而先天条件优越的电信公司似乎不怎么重视顾客数据库，手中直接拥有上亿客户的资料，可惜仅仅
停留在姓名、性别和地址阶段，至于客户的学历、职业等相对简单的信息也无从查找。♀寻找网站，请百度搜索+一次小灵通短信推广策划案中，笔者曾为小灵通的用户具有哪些特征伤透脑筋，手握大量客户信息的电信公司就是不知小灵通用户的职业、年龄、学历等基本特征！
2、甄别：这是力求精的过程。一方面，各种途径收集上来的顾客资料不一定都是真实的，企业应该安排人手通过电话复核、资料逻辑比较等方式全面或抽样监测顾客资料的真实性。
另一方面，更重要的，企业的资源有限，不可能满足所有顾客的需求，而只能重点满足目标顾客的需求。针对收集上来的顾客资料，企业要根据事先锁定目标顾客的生理、心理、行为特征进行筛选、分类，不吻合目标顾客条件的，该舍弃的舍弃，该忽视的忽视；根据与目标顾客锁定条件的吻合度，将搜集到的顾客资料分为a、b、c和淘汰四类。♀
如某化妆品的目标顾客是年收入3万元以上、大专及以上学历、追求时尚的25－35岁白领女性，则顾客数据库中3万元以下的，大专以下的，25岁以下的，35岁以上的，普通蓝领职位的女性顾客资料只能被归纳为c类客户甚至淘汰。
每一个顾客类别重要性的精确界定，这一甑别环节不可或缺，每一顾客的背后，意味者企业一对一针对性的推广投入，细节决定成败！而不同顾客重要性类别的甑别，归类，直接影响到以后各种推广沟通费用的浪费比例、销售的成功率以及终极营销效能问题！
3、数据管理：至少拥有一套先进的crm软件，方便大量顾客资料的录入、查询、筛选，同时要时时更新。一些企业一时头脑发热，想开展数据库营销，结果购买/索取/获得了一顾客资料后就没有了下文，不去系统的维护更新。企业的顾客是流动的，顾客的年龄是变化的，总不能给3年前新生儿家庭继续寄送女乃粉如何喂养的资料吧。♀
深入分析数据库
crm软件只提供数据录入、查询、更新等基本数据管理功能，可惜没有基于数据库的
各类分析功能。没有了分析功能的数据库，就好比守着一块金矿而不知道怎样挖掘，这如何发挥数据库应有的价值与作用？
一方面企业要寻找/开发合适的数据分析软件，让数据说话，优秀的数据分析软件不仅有一些基本的数据处理功能，同时具备界面生动、简单易学、反应快速等特性，而且能提供预警、预测等高级功能，就数据本身的推理逻辑能力而言，电脑的分析能力的确超越了人脑。
另一方面，企业必须拥有懂数据分析更懂营销的高级复合型人才，只有这样的人才才能在客观的冷冰冰的数据与复杂多变的顾客需求、形式多样的营销策略之间建立桥梁。
普通的数据分析包括趋势分析（了解过去），比重分析（判断轻重缓急的依据）等。
相对高级的数据分析包括回归分析（在个因素之间建立相关函数关系，预测未来）、交
叉分析等，特别是交叉分析在营销业界被广泛的运用。如分析顾客收入与需求、年龄与需求、职业与需求、性别与需求、学历与需求之间的关系等。
更高级的数据分析是深度挖掘、发现型分析，包括因子分析（如哪些是影响需求的决定性因素）、差异分析（不同顾客的差异）、聚类分析（表面不相关的事件/需求的背后有什么共性？）等。
数据库中，年龄、性别、职业之类顾客特征比较容易获取，难的是顾客群体的心理特
征，面对千千万万的顾客，如何判断他/她是价格敏感型的？追求情调的？热爱运动的？注重健康的？……
我们只有通过数据挖掘技术，进行大量的分析归纳，才可能寻找出不同价值观、不同
心理偏好为特征的顾客群。比如在零售业，分析顾客的购物清单，假设清单中80％的商品都是超市的特价商品，我们就可以将其纳入价格敏感一群；追踪顾客的购买历史数据，发现某顾客常常购买有机食品、运动装备、保健品等，我们就视之为注重健康一族。
这种基于共同心理特征的数据挖掘分析，代表着营销数据分析的最新方向，毕竟在物质充沛的年代，心理情感、行为偏好是许多顾客决定性的购买因素，而不仅仅是简单的生理原因。
基于数据分析的推广
数据分析找出各类的顾客群，找出各种影响购买行为的因素，更重要的，我们必须根据严谨的数据分析，有针对性的采用各种推广策略，最终达到维护顾客忠诚、拉拢新顾客、提升品牌、促进消费等各类目的。
首先，对目标顾客进行再分类，特别是对具有海量顾客群的企业而言，如电信、银行、零售业等，真正一对一定制个性化推广策略并不现实。考虑到时间、沟通费用等成本代价，数据库营销推广只能有限靠近一对一个性化推广，象英国的特易购公司一样，根据顾客的生理、心理、行为等特征，将数千万顾客划分为年轻学生、家庭主妇、注重健康的、爱好运动的、实惠的、情调的、忠诚的、游离的等80个顾客群类别。
不过，对一些仅有几百几千个顾客的餐饮、美发等服务性企业而言，只需根据现实及潜在消费力的大小分为a、b、c类客户群即可。
其次，对不同顾客实施不同的推广策略。不同的顾客群有不同的购买心理及行为，我们应该根据他们不同的心理、行为而设计不同的推广策略。例如：
`11`
(