也不是問題。真正涉及到客戶的聚類、分類、生存、流失、關聯推薦、異常偵測等分析時，有現成的專業化數據挖掘工具可供選擇，免費的有R，收費的有SPSS、SAS、Matlab等，只要企業預算允許，這些都不是問題。而且隨著以Hadoop為代表的大數據處理平臺的崛起，基于私云與公云的各種專業化服務工具也是層出不窮，可以滿足不同的數據分析與挖掘需求。

精益化運營：麥肯錫曾經有過一項調查，呼叫中心平均有51%的客戶來電是由14%的客戶造成的。而平常在項目中和上課跟學員交流的過程中也發現，很多呼叫中心每天的來電量里面存在想當比例的重復來電，有的甚至高達30%以上。這14%的客戶是什么樣的客戶？有什么共同特征？如何針對這部分人群制訂相應的服務策略以減少他們的來電請求？如何降低每天的重復來電占比？什么樣的客戶的什么樣的問題適合什么樣的聯絡渠道去解決，如何把客戶導向最佳匹配的聯絡渠道？在運營成本本就局促的呼叫中心，這些問題是每一個運營管理者不得不考慮的。

　　人才是另外一個關鍵問題。國外大數據圈子里曾經流傳著這么一句話：Big data is like teenage sex，everyone talks about it，nobody really knows how to do it，everyone thinks everyone else is doing it，so everyone claims they are doing it。意思是說，大數據就像十幾歲孩子的性話題，每個人都在談論它，但沒有人真正知道如何去做。每個人都以為其他人在做，所以每個人都聲稱他們在做。總而言之，現在的大數據環境是談概念和趨勢的多，真正動手去做的少，真正做出成果來的更少。這也就造成了真正實用性人才的缺乏，而且這種缺乏是全球范圍內的缺乏。數據產生的速度和人們對它的潛力預期大大超出了成熟人才的供應速度。對話呼叫中心來說，只有兩條路，求助于IT或自己培養。求助于IT，往往得到的是最低優先級響應，而且很難把IT大牛們真正拉到業務場景里來，這需要企業管理和考核機制的變化；自己培養，則需要呼叫中心有足夠的耐心，全力的支持與協調和有競爭力的薪酬水平能夠讓人才安心成長與進步，能不能等得急、留得住都是問題。

　　置于部署和實施，只要可靠模型建立了，都不是什么大問題。需要的只是根據每個周期的運營效果反饋不斷調優和維護就行了。　而對于大數據支撐效果的檢驗，最直接的莫過于觀察直觀指標的變化趨勢，例如，客戶對服務的滿意度或NPS指標是否在改善？重復來電占比是否降低？人工話務占比是否在下降？營銷成功率是否上升？員工人均貢獻值是否在上升？員工流失率是否在下降等等。需要切記的是，大數據雖然是強有力的運營支撐手段，但良好的服務品質和高效的運營仍然離不開呼叫中心的價值定位、服務導向、技能意愿雙高的員工隊伍、精細的運營規劃與實施以及合理充足的資源配置與支持。