我们以前讲过新零售的人货场重构，旨在基于大数据环境，使用AI等现代化技术赋能企业管理和决策。那么对于大数据来说，智能或是专业的分析是必不可少的。很多企业已经开始使用DataFocus、Tableau等大数据分析工具对企业大数据进行分析和洞察，以提供最精准的数据结论或可视化视图来辅助决策。那么对于很多TO C企业来说，客户数据是企业大数据的重要组成部分，对于客户数据的利用效率关乎整个企业的运营成果。我们以前介绍过需要让客户数据“动起来”，比如对于只购买过一次便长时间未曾购买的新客，应依照既定的数据分析结果实施精准化的策略。
我们首先应该看三个数据，人群基数、购买时间、商品数据。对于人群基数数据，我们可以筛选出上一次购买距离当时较长一段时间比如60-999天的客户，找准他们的利益点。利益点可以包含敏感的活动、敏感的优惠等。那么购买时间或是商品，就可以进行数据分析后的分层，主要利用的是交叉分析的分析手法。举个例子，我们可以把最近购买时间分为四个维度，60天-1年、1-2年、2-3年、3年以上，商品数据分为ABCD类商品，进行交叉分析，得出16个“带商品”的人群。
最后就可以进行实施了，注意需要进行分别实施。我们需要明确特征的同时进行营销，比如60天-1年*A类宝贝：挽回可能高，可直接短信刺激，服务+营销同时进行；1-2年*A类宝贝：挽回可能低，先邮件关怀，再短信营销刺激。于此同时，数据方面同时可划分客单价，高、中、低分别不同的优惠刺激方式，如分别5、10、20元无门槛优惠券，其他时间、产品、客单价的细分维度同理可实施。
Comments | NOTHING