第1篇 客户定位篇

第1章 客户行为精准分析

要点提示

将数据变废为宝

客户行为分析

客户特征分析

客户行为分析工具

1.1 将数据变废为宝

21世纪是一个信息化的时代。在商业营销中，谁掌握了大数据技术，谁就能够胜人一筹，但能够真正做到合理利用数据并为自身创造商业价值的却不多，不是因为需要的数据太少，而是不知道如何从那些并不起眼的数据中找到想要的信息。

1.1.1 数据的收集

日常生活中时刻都在产生数据，而且数据量直线上升，数据类型也越来越复杂。许多人对这些数据不屑一顾，认为这些数据就像是工业垃圾一样，对自己已经没有了价值。例如在商场购物后开具的小票，通常都被直接丢入垃圾桶。然而站在商家的角度，尤其是对于那些整天在搜寻有用信息的“猎人”来说，收集数据是对客户定位、进行商品精准营销，从而带来巨大商业价值的基础。

所以，数据收集是利用大数据的第一步，没有大数据收集的过程就没有接下来的一切。

数据从形式上可以简单地分成两种，如图1-1所示。

结构数据是直接可用行和列存储的数据和分析，例如Excel表格中的数据。除了结构数据之外，剩下的就是非结构数据，如微博、论坛帖子和优酷视频等。由于非结构数据的来源更为广泛，所以非结构数据占到了总数据量的80%。

在商业活动中，因为要定位不同的客户，所以获取信息的渠道也不同。在大数据时代，很多时候不是用户去发掘数据，而是数据向用户“扑”过来。大数据主要有三大来源，如图1-2所示。

1．商业数据

商业数据来自于企业ERP系统、各种POS终端以及网上支付系统等业务数据。例如，用网银进行网上支付，交易记录对于卖家而言就是商业数据。又如，商场消费刷信用卡，消费时的消费记录、信用卡信息也会被商场获取。

2．交互数据

交互数据来自于通信记录以及QQ、微博等社交媒体。例如，在QQ上与别人聊天，可能会聊到自己最近想要买一件夹克衫，那么“你想买夹克衫”这个信息对方就知晓了，如果对方正在经营一个服装店，就会进行相关推荐。

3．传感数据

传感数据来自于GPS设备、RFID设备、无线网络和视频监控设备等。例如，现在遍布城市各个街道的电子监控就为公安部门维护社会治安、提高办案效率提供了有效的数据信息。

随着社会的快速发展，数据量将呈快速增长的趋势。据统计，全球每个月有2.5EB的数据出现，在这么庞大的数据量之下，商业领域不再是谁有效率谁就是胜者，而是谁有数据、谁会收集和利用数据，并通过数据悄无声息地了解客户，谁才能独占鳌头。

1.1.2 数据的挖掘

在大数据的数据收集中，要认识到数据不是信息，而是有待理解的“原材料”。对这些“原材料”理解了多少，决定了所获取的有效信息的多少，进而决定了由“原材料”转换成的信息带来的商业价值有多少。所以数据的挖掘就是有组织、有目的地收集数据，将数据以最高的转换率转换为信息，从而在大量数据中寻找潜在规律以形成规则或知识的技术。

数据挖掘的方法有许多种，最常用的有6种，如图1-3所示。

1．分类挖掘

分类挖掘是最常用的数据挖掘方法，即找出数据库中一组数据对象的共同特点，并按照分类模式将其划分为不同的类，目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。分类挖掘所引用到的领域也是非常多的，如客户的分类、客户购买的商品分析、客户满意度分析、客户的购买趋势预测等。

2．聚类分析

聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中数据间的相似性尽可能小。聚类分析主要应用于客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。

聚类分析也是一种探索性的分析，在分类的过程中，能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论，所以不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。

3．回归分析

回归分析方法是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。

回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。回归分析目前主要应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动，产品生命周期分析，销售趋势预测等。

4．关联规则

关联规则是描述数据库中数据项之间所存在的关系的规则，例如，一项数据发生变化，另一项也跟随着发生变化，那么这两项数据之间可能存在某种关联，即隐藏在数据间的关联或相互关系。

关联规则主要应用于客户关系管理中，通过对企业的客户数据库里的数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品、价格、客户群等进行定位，从而进行精准的市场营销与推销。

5．特征、偏差分析

每一组数据都是一个个体，它们有自己的特征，这些特征有些是与生俱来的，有些是在数据变化过程中与其他数据发生了偏差所导致的，而特征分析和偏差分析就是从数据库中提取出与其他数据不一样的数据个体，通过分析这些数据得出总体数据的特征。

例如，在庞大的客户群中，通过分析特殊的用户数据，可以知道这些特殊的用户为什么与其他用户存在差别，从而对客户的需求进行定位，以便对他们进行独特的精准营销。

6．Web页挖掘

随着互联网的广泛应用，Web页上的信息量将变得更加丰富。通过对Web页的挖掘，可以对Web页的海量数据进行收集、分析，挖掘出对企业有重大或潜在重大影响的外部环境信息和内部经营信息，以便识别、分析、评价和管理危机。

1.1.3 数据的分析

许多人觉得获得了数据信息，挖掘了数据的价值所在，就可以使用数据了，其实这是大错特错，还应有很重要的一步，那就是数据的分析。

数据的分析是将数据细分的一个过程，举一个很简单的例子，你是开美食店的，你的店在南二环，并且你通过各种手段总结出大学生比较喜欢这种美食，你会通过各种方式发布美食的消息，如QQ、微博等。

接收到消息的客户群可能分布在南三环到北三环，但是你有没有想过，南三环的客人会来光顾你的店，但在北三环的客人会因为你的美食而开车或乘坐公共交通工具常来店里吃美食吗？显然此处在数据的分析上忽略了一个重要内容——位置因素。

还有一个例子，某商场在发送促销信息时，由于未对顾客的信息深入分析，将女士用品的促销信息发送到了男性顾客的手机上，让人哭笑不得。

所以数据分析就是拨开最后一层迷雾，找到数据的本质，并将数据利用率最大化、将客户定位最准确化的重要手段。

数据分析主要运用于4个基本方面，如图1-4所示。

1．预测性分析能力

数据分析可以让商家更好地理解数据，预测将来的商业发展。而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。

2．数据质量和数据管理

数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。

3．可视化分析

不管是对于数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求，它可以直观地展示数据，让数据自己“说话”，让观众“听”到结果。

4．数据算法

如果说可视化是给观众看的，数据挖掘就是给机器看的。通过各种算法深入数据内部，挖掘价值，这些算法不仅要处理大数据的量，也要处理大数据的速度。

1.1.4 数据的应用

无论数据信息有多大价值，没有进行应用，数据永远还是“死”的，所以数据的应用是让数据变废为宝并产生价值的重要一步。目前大数据技术通过数据分析已经应用到许多领域，站在商家对客户定位的角度分析，主要有6个方面，如图1-5所示。

1．投用户所好的产品设计

曾有两个朋友争论是先有买还是先有卖，这个问题有些像先有鸡还是先有蛋。其实这种问题的任何一个答案都是对的，但又都是错的，因为这两种答案都不能说得太绝对。

但是仔细品味不难发现，这个问题的答案可能更倾向于先有买，因为市场是产品营销的乐园，所以在这种模式下，投用户所好，设计出用户所需要的产品，这才是商业营销的主要流程。

客户数据具有非常大的潜在价值，例如，用户的评价数据是企业改进产品设计、产品定价、运营效率、客户服务等方面的一个很好的数据渠道，也是实现产品创新的重要方式之一，有效采集和分析客户评价数据，将有助于企业改进产品、运营和服务，有助于企业建立以客户为中心的产品创新，而这一切都要建立在大数据之上。

2．符合用户消费能力的产品定价

产品的定价很大程度取决于商品的成本价，但是用户的消费能力是决定商品定价的重要因素，所以通过数据分析用户的消费能力来为产品进行合理的定价，也是大数据技术的核心应用。

要确保产品定价的合理性，需要先进行数据试验和分析，主要研究客户对产品定价的敏感度，将客户按照敏感度进行分类，测量不同价格敏感度的客户群对产品价格变化的直接反应和容忍度，通过多次试验，找到合适的定价范围，最终为产品定价提供决策参考。

3．基于数据分析的广告投放

广告是产品面向用户的一扇窗，通过数据分析进行精准的广告投放，将会产生不一样的广告效果。例如电视广告，各大卫视黄金时段的广告费是最贵的，因为想要在这个时段打广告的企业特别多，通过数据分析不难发现，每天晚上吃完晚饭之后，人们基本上都在看电视，这个时段接收到广告信息的人是最多的，所以企业要在黄金时段打广告。再如互联网广告，根据广告被点击和购买的效果数据与广告点击时段分析等，进行有针对性的广告投放。这些都建立在大数据的数据分析基础之上。

4．基于客户行为的产品推荐

根据客户信息、客户交易历史、客户购买过程的行为轨迹等客户行为数据，以及同一商品其他访问或成交客户的客户行为数据，进行客户行为的相似性分析，为客户推荐产品，通过对客户行为数据的分析，产品推荐将更加精准、个性化。

5．基于社区热点的趋势预测

社区中的热门话题、搜索引擎中的热点分析通常具有先兆性，能够成为一种流行趋势的预测。例如，苹果新型号的上市必将引起该型号手机壳的热卖，而这些手机壳的热卖要基于用户对苹果手机的依赖程度，这些都是数据的产物。

6．基于环境数据的外部形势分析

从市场竞争者的产品、促销等数据及外部环境的数据中找到对外部形势演变的先导性的预测，帮助企业应对环境变化。

1.2 客户行为分析

大数据的客户行为分析是企业、商家在拥有基本数据的情况下，对有关数据进行统计、分析，从中发现网络用户的行为规律，并将这些规律与营销策略等相结合，从而发现目前网络营销活动中可能存在的问题，并为问题进一步修正或重新制订营销策略提供依据。

1.2.1 客户类别分析

想要分析客户的行为，对客户定位，就要对客户进行大致的分类，因为每一类客户的行为都是类似的，但每一类客户的行为与其他类型的客户又存在很大的区别。从营销的角度来看，可以将客户分为4类，如图1-6所示。

1．经济型客户

这类客户的消费能力不是很强，因为他们不会花太多的时间和金钱在消费上，即使消费，关心最多的便是商品的价格，所以这类客户归类为消费水平较低。

2．道德型客户

这类客户通常会关注知名的企业和品牌的产品，因为他们比较信任大品牌和口碑较好的商品，所以这类顾客有一定的消费能力。

3．个性化客户

这类客户的消费没有定性，一般是凭自己感觉，只要自身满足、觉得合适就会购买，在价格和品牌上没有太多的要求。

4．方便型客户

这类客户追求的是购买的方便性，例如，支付的便捷、选择的便捷、收货的便捷等。他们一般没有太多的时间花在购物上，但这类客户的消费能力是不能忽视的，所以这就有一个矛盾，就是他们大部分有消费能力，但是不愿动手，这是商家要考虑到的。

1.2.2 影响客户行为的因素分析

俗话说计划没有变化快，消费者的行为是一个“变量”，因为消费者的行为会受到各种因素的影响，所以在客户定位过程中就带来了严峻的考验，因为获得的数据不是永远恒定的，所以摸清影响消费者行为的因素，是对用户进行长期定位的必需手段。

影响消费者行为的因素主要有4种，如图1-7所示。

1．生理因素

消费者可能因为生理需要、生理特征、身体健康状况以及生理机能的健全程度而改变消费行为。例如，某客户喜欢吃甜食，经常网购这些零食，而突然有一天他被检查出患有糖尿病，那么这辈子他都不会为自己网购甜食了。

2．心理因素

心理因素主要源自于客户心理上对于某种事情的担忧，例如，一位消费者一直用某种牙膏，而有一天他看到新闻报道：这种牙膏可能含有某种有害物质，不管这则消息是真是假，他都会减少使用甚至不用这种牙膏。

3．自然环境因素

自然环境因素是最常见的影响客户行为的因素，例如，有一位东北的朋友经常在哈尔滨用信用卡买衣服，前段时间他被公司派往海南学习半年，而在他刚到海南的前两个月还经常收到哈尔滨某商场羽绒服打折的短信息。所以，如果商家多留意一下该用户的刷卡记录，不难发现他现在并不需要羽绒服。

4．社会环境因素

社会环境因素涵盖的内容比较广，通常包含以下4方面：

1 经济环境因素，即宏观经济环境和微观经济环境。

2 法律政治因素，如法律政策、党政纷争、社会动荡等。

3 科技环境因素，即某一新兴技术产品的问世对于原有科技产品的冲击，如安卓手机对诺基亚的冲击。

4 文化环境因素，如文化背景、宗教信仰、道德观念和风俗习惯等。

掌握了这些因素对于客户行为的影响，也就掌握了对客户进行长期定位的技术，为以后的精准推荐、精准营销打下了基础。

1.2.3 重点数据分析

客户行为的分析重点就在于从庞大的数据中找出重点数据，因为重点数据才能体现数据的重要价值。那么所需要的重点数据究竟都有哪些呢？

用户行为分析主要包含以下重点分析数据，如图1-8所示。

1．客户基本信息的多维度的分析

以用户所处的地域、性别、年龄等人文属性建立分析维度，把所有的信息进行筛选，可以简单地把用户的相关属性与产品相匹配。

例如，某一用户的地址是一所高档小区，那么就可以分析出用户的消费能力，进行产品的精确、合理推荐。

2．客户带来的价值高低的分析

对客户过去的购买记录、购买的产品价值、购买的频率、最近一次购买的时间等属性进行量化，产生客户价值的评分，分出客户价值的高低，对推荐的接受难易程度作出评估，筛选出自己的重要用户。

例如，一位用户每个月都会到某一家网店买孕婴用品，那么电商就可以根据购买记录和每次购买产品的价值进行评估，在合适的时间向用户发布最新的产品信息。

3．顾客浏览行为的分析

对购买过商品的客户的购买记录以及点击过的商品记录进行分析，分别打分、统计、归类，以对客户的可能兴趣点进行预测。

4．客户“不喜欢”的分析

考虑在所有推荐的商品旁增加一个“不喜欢”按钮，收集客户不喜欢的商品，这具有与收集客户喜欢的商品一样重要的价值。

假设一个客户告诉你他不喜欢一款150元的夹克衫，可能比点击甚至购买一套500元的西装透露的信息还要多、还要重要。

1.2.4 商业行为分析

客户的商业行为分析主要是通过客户的资金分布情况、流量情况、历史记录等方面的数据来分析客户的综合状况，主要包括4个方面，如图1-9所示。

1．产品分布情况

产品分布情况是客户在不同地区、不同时段所购买的不同类型的产品数量，可以获取当前营销系统的状态、各个地区的市场状况以及客户的情况。

2．客户保持力分析

每家企业都有自己重点保护的客户群，如VIP用户，通过用户细分，寻找值得被保护的用户，使他们得到自己最贴切的服务以及最优惠的价格。细分标准可以是单位时间交易次数、交易金额、结账周期等指标。

3．消费者损失率分析

通过对用户行为数据的分析来判断客户是否准备结束商业关系，或正在转向另外一个竞争者。其目的在于对已经被识别结束了交易的客户进行评价，寻找客户结束交易的具体原因，以便提高自己的服务。

4．升级/交叉销售分析

对即将结束交易周期又有良好消费行为，或者有其他需求的客户进行分类，便于识别不同的目标对象，为下一次交易做好客户定位。

1.2.5 客户忠诚度分析

客户的忠诚度反映了客户对企业的信任度，服务效果的满意程度以及继续接受同一企业服务可能性的综合评估，保持老客户要比寻求新客户更加经济。而保持与客户之间的不断沟通、维持和增强消费者的感情纽带，是企业间新的竞争手段。通过数据分析能够提前预知客户的忠诚度，预防客户流失。

想要提升客户的忠诚度，需要做到以下3点，如图1-10所示。

1．找到高危客户

高危客户是客户流失的主要群体，他们对企业、产品的忠诚度往往很低，所以提高客户的忠诚度，首先要“解决”掉这些用户。

其实分析高危客户的数据很容易得出结论，通常使用“采用率数据”作为一个方法来组织和管理风险，例如，某段时间出售了100款产品，通过调查有多少客户一直在使用这些产品，即可分析出客户对产品的忠诚度，以及哪些客户是高危客户。

这是一个早期信号，需要分析者有所了解，且主动处理。

2．了解客户的需求

除了评估客户使用产品的频率，调查客户在哪些使用上有困难外，通常还要多问一个问题：客户还需要其他的帮助吗？例如，一款新兴产品，能提供在线视频帮助吗？通过在非常特殊的条件下了解每个客户，你能实现在与他们的交往上更有目的性。

3．让常客成为产品拥护者

数据的深入挖掘在确定产品的常客上是非常有价值的，他们会对成为一名拥护者有潜在兴趣吗？他们将产品推广到世界其他地方吗？常客可能购买更多产品，或者购买相关产品，而让常客变为拥护者，他们会无形间推广产品，当了解了这些重要数据，将会从这些客户那里得到最大化的收入。

1.3 客户特征分析

如果说客户的行为分析是对客户的横向分析，那么客户的特征分析就是纵向的分析。客户行为特征信息并不是简单的数据，而是通过建立客户行为模型，利用数据挖掘处理客户静态数据与动态行为数据而得出的客户行为特征信息。因此，客户行为特征信息往往难以直接采集和获得。

1.3.1 目标消费群体分析

目标消费群体是企业产品的主要消费人群，例如，某公司生产的是导航仪，那么该产品的目标消费群体就是有车一族；如果某公司生产的是英语学习机，那么该产品的目标消费群体就是中小学生以及他们的家长。所以目标消费群体分析可以说是客户定位的另一种方式。

“销售销到需求上”是商业上的不变法则。有需求的客户会有很强的购买欲，例如，小区里的居民每天都要买菜，每天都会用油、盐等，这些都是生活必需品，这些物品被用完时，就是最合适的销售时机。通过对自己手中的数据进行分析，抓住客户的基本需求，能够有效地锁定这些目标消费群体。

目标消费群体的定位可以细分为多个维度，如性别、年龄、职业、风格、场景，如图1-11所示。

1．性别

首先要明确目标客户群的性别是什么，很多人会觉得好笑，难道还有男人买裙子吗？不要妄下定论，例如，销售男装，目标客户群就只是男性群体吗？女性就不会买吗？数据显示，有40%左右的男装购买人群为女性。除此以外，不同的组合会有不同的定位，例如，情侣装、亲子装就是性别定位下的延伸品。

2．年龄

人生的不同阶段的奋斗目标和生活水平有很大不同，所以不同年龄段的人群的消费水平也不同。

18～23岁的消费者大多为在校学生，有一定的消费基础，但由于消费的是家长的钱，所以他们在低价和高性价比上有过分的追求，但家庭条件比较好的客户可能更喜欢昂贵的商品。

24～28岁的消费者多为刚刚走出校门或处在升职期，往往需要构建家庭和为以后打算，所以这样的人群是最有消费能力的，但是迫于家庭的压力等因素，这部分人消费能力略有下滑。

29～35岁的消费者通常不会轻易在自己身上花费太多，而在为父母、子女购买商品时，偶有大手笔的投入，消费能力呈现上升趋势。

35岁以上的消费者，因网络使用问题、消费观念的淡化，消费能力略有下滑。

3．职业

不同职业的消费群体除了其职业化的功能性、风格性用途之外，更重要的是不同职业的消费群体的消费水平也不同。

例如，收入水平较高的白领或金领，他们具有一定的消费能力，对于这样的受众人群，定位和定价要相对偏高；而那些收入相对较低的受众人群，往往更加追求产品本身的性价比，对于这样的受众人群，定价和定位要相对较低。

4．风格

此处的风格主要是指目标客户群的风格定位，或是产品本身的风格定位。每个人的审美观念不同，所以不同风格的商品的目标消费群体也是不同的。

5．场景

不同场合的目标消费群体所需要的商品有很大的不同，以服装为例，某公司一管理层职业女性在工作和生活中对服装风格、档次的要求并不相同，于是应在分类上进行差异化的定位，将产品进行场景分类，而户外、家居、家纺、化妆品等类目也是一样的情况。在办公环境下，一般的消费者更追求产品本身的功能性和观赏性，除此之外对于品牌的追求可能更多的是产品的舒适感、实用性等更加切合实际的功能。

1.3.2 用户行为习惯

习惯是每一个消费者都具有的生活共性，很多习惯一旦养成就很难改变。例如，习惯穿宽松的运动服、习惯喝碳酸果汁饮品等，所以在定位目标消费群体时，对消费者的消费习惯、使用习惯进行深入的调查分析非常有必要。

用户的行为习惯是客户定位的产物，同时，用户的行为习惯也是客户定位的重要依据之一。简单来说，就是客户定位可以总结出这一类型客户的行为习惯，而客户的行为习惯可以让企业定位某一类型的客户。

1.3.3 客户心理分析

客户心理分析旨在分析客户消费的心理活动，例如，客户买这件商品一般买多少，客户希望得到的赠品是什么，买这件商品一般还会购买哪些商品等。

全球零售业巨头沃尔玛就根据商场里的顾客消费记录发现，啤酒与尿不湿经常会被同时购买，后来再经过细致的分析发现，买完尿不湿后再买啤酒的都是男性，而且女性很少出来买尿不湿，后来调查发现许多男性下班后会到超市买尿不湿，因为他们的妻子在家带孩子没时间，而上了一天班的男性通常希望喝上两瓶啤酒来犒劳自己，如图1-12所示。鉴于这种情况，商场决定将啤酒和尿不湿摆放在一起，没想到这个举措居然使尿不湿和啤酒的销量都大幅增加了。

通过以上案例不难发现，客户的消费行为其实就是在产生这样的心理活动之后形成的，那么谁提前发现了客户的心理，谁就抢占了先机。但是客户的特征也不是永远不变的，不同的性别、年龄、身份的客户，消费行为、购买心态也有很大的不同，基于数据分析得出不同客户的消费心理可以说是客户定位的升华，下面就对这3种类别的顾客的消费心理进行归类。

1．不同性别顾客的心态

不同性别顾客的心理特征如表1-1所示。

2．不同年龄顾客的心态

不同年龄顾客的心理特征如表1-2所示。

3．不同身份顾客的心态

不同身份顾客的心理特征如表1-3所示。

其实数据里还透露出许多类似的客户特征信息，只要深入分析，还会分析出更多类型的客户的消费特征。

1.3.4 客户需求分析

客户的需求就是市场，有需求的客户就是精准营销的对象。例如，刚买了车的人一定需要买车险；刚买了手机的人大多需要为自己办理一张电话卡，所以通常情况下，企业只有分析客户的需求后，才能进行销售，就像商家永远不会向光头推荐洗发水一样。

一直以来，企业都强调“以客户需求为中心”，这一点说到很容易，做到难，事实上很多企业的破产、倒闭，最后都可以归结于远离了客户。如今，通过数据分析来洞察客户需求已经是企业发展壮大的重要途径。

企业要想在激烈的竞争环境下凸显其竞争力，捕捉客户需求要精确到个体，依据个体需求来提供定制化服务。而企业想要知道客户需要什么，就要像医生给病人看病一样，学会望、闻、问、切，如图1-13所示。

1．望：用数据察言观色

就是用数据对客户进行全方位的分析和进行大致的定位，通过观察客户的所处环境和行为特点两大信息来对客户进行判断。

1 环境信息

看客户的爱好、品位以及周围的环境，例如，某一商场的会员信息显示的是在高档小区，那么该会员的消费水平应该是很高的。

2 行为信息

客户的一举一动都是有特殊意义的，例如，某一客户经常在互联网搜索某种化妆品，那么互联网的另一端就能对这名客户进行简单的刻画：她应该是一名女性，需要的是某种化妆品。

2．闻：听数据告诉你的信息

数据带来的信息量的多少就在于用户分析、倾听了多少，目的是开始深入了解客户。例如，一家超市的会员购买记录显示在5月14日、5月28日、6月10日和6月22日，除了购买日常的生活用品之外，还购买了纸尿裤和奶粉。由此可以很容易得出结论，该会员家里有婴儿。

但是如果仔细分析，她下次购买的时间大概为7月5日左右，那么商场就可以在7月5日之前向这位会员发送促销短信，这就是深度分析数据带来的重要信息。

3．问：挖掘数据的核心价值

数据最核心的价值不会主动浮出水面，可能需要更多的数据来佐证其是否为核心价值，而通过“问”的方法是挖掘数据的核心价值的重要途径。还是以上述超市的会员购物为例，通过对该会员半年的消费记录进行分析，发现她前两次购买了A品牌的纸尿裤，而之后每次都用B品牌的纸尿裤，这就说明该会员逐渐偏向使用B品牌的纸尿裤，那么在推荐时就尽量避免对A品牌的推荐。

4．切：为客户“私人定制”

当分析并掌握了这些数据之后，就可以将客户精准定位到某一坐标点上，接下来要做的就是围绕这一坐标点对客户进行“私人定制”。例如，上面说到该会员放弃使用A品牌纸尿裤，那么A品牌的纸尿裤肯定是有什么原因导致该会员放弃购买，那就找到A品牌纸尿裤的缺点，通过对两种品牌的比较，找到该会员想要的那种类型的纸尿裤，再通过类比的方式找到该会员对于其他商品的选择态度，帮助商家和企业推出更贴合客户实际需要的产品。

1.4 客户行为分析工具

在大数据时代，网上销售时想要知道用户最关注什么，不像现实中那样可以通过察言观色的方式来获得，那就必须要用特殊的方法，收集到用户上网时的数据，找到用户最关心、最愿意接受的信息类型，分析用户的上网行为，从而对用户进行精准定位。在这种需求下，各种互联网用户行为分析工具起到了关键的作用，使用户的行为可以最大限度地被网络管理者发现。

1.4.1 Userfly

Userfly是网页访客动作记录器，可以提供免费的网页访客动作记录服务。例如，跟踪访客的浏览习惯和鼠标操作行为，如图1-14所示。只需在网页中添加一段简单的直译式脚本语言（JavaScript）代码，即可记录访客从打开该网页开始一直到关闭整个网页过程中的动作。

Userfly几乎可以监控用户在网站上的所有操作，通过视频的方式录制并提供回放和下载，可以记录的用户行为包括：

1 监控鼠标的移动、点击和选取。

2 监控文本框的输入、选择框的选取。

3 记录页面的缩放、上下滚动和页面浏览的跳转。

4 监控对链接、按钮的有效点击。

5 排除对用户输入密码的记录，保护隐私。

免费用户每个小时可记录10位访客（10个IP）的动作。Userfly也提供收费服务，除了可以记录更多的用户外，还支持身份验证和网页加密。

对于网站拥有者来说，Userfly可以很方便地对用户行为进行检测和分析，但是对于很多网页访问者来说，如果知道他们所浏览的网页有这样的功能，可能会敬而远之，所以现在的网站拥有者通过Userfly仅仅记录登录其网站的用户所浏览的信息，其他信息则不会记录。

1.4.2 ClickTale

如果拥有一个网站，了解访客则是首要任务。网站拥有者需要精确追踪网站访客的操作，研究他们在网站上的体验，ClickTale就可以做到这一点。

ClickTale是一项免费的网站统计服务，可对网站访客浏览行为进行分析，以类似视频的方式将访问者在网站上进行的操作全部记录下来，用户可以在线观看也可以下载到计算机上，如图1-15所示。利用ClickTale对访客行为进行记录，可以帮网站管理者更好地布局自己的网页，给访问者带来更好的用户体验，以提高网站的访问量。

ClickTale是世界上唯一的访客操作录像网站，可记录访问数达5000个，拥有世界上功能最多的4种热力图：鼠标点击热力图、鼠标移动热力图、访客关注区域热力图和访客到达区域热力图。

网站用户行为分析的最主要需求就是访客的分类。根据不同标准，将访客细分成带有不同属性的类别，然后分析各个类别的行为特点。新、老访客行为分析是电子商务网站经营者必须面对的难题。分析好新老访客的行为习惯，将现有网站优化，最大限度地迎合不同访客行为习惯，提高转化率。下面以新、老访客两个类别来说明分析网站用户行为的方法。

利用ClickTale的热力图对比功能，将筛选项分别设置成新访客（New Visitor）和老访客（Return Visitor），并设置时间范围，可以很容易得到如图1-16所示的热力图对比。

图1-16中非常明显地暴露了新访客与老访客在同一网页的热力分布图的不同，新访客的热力分布比较广，但是热力普遍不够多；而老访客的热力分布不是很广，但是热力普遍够多。那么作为网站管理人员，就可以以此作为参考标准，对网页的布局进行调整，从而为不同访客提供最符合他们行为习惯的用户体验，最终最大限度地提高网站的转化率和效益。

1.4.3 Mouseflow

Mouseflow又称超级页面鼠标跟踪器，是一款在线分析工具，能对访客的浏览习惯和鼠标操作行为进行跟踪，从而获取人们对页面的关注范围和操作习惯，为页面优化提供了重要依据。

Mouseflow通过汇总分析访客在页面上的鼠标操作动作，并以直观的“热区图”形式反映出来，如图1-17所示。从图中可以看出用户对于页面点击最多，也就是最关注的区域，红色为热，蓝色为冷，如果网站出现在红、黄色区域中，将收到的点击次数也会是最多的。

想要通过Mouseflow在自己的网站上分析出热区图数据，把访客最关注的内容放到热区范围内，形成对网站内容和布局层面的优化，首先需要去Mouseflow的官网注册，再添加需要进行鼠标动作跟踪的网站之后就能得到跟踪代码，将其部署到自己的网站中。

此时，Mouseflow就可以记录该网页的鼠标动作了。时间越长，记录的鼠标数据也越多，分析出来的数据也越准确。等待几天后即可看到Mouseflow详尽的统计数据。当然，在这个页面中除了鼠标动作外，还有页面浏览量、平均访问深度、平均访问时长、Web页面情况、最热页面等统计数据，便于网站管理者对网站的整体情况有一个大致了解。

在这个页面中还可以查看到访客的一些具体信息，如访客的地理位置、来源链接、进入的页面、浏览页面量、停留时间、所使用的浏览器等。如果单击绿色播放按钮，还可以回放某访客在页面上的每一次鼠标操作动作。

1.4.4 mixpanel

mixpanel是一家数据跟踪和分析公司，专注于研发邮件的统计分析工具，允许发布商追踪其邮件通信中的一系列指标，进而制订自己的网络营销计划，如图1-18所示。

mixpanel平台实际上给网站用户提供了一个即插即用的分析功能。开发者在网站中插入几行代码，然后用户就可以访问mixpanel的各种即时分析数据。该平台可以跟踪用户的评论数、订阅者数、分享次数、页面浏览数量等。

mixpanel可满足每个月追踪10亿的请求，允许开发者追踪一系列的用户行为，包括用户浏览的网页数量，iPhone程序统计，Facebook程序的交互等。

开发者将能够追踪邮件中链接的点击率、查看率（指收到邮件后打开邮件）。A/B测试也即将被支持，通过测试，开发者能够知道两个版本的邮件哪一个更能获得更好的互动。mixpanel提供实时更新，按秒来计算。

1.4.5 测眼仪

一个网站最吸引人的地方通常就是用户的眼睛看到最多的地方，那么作为网站管理者，想要清楚地了解用户最喜欢看到的信息类型，就需要获取用户在浏览网页时目光停留时间最久的信息有哪些，而收集这些信息使用测眼仪可以实现。

测眼仪是一种专门测试用户视线焦点的仪器，其原理与测试近视的仪器相似，能测试出视线的焦点停留在网站的哪个部分，如图1-19所示。

从图1-19中可以明显看出，该用户浏览网页的方式与大多数人差不多。在第一幅图中，用户在文章的前几行观察得比较细致，说明用户在认真阅读；而在第二幅图中，网页中的图片和每一段重要信息成为该用户查看的重点。

所以对于网站管理人员来说，想要自己网站中的信息最大程度被用户接收到，那么用户最愿意用眼睛去观察、去阅读的位置就是投放信息的最佳位置。