而先天條件優越的電信公司似乎不怎麼重視顧客數據庫，手中直接擁有上億客戶的資料，可惜僅僅
停留在姓名、性別和地址階段，至于客戶的學歷、職業等相對簡單的信息也無從查找。♀尋找網站，請百度搜索+一次小靈通短信推廣策劃案中，筆者曾為小靈通的用戶具有哪些特征傷透腦筋，手握大量客戶信息的電信公司就是不知小靈通用戶的職業、年齡、學歷等基本特征！
2、甄別︰這是力求精的過程。一方面，各種途徑收集上來的顧客資料不一定都是真實的，企業應該安排人手通過電話復核、資料邏輯比較等方式全面或抽樣監測顧客資料的真實性。
另一方面，更重要的，企業的資源有限，不可能滿足所有顧客的需求，而只能重點滿足目標顧客的需求。針對收集上來的顧客資料，企業要根據事先鎖定目標顧客的生理、心理、行為特征進行篩選、分類，不吻合目標顧客條件的，該舍棄的舍棄，該忽視的忽視；根據與目標顧客鎖定條件的吻合度，將搜集到的顧客資料分為a、b、c和淘汰四類。♀
如某化妝品的目標顧客是年收入3萬元以上、大專及以上學歷、追求時尚的25－35歲白領女性，則顧客數據庫中3萬元以下的，大專以下的，25歲以下的，35歲以上的，普通藍領職位的女性顧客資料只能被歸納為c類客戶甚至淘汰。
每一個顧客類別重要性的精確界定，這一甑別環節不可或缺，每一顧客的背後，意味者企業一對一針對性的推廣投入，細節決定成敗！而不同顧客重要性類別的甑別，歸類，直接影響到以後各種推廣溝通費用的浪費比例、銷售的成功率以及終極營銷效能問題！
3、數據管理︰至少擁有一套先進的crm軟件，方便大量顧客資料的錄入、查詢、篩選，同時要時時更新。一些企業一時頭腦發熱，想開展數據庫營銷，結果購買/索取/獲得了一顧客資料後就沒有了下文，不去系統的維護更新。企業的顧客是流動的，顧客的年齡是變化的，總不能給3年前新生兒家庭繼續寄送女乃粉如何喂養的資料吧。♀
深入分析數據庫
crm軟件只提供數據錄入、查詢、更新等基本數據管理功能，可惜沒有基于數據庫的
各類分析功能。沒有了分析功能的數據庫，就好比守著一塊金礦而不知道怎樣挖掘，這如何發揮數據庫應有的價值與作用？
一方面企業要尋找/開發合適的數據分析軟件，讓數據說話，優秀的數據分析軟件不僅有一些基本的數據處理功能，同時具備界面生動、簡單易學、反應快速等特性，而且能提供預警、預測等高級功能，就數據本身的推理邏輯能力而言，電腦的分析能力的確超越了人腦。
另一方面，企業必須擁有懂數據分析更懂營銷的高級復合型人才，只有這樣的人才才能在客觀的冷冰冰的數據與復雜多變的顧客需求、形式多樣的營銷策略之間建立橋梁。
普通的數據分析包括趨勢分析（了解過去），比重分析（判斷輕重緩急的依據）等。
相對高級的數據分析包括回歸分析（在個因素之間建立相關函數關系，預測未來）、交
叉分析等，特別是交叉分析在營銷業界被廣泛的運用。如分析顧客收入與需求、年齡與需求、職業與需求、性別與需求、學歷與需求之間的關系等。
更高級的數據分析是深度挖掘、發現型分析，包括因子分析（如哪些是影響需求的決定性因素）、差異分析（不同顧客的差異）、聚類分析（表面不相關的事件/需求的背後有什麼共性？）等。
數據庫中，年齡、性別、職業之類顧客特征比較容易獲取，難的是顧客群體的心理特
征，面對千千萬萬的顧客，如何判斷他/她是價格敏感型的？追求情調的？熱愛運動的？注重健康的？……
我們只有通過數據挖掘技術，進行大量的分析歸納，才可能尋找出不同價值觀、不同
心理偏好為特征的顧客群。比如在零售業，分析顧客的購物清單，假設清單中80％的商品都是超市的特價商品，我們就可以將其納入價格敏感一群；追蹤顧客的購買歷史數據，發現某顧客常常購買有機食品、運動裝備、保健品等，我們就視之為注重健康一族。
這種基于共同心理特征的數據挖掘分析，代表著營銷數據分析的最新方向，畢竟在物質充沛的年代，心理情感、行為偏好是許多顧客決定性的購買因素，而不僅僅是簡單的生理原因。
基于數據分析的推廣
數據分析找出各類的顧客群，找出各種影響購買行為的因素，更重要的，我們必須根據嚴謹的數據分析，有針對性的采用各種推廣策略，最終達到維護顧客忠誠、拉攏新顧客、提升品牌、促進消費等各類目的。
首先，對目標顧客進行再分類，特別是對具有海量顧客群的企業而言，如電信、銀行、零售業等，真正一對一定制個性化推廣策略並不現實。考慮到時間、溝通費用等成本代價，數據庫營銷推廣只能有限靠近一對一個性化推廣，象英國的特易購公司一樣，根據顧客的生理、心理、行為等特征，將數千萬顧客劃分為年輕學生、家庭主婦、注重健康的、愛好運動的、實惠的、情調的、忠誠的、游離的等80個顧客群類別。
不過，對一些僅有幾百幾千個顧客的餐飲、美發等服務性企業而言，只需根據現實及潛在消費力的大小分為a、b、c類客戶群即可。
其次，對不同顧客實施不同的推廣策略。不同的顧客群有不同的購買心理及行為，我們應該根據他們不同的心理、行為而設計不同的推廣策略。例如︰
`11`
(