當產品的差異性越來越小，隨著客戶對服務的需求不斷提升，客戶的多樣性使得傳統的大眾營銷方式受到了越來越多的挑戰，而越來越多的公司在面對大量的潛在客戶時，越來越傾向于采用客戶細分的方式，有針對性的設計產品和服務。近年來，隨著直復營銷技術的發展和應用，對客戶精確細分的呼聲越來越強烈。而客戶數據的充分性和正確性是細分的基礎，而客戶信息和客戶數據的采集是其中的關鍵環節。

　　客戶數據的采集應當根據企業的需求有針對性的進行獲取。更重要的是，客戶數據的采集不應僅針對一次性的營銷活動，而要建立起一套完整的信息采集機制，為建立長期的客戶分析能力建立堅實的基礎。

　　客戶信息的采集是企業營銷活動的一項系統性工作，面臨著如何高效獲取并不斷更新客戶信息的問題，而且客戶信息的不同維度來源途徑和獲取程度存在各種差異而已。

　　不同的行業和企業定義客戶的信息視圖有所差別，企業需要通過客戶的信息和行為來描述特征，尤其當定義潛在目標客戶群時，更是需要如此。

　　一般說來，從市場營銷的角度，描述客戶信息的變量可以分為人口信息、行為信息和價值信息三類。在每一類中又可以進行相應的細分。

　　獲取客戶信息的來源

　　一般來說，企業獲取客戶信息的來源主要來自企業內部已經登記的客戶信息、客戶銷售記錄、與客戶服務接觸過程中收集的信息，以及從外部獲得的客戶信息。

　　很多企業也有意識的組織一些活動來采集客戶信息，比如經常采用的有獎登記活動，以各種方式對自愿登記的客戶進行獎勵，要求參加者填寫他們的姓名、電話和地址等信息，這樣的一些活動能夠在短時間內收集到較大量的客戶信息。

　　這此收集客戶資料的方法還包括：有獎登記卡和折扣券、會員俱樂部、贈送禮品、利用電子郵件或網站來收集等等。

　　從外部獲取潛在客戶數據的渠道

　　幸運的是，盡管國內的數據營銷的社會基礎并不十分完善，但仍有很多的機會找到并獲取相關的客戶數據。這些數據一般都要通過購買、租用或是合作的方式來獲取。

　　以下是可能的潛在客戶數據獲取渠道：

　　1. 數據公司。數據公司專門收集、整合和分析各類客戶的數據和客戶屬性。專門從事這一領域的數據公司往往與政府及擁有大量數據的相關行業和機構有著良好而密切的合作關系。一般情況下，這類公司都可以為直復營銷行業提供成千上萬的客戶數據列表。在北京、上海、廣州、深圳等國內大中城市，這類公司發展非常迅速，已經開始成為數據營銷領域的重要角色。

　　2. 目錄營銷與直復營銷組織。這類組織直接給消費者打電話或郵寄產品目錄。只要有合適的價格或目的安排，許多這樣的公司都愿意分享他們的數據列表。

　　3. 零售商。一些大型的零售公司也會有豐富的客戶會員數據可以獲取。

　　4. 信用卡公司。信用卡公司保存有大量的客戶交易歷史記錄，這類數據的質量非常高。

　　5. 信用調查公司。在國外有專門從事客戶信用調查的公司，而且這類公司一般愿意出售這些客戶的數據。

　　6. 專業調查公司。在消費品行業、服務行業及其他一些行業中，有許多專注于產品調查的公司。這些公司通過長期的積累和合作，通常積累了大量的客戶數據。

　　7. 消費者研究公司。這類組織往往分析并構建復雜的客戶消費行為特征，這類數據可以通過購買獲取。

　　8. 相關服務行業。可以通過與相關行業有大量客戶數據的公司進行合作或交換的方式獲取客戶數據。這類行業包括：通信公司、航空公司、金融機構、旅行社、尋呼公司等。

　　9. 雜志和報紙。一些全國性或區域性的雜志和報紙媒體也保有大量的客戶訂閱信息和調查信息。

　　10. 政府機構。官方人口普查數據，結合政府資助的調查和消費者研究信息都有助于豐富客戶數據列表。政府的行政機關和研究機構往往也有大量的客戶數據，如公安戶政部門的戶政數據、稅務機關的納稅信息、社保部門的社會保險信息等。

　　在國內，政府部門往往擁有最完整而有效的大量數據。在以前，這些數據并沒有很好的應用于商業用途。政府部門已經在大力加強基礎信息數據庫的建設工作，在數據基礎越來越好，數據的管理和應用越來越規范的市場趨勢下，政府部門也在有意識的開放這些數據用于商業用途。

　　具有代表意義的政府項目之一是國家公安部正在建設和運營的全國公民身份信息系統，集中了全國各地市公安戶政部門的戶政登記信息，向政府部門、行政機構、工商企業提供公民身份信息查詢和核查的服務。這樣的數據可以作為重要的客戶基準數據。

　　數據獲取的方式

　　數據獲取的方式一般有以下幾種：數據購買、數據租用、數據合作。

　　目的性很強的營銷活動或經常采用向數據公司直接購買數據或是租用數據的方式。

　　數據合作適合于那些本身就擁有大量的客戶信息，而需要通過合作的方式進行交叉銷售或提高客戶忠誠度的公司，如在商業活動中經常看到的信用卡公司與航空公司聯名發卡、會員信息共享等商業合作行為。

　　數據質量的判斷

　　一般來說，數據質量隨著時間的推移而逐漸下降。前面提到，不同數據源的數據質量差異性很大。數據質量的判斷有很多方法，其中最主要的方法是分析數據的來源、數據的登記時間、數據被使用或驗證的頻率等等。一般說來，登記時間在一年內的數據是比較好的。

　　在國內目前的數據環境下，政府部門掌握和積累了大量的數據，但是由于長期以來重登記輕維護的影響，數據的質量和有效性還得不到根本的保證，政府部門之間的數據整合也是今后一段時期的重點工作。

　　每一個數據源都是基于一定的目的收集的。相同的數據源，對于不同的數據需求來說質量不同。不能簡單的判斷數據的質量，要根據營銷的需求和應用來判斷。比如，要通過直郵或目錄營銷進行產品銷售的時候，獲得的客戶數據列表可能是較新的，但如果數據源包含的姓名、地址等身份信息是身份證信息的話，則需要仔細考慮了。一般來說身份證上的信息是發證時核實的戶政信息，而經過多年以后，住址的變動信息并不能反映。如以直郵的地址標準來判斷，這樣的數據質量可想而知，準確率是較差的。

　　這就引出了另一個問題，數據的整體質量和數據項的質量。數據應用的目標不同，其評價標準也不同。數據的質量評價和數據的分析應用也是非常重要的課題。

　　原載：《客戶世界》

　　歡迎與作者探討您的觀點和看法，作者為北京迪美營銷咨詢合伙人，電子郵件：yanjun.shi@gmail.com