雖然EDM已經算是比較便宜的營銷手段，不過錢也不是大風吹來的，當然不可能對所有地址一視同仁。

當資源有限的情況下，好鋼必須用在刃上。因此，找準“目標客戶”是非常重要的。誰是重點客戶需要重點維護，一週三次郵件次次不落；誰是重點挽回使用者，打情感牌發福利告訴不知道的功能，用盡招數讓ta回心轉意；誰已經是不可挽回的“前任”，可以不用管了……

而讓問題變得更復雜的是，你在變，客戶的需求也在變，怎麼樣次次都圈定住你的那個“ta”呢？

你需要的，就是一個可以實現不斷驗證的“目標客戶最佳化模型”。

“目標客戶最佳化模型”其實是一個從理解到驗證的迴圈過程。在這個過程中，我們透過商業理解，提煉出不同維度的“目標客戶”指標，透過資料的獲取、建模與分析，刻畫出真正“目標客戶”的特徵，對這個人群採取行動，獲得反饋資料，再放回我們的模型中，驗證其有效性。

以一張圖來概括，就是下圖：

有人說銷售是一個從找到線索到獲得回款的過程，但一個成功銷售的“底層架構”，必將是一個在分析中不斷最佳化商業理解、找準目標的過程。

光說不練，多好的理論看起來都顯得乾巴巴的。下面我們就透過一個案例，帶您一步步地拆解我們的模型。

一般企業都會預判目標客戶或者借鑑其他企業的目標客戶識別規則，在已保有和潛在的客戶中區分出目標客戶，針對這些客戶展開專項營銷策略。那麼在統計的時候可以優先看一下這些客戶的佔比情況，比如該案例中的企業目標客戶屬於“房地產行業”，且“企業規模在千人以上”，這些客戶在過去的幾年間快速發展，採購規模成倍的增長，為企業帶來了巨大的收益。而隨著市場的低迷，每年符合要求的客戶越來越少，企業現在希望修改目標客戶的篩選規則，從而最佳化營銷策略。

首先，是三個KPI：

1、主指標：今年訂單金額

副指標：達成率（今年訂單金額／今年目標金額）

這個指標可以接合當前時間，非常簡單粗暴地來看你的目標客戶找對了沒有。比如現在已經6月上旬了，但是目標達成率居然只有不到30%，肯定了問題的存在；

2、主指標：目標客戶數量

副指標：貢獻度（目標客戶金額／今年訂單金額）

這個指標可以看出，你想象中的“目標客戶”到底給你帶來了多大貢獻，僅佔今年訂單金額的9%，再次確認問題的嚴重性。

3、指標：目標客戶佔比（目標客戶數量／所有客戶數量）

最後，根據“二八原則”，80%的收益來自20%的客戶。這裡目標客戶既沒有達到20%，收益更是小的可憐。從以上3個KPI，可以確定“目標使用者”需要調整。

鎖定問題之後，我們當然需要修改目標客戶的篩選規則，從而最佳化營銷策略。

但是，怎麼修改呢？這就需要繼續拆解我們的資料。

首先，最“粗”的一層，就是區分新老客戶。我們發現，老客戶佔全部客戶的73%，同時，在老客戶中，我們想象中的“目標客戶”只佔13%。那麼，鎖定老客戶為深入挖掘的物件。一方面，老客戶對產品的黏性更高，更容易轉化；另一方面，維護老客戶、轉化老客戶的成本，也比新客戶要小很多。

所以，在此基礎上，我們繼續拆分“老客戶”群體。

先看行業差異，發現相比於我們設定的標準——房地產業，製造業與金融業的客戶數量、成交金額都更為突出。

接下來看幾個行業在近幾年的交易規模趨勢，這裡忽略2018年不看，因為2018年才剛剛過去一半，資料不全。可以看出，綠色面積所代表的製造業是最棒的；

然後，按成交規模來看，發現差異不是很明顯，沒關係，我們再換一個角度。

氣泡圖左，橫軸是交易次數，縱軸是交易總週期，氣泡的大小代表金額多少。我們發現交易次數多、同時與我們締結關係長的，同時交易金額還大的，是右上角幾個藍色的氣泡——藍色代表製造業；

氣泡圖右，橫軸、縱軸、氣泡大小不變，顏色分組以“地區”為標準，我們發現，又以藍色代表的“北方地區”拔得頭籌。

現在我們已經可以鎖定北方區域、製造業、金融業這三個關鍵詞了。那麼，還能不能繼續細化呢？

左邊組合圖：橫軸為年份，藍色為客戶數量，紫色為訂單數量，綠色線條代表著交易金額。我們發現，北方市場的製造業與金融業，客戶與訂單量雖然逐年減少，但交易規模卻在逐年上升！這說明，雖然我們客戶數量少了，但是質量卻很高，在我們這裡下的單越來越大。

右邊組合圖：橫軸為年份，藍色為客戶數量，紫色為訂單數量，綠色線條代表著交易金額，與左圖一樣，但透過過濾，只留下了製造業（因為在前面的分析中，製造業比較突出），我們發現，製造業的客戶交易規模上升十分明顯。

到這裡，其實我們已經鎖定新的“目標客戶”，並且可以描述出他們在哪兒了：

不過，雖然刻畫出了特徵，我們還希望更進一步，知道具體客戶的具體維繫方式。資料可以告訴我們答案麼？當然！

依舊是利用氣泡圖，只是這一次，裡面的泡泡少了很多——沒錯，因為這裡只剩下了剛才篩選出的北方區域製造業使用者。

橫軸為交易次數，縱軸為交易週期，每個氣泡代表一個客戶，氣泡大小代表著交易金額的多少。現在我們可以對這些客戶進行進一步細分。

右上角：交易次數多、交易週期長；已經是我們的“目標客戶”了，應該重點保護，維繫關係；

右下角：交易次數多、交易週期短；這是我們的“潛在目標客戶”，需要保持長期合作，向右上角轉化；

左上角：交易週期長，交易次數少；這也是我們的“潛在目標客戶”，需要透過營銷手段刺激多次消費，向右上角轉化；

左下角：交易次數少，交易週期短；保持正常維護，向左上或右下轉化。

至此，我們已經完成了從商業理解到特徵刻畫的一系列過程。不過，想要實現模型的“最佳化”魅力，還需要一個重要的步驟——行動！根據以上洞察，制定相應的營銷策略，努力運營一段時間，然後再將反饋的資料放回到這個看板裡，進行驗證。

還是記得這個圖嗎？

它其實是一個迴圈哦！

最後，以上這個完整的模型，可以在資料觀的“應用市場”中找到，具體安裝步驟如下：

2、 登陸您的資料觀賬號，進入“應用市場”，選擇“Online Customer Management－客戶細分”模版；

郵件營銷說難不難，說簡單也不簡單。很多人都覺得開展郵件營銷只要準備好目標客戶的郵件地址和郵件內容就可以了。這種觀點並不能說是錯誤的，但是往往帶著這種觀點開展郵件營銷，郵件營銷的效果都不會理想。

想要郵件營銷的效果好，更多的需要對每一次郵件群發的資料進行分析以及對目標客戶群體進行細分。

目標客戶群體的細分一般來說有兩種衡量的方法。

第一種是人口統計資料衡量方法。

人口統計資料是指描述個人特徵，並且可以限定、測量和記錄的資料。人口統計資料一般包括收入、年齡、性別、職業、地區等資料。

第二種是客戶行為衡量方法。