客户细分的基础是准确而强大的数据集。在从外部寻找市场机会之前，重要的是先从企业内部了解现有客户。
您很可能没有准备好理想的数据集。因为我们想要交叉引用关于客户的一系列不同数据点，所以您可能需要构建一个新的数据集，将您想要在帐户级别使用的所有数据合并在一起。输出应该是一个电子表格，您可以在研究的不同阶段使用它来操作、切分和分析数据。
细分使用四类特征。它们是人口统计、地理、心理和行为。此时，您不一定知道要使用哪些类别来细分客户。
因此，我们希望通过结合您可以访问的这四个类别的所有内容
确保您尽可能全面地了解您的客户。您还需要将所有这些数据点与您可能可以访问的这些客户的帐户和业务数据相结合。
例如，结合他们的初始转化率、经常性收入或终身购买总额以及订 广告数据库 阅的开始和结束日期（如果是订阅业务）。
您可用的信息级别取决于您的公司类型。如果您在 SMB 或消费者 SaaS 公司工作，您可能会访问比您所能使用的更多的数据。
如果您在 家拥有实体产品的公司工作
您可能拥有的产品或行为数据较少。但好消息是您不需要复杂的数据集。您只需要足够的数据来开始发现客户群中的模式和趋势。
对于这个主数据集，您需要包含所有 而虽然与世界共享信息在工具方面已经 当前客户的数据，以及过去使用过您的产品的任何客户（即使他们已经流失或只是在免费试用）。
我们将在第 2 阶段开始按绩效对这些数据进行排序，并筛选出绩效不佳的客户，但首先，我们要确保拥有完整的历史情况。有时，了解谁是你最差的客户与确定你最好的客户同样重要。
当我构建这种类型的数据集时，我使用我们已经讨论过的四个类别作为基础，然后我还添加了一个名为帐户数据的新类别。
帐户数据将涵盖计算单个客户业务影响所需的大部分关键信息，例如订阅开始日期、每月经常性收入金额和当前付款状态。
以下细分显示了这五个类别如何相互关联，为您提供全面的视图
1) 帐户数据
目标：
将帐户数据与业务影 细胞 p 数据 响联系起来
数据点示例：
– 订阅开始日期
– 计费间隔（每月/每年）
– 订阅计划类型
– 每月经常性收入
2) 人口统计
目标：
确定关键人口统计特征
数据点示例：
对于 B2B：
– 业务规模（员工、收入）
– 业务垂直或行业
– 职位
– 教育水平
对于 B2C：
– 年龄
– 收入
– 婚姻状况
3) 地理位置
目标：
确定地理位置
数据点示例：
– 国家/地区
– 州
– 城市
– 社区（邮政编码）
4) 行为
目标：
将产品使用情况与帐户联系起来值
数据点示例：
– 主要功能的采用（Y/N）
– 功能使用深度
– 登录次数
– 用户数
5) 心理统计
目标：
了解帐户背后的人
数据点示例：
– 任何可用信息（如果有）
这五个类别中的每一个都为您的数据集提供了不同的输入。帐户数据将您的客户帐户与业务影响联系起来，并且如上所述，可能包括结算间隔或定期付款金额等信息。
