聯邦快遞如何分析客戶資料

許多朋友在分析客戶資料庫時，經常遇到一個問題，就是看著一大堆的統計數字，卻無法將統計數字轉換為行銷活動，這裡有個聯邦快遞的範例，可以供大家參考：

首先聯邦快遞利用RFM的變化來評斷客戶的貢獻額，計分的方法是:

將單一客戶過去三個月內消費金額乘上兩倍，再加上過去3至6個月間該客戶的消費金額，

接下來聯邦快遞利用DataMining中的Cluster分析，將所有客戶分為七大族群，每個族群再依貢獻額細分為十等分，這七大族群分別是:

˙貢獻額最高的10%穩定客群
˙過去六個月流失的中貢獻額客群
˙低貢獻額的季節性客群
˙高貢獻額的成長客群
˙中貢獻額的穩定客群
˙低貢獻額且在過去六個月內的流失客群
˙低貢獻額但剛回復交易的客群

聯邦快遞觀察在過去的兩年內，客戶如何在七個族群中移動，以及客戶如何在十等分內上下移動，一旦有任何的行為模式被分析出來，聯邦快遞便針對每一個族群發展一套客戶策略.

舉例來說:

最頂尖的10%穩定客群，是最佳而且是最有價值的客戶，聯邦快遞的策略就是想盡辦法留住他們，對他們提供最好的服務，以避免這群客戶的流失。

高貢獻額的成長客群是指消費金額成長超過15倍的客戶們，聯邦快遞投入行銷預算找出導致他們成長的原因，以協助其它客戶提高貢獻額。

過去六個月流失的中貢獻額客群，是指在過去六個月貢獻額降低90%的用戶，這群轉身而去的客戶，讓聯邦快遞損失許多應得的利潤，因此必須找出什麼地方出錯？聯邦快遞透過電話行銷與客戶溝通來調查原因，以挽回客戶的心。

找出季節性的低貢獻額客群是非常有用的，因為這些客戶只在一年的某些季節交易，花費行銷預算去刺激他們在其他時期交易將是十足的浪費。

我們在資料庫分析的同時，可以參考聯邦快遞的作法，將客戶切割為不同特性的族群，並且針對族群特性，制訂相對應的行銷策略，這樣分析資料庫才能對企業的營運產生更多的效益。