还记得帕累托定律吗？商家80%的业务收入是由20%的客户创造的，“二八现象”竟如“黄金分割”一样普遍。那么这些高价值客户是谁？我们应该对这些高价值用户进行营销，何时何地对他们进行营销？

客户细分是决策的基础，在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。

简而言之RFM方法主要根据用户购买行为使用销售数据段将客户细分市场都整齐有序的从价值高低进行划分，从而快速的确认最佳客户。RFM分析的逻辑很简单：

*  最近一次购买的用户比长期没有购买的用户的再次购买可能性要高。

*消费频次高的用户比消费频次低的用户的再次购买可能性要高。

*消费金额高的用户比消费金额低的用户的再次购买可能性要高。

RFM模式已经是一个公认成功的模式，但是在移动互联网的快速信息流动下，当你不能快速的看到你的营销工作是否有所在作为的时候，移动互联网的营销人员对RFM模型不肖一顾。RFM模式作为客户分割工具是一个行货的方法，但是在移动互联网相较传统营销，可以低成本的实现营销接触的情况下，你排名最低级别的用户都将遭受信息超载，更不用说在排名最高级别的用户所出现的信息骚扰症状。怎样让每个人都得到正确的信息和关注，怎样在RFM模型上得到更好的修正，并逐步改善你的营销决策呢？

      企业营销人员应该怎样通过大数据技术提升营销决策？

当传统的RFM客户信息模式无法快速满足我们进行营销决策的时候，我们可以通过加入那些类似的变量因子来修订我们营销策略：

1.添加企业用户的全量购买行为数据

移动互联网技术让线上的所有的行为都变得的可以监测与数据分析，企业在进行营销策略的时候，可以实现从广告投放的展示、点击、进站、加入购物车、结账的全程的数据采集分析与跟踪，只有当你拥有全量的用户行为数据的时候，才可以进行data marking。

2.添加企业用户的属性数据

随着众多的第三方数据平台的出现，企业相较以前可以更为容易的获取到用户的其它属性数据，通过不断丰富企业用户的属性标签，了解用户的需求与爱好的时候，可以辅助我们进行关联营销决策。

3.添加营销场景数据

当今移动互联网下的用户是属于营销过度的人群，简单的进行相关的营销活动推送已经不能有效引起客户的购买行为，因此我们必须通过不同的营销场景来区分不同级别的用户的购买刺激点。

通过加入各种场景化的购买行为变量因子，可以帮助我们修订对客户的信息推送的有效性。比如说对已经购买产品的用户在短期内不在进行相关产品的推送，而是进行品牌推送，对可能想购买但是还未最终购买的用户进行相关的促销刺激的推送。通过对用户的购买需求决策匹配，最终提升我们的营销效率，实现企业收入的增长！