客户分类和识别潜在客户的方法
市场营销中的潜在客户分析
市场营销中的潜在客户分析市场营销是现代企业运营的重要组成部分，成功的营销战略是建立在充分理解目标消费者的需求和行为基础之上。
因此，对于潜在客户的深入了解和能够进行精确分析是非常必要的。
本文将从以下几个方面进行探讨：潜在客户的定义、潜在客户分类、潜在客户分析方法、潜在客户管理、潜在客户开发等。
一、潜在客户的定义潜在客户是指那些有可能成为消费者的人群，但尚未与企业建立关系或购买过相关产品或服务的人群。
潜在客户分为两类：一类是具有购买能力和购买需求的人群，另一类是只具备购买能力或只有购买需求的人群。
因此，对于潜在客户的准确定位至关重要。
二、潜在客户分类根据潜在客户的特点和需求，可以将其分为以下几类：1.漂流客户（drift customers）：这类客户是在企业网站或其他渠道不经意进入的，他们可能是通过搜索引擎搜索到的或是在社交媒体上看到的企业宣传活动。
虽然漂流客户对于企业来说没有任何意义，但是通过对漂流客户进行分析，可以更好地了解目标市场的特征和需求。
2.潜在客户（potential customers）：这类客户是企业中最有价值的一部分，他们具备购买意愿和能力，但尚未购买企业的产品或服务。
通过调查和分析，可以确定潜在客户的信息和需求，制定相应的营销策略和方案，增加转化率和收益。
3.老客户（old customers）：这类客户是已经购买过企业产品或服务的人群，他们已经与企业建立了关系。
通过对老客户进行分析和管理，可以更好地了解他们的满意度和需求，制定定制化的营销策略和方案，保持老客户的忠诚度和消费心理。
三、潜在客户分析方法1.客户画像分析（Customer Portrait Analysis）：客户画像作为一种较为常见的潜在客户分析方法，旨在了解客户的基本特征、兴趣爱好、需求和行为习惯等。
通过对潜在客户画像的分析，企业可以了解其消费心理和购买决策因素，并根据这些信息制定个性化的营销策略和方案。
2.购买路径分析（Purchase Path Analysis）：购买路径是指客户从最初的意识阶段直到购买决策并完成购买的一整个过程。
客户分类方法
客户分类方法客户分类是企业营销管理中的重要环节，它可以帮助企业更好地了解客户需求，提供个性化的服务，从而提高客户满意度和忠诚度。
在实际操作中，我们可以根据客户的特点和需求，将其分为不同的类别，以便有针对性地进行营销和管理。
下面将介绍几种常见的客户分类方法。
1. 按购买行为分类。
按照客户的购买行为将其分为潜在客户、新客户、活跃客户和流失客户。
潜在客户是指对产品或服务有需求但尚未购买的客户，新客户是最近才购买过产品或服务的客户，活跃客户是经常购买产品或服务的忠诚客户，而流失客户则是曾经购买过产品或服务但最近没有再次购买的客户。
通过这种分类方法，企业可以有针对性地进行市场推广和客户维护，提高客户忠诚度。
2. 按消费能力分类。
根据客户的消费能力将其分为高消费客户、中等消费客户和低消费客户。
高消费客户通常愿意花费更多的金钱来购买高端产品或享受高级服务，中等消费客户则对价格比较敏感但也愿意购买一定档次的产品或服务，而低消费客户则更注重价格和性价比。
企业可以根据不同消费能力的客户提供相应的产品和服务，以满足不同层次客户的需求。
3. 按地域分类。
根据客户所在地域将其分为城市客户、乡村客户、海外客户等。
不同地域的客户可能有不同的消费习惯和需求，企业可以根据客户所在地域的特点进行市场定位和推广策略的制定，以更好地满足客户需求。
4. 按行业分类。
如果企业的客户涉及多个行业，可以根据客户所在行业将其分为金融行业客户、制造业客户、服务业客户等。
不同行业的客户可能对产品或服务的需求有所差异，企业可以根据客户所在行业的特点，提供定制化的解决方案，从而更好地满足客户需求。
5. 按偏好分类。
根据客户的偏好将其分为价格敏感型客户、品牌忠诚型客户、服务体验型客户等。
不同类型的客户对产品或服务有不同的偏好和需求，企业可以通过调研和数据分析，了解客户的偏好类型，从而提供更符合客户口味的产品和服务。
总结。
客户分类是企业营销管理中的重要一环，通过合理的客户分类方法，企业可以更好地了解客户需求，提供个性化的服务，从而提高客户满意度和忠诚度。
潜在客户、活跃客户、流失客户计算标准
潜在客户、活跃客户、流失客户计算标准一、概述在市场营销领域，了解客户的分类及其行为特征对于企业的长期发展至关重要。
潜在客户、活跃客户、流失客户是市场营销中常用的客户分类标准，通过对这些客户的行为进行分析和计算，可以帮助企业更好地制定营销策略，提高客户维护和转化效率。
本文将深入探讨潜在客户、活跃客户、流失客户的计算标准，并对其在市场营销中的作用进行详细介绍。
二、潜在客户的计算标准1. 客户来源渠道潜在客户是指对企业产品或服务感兴趣，但尚未进行购物或消费的个人或机构。
潜在客户的计算标准一般可以从客户来源渠道入手，根据不同的市场营销活动，确定不同的客户来源渠道，并通过统计宣传渠道的转化率、注册率等指标，计算出其中潜在客户的数量。
2. 意向行为分析另一种计算潜在客户的方法是通过意向行为分析。
这种方法通常通过市场调研、问卷调查等方式，了解客户对于某种产品或服务的意向程度，进而推断出潜在客户的数量。
结合市场细分的概念，可以对不同细分市场的潜在客户数量进行有针对性的计算和分析。
三、活跃客户的计算标准1. 消费频次和金额活跃客户是指在一定时间内有过消费行为的客户。
其计算标准通常通过对客户的消费频次和金额进行分析来进行评估。
可以根据客户的消费模式和消费周期，结合客户关联的产品或服务，对活跃客户的数量进行计算。
通过对消费行为的时段、地点等进行综合分析，可以对不同时间段和地域的活跃客户进行进一步的细分。
2. 互动行为分析除了消费行为的分析，还可以通过客户的互动行为来评估活跃客户的数量。
客户的互动行为包括但不限于参与促销活动、参与社裙活动、参与用户调研等。
这些行为直接反映了客户与企业的互动程度，是评估活跃客户的重要依据。
三、流失客户的计算标准1. 退订率和跳出率流失客户是指在一定时间内停止消费并且不再与企业互动的客户。
流失客户的计算标准通常通过退订率和跳出率来衡量。
企业可以通过统计退订服务、退货率等指标来计算流失客户的数量。
客户要分三六九等——销售中如何给潜在客户分类
客户要分三六九等——销售中如何给潜在客户分类在销售中，给潜在客户分类是一个重要的策略，可以帮助销售人员更好地定位和管理客户资源。
客户分类可以基于不同的因素进行，例如客户的购买潜力、兴趣度、行为偏好等。
本文将介绍一种常用的客户分类方法，并讨论如何在销售中有效地给潜在客户分类。
一、基于购买潜力的客户分类在销售中，客户的购买潜力是一个重要的指标。
根据购买潜力的高低，可以将潜在客户分为三个等级：甲客户、乙客户和丙客户。
1. 甲客户：甲客户是具有高购买潜力的客户，他们对产品或服务有明确的需求，且有能力进行购买。
销售人员需要重点关注甲客户，提供更详细、个性化的服务，及时回答他们提出的问题，以提高销售转化率。
2. 乙客户：乙客户是具有中等购买潜力的客户，他们对产品或服务有一定的兴趣，但尚未做出最终购买决策。
销售人员可以通过有针对性的市场营销活动，如发送电子邮件、提供优惠券等，积极引导乙客户加强购买意愿。
3. 丙客户：丙客户是购买潜力较低的客户，他们对产品或服务的需求相对较弱，或者没有购买能力。
销售人员可以通过定期发送产品更新或促销信息，建立和维护与丙客户的长期关系，以期待将他们转化为甲或乙客户。
二、基于兴趣度的客户分类除了购买潜力，客户的兴趣度也是一个重要的分类因素。
根据客户对产品或服务的兴趣程度，可以将潜在客户分为三个等级：高兴趣客户、中兴趣客户和低兴趣客户。
1. 高兴趣客户：高兴趣客户是对产品或服务表现出浓厚兴趣的客户，他们可能已经在网站上浏览过相关产品或服务，或者主动询问过相关信息。
销售人员可以通过电话或邮件方式主动联系高兴趣客户，提供更详细的产品或服务介绍，并邀请他们进行进一步的交流或试用。
2. 中兴趣客户：中兴趣客户是对产品或服务表现出一定兴趣的客户，但还需要进一步了解或体验。
销售人员可以通过发送产品样本、提供在线演示或赠送试用机会等方式，帮助中兴趣客户更好地了解产品或服务，增加其购买意愿。
3. 低兴趣客户：低兴趣客户是对产品或服务兴趣较低的客户，他们可能并不是真正的潜在需求客户。
不同客户类型的销售策略与方法
不同客户类型的销售策略与方法工作总结一、背景简介近期，在公司的销售工作中，我深入研究了不同客户类型的销售策略与方法。
本文将详细总结我在此方面的收获和经验。
二、客户分类首先，为了更好地制定销售策略，我们需要将客户进行分类。
根据实际情况，我将客户分为以下几大类型：新客户、潜在客户、稳定客户和大客户。
三、新客户销售策略与方法1. 找准目标：针对新客户，我们需要首先明确适合我们产品或服务的目标客户群体，了解他们的需求和痛点。
2. 建立关系：通过营销手段，如营销邮件、电话等，与新客户建立联系，并提供相关产品或服务的信息。
3. 个性化定制：根据新客户的需求，为其提供个性化的解决方案。
4. 产品展示：通过线上或线下形式，向新客户展示产品的特点和优势，并提供试用或体验的机会。
5. 持续跟进：及时跟进客户的反馈，解答疑问，建立长期良好的合作关系。
1. 挖掘潜力：潜在客户是具有潜力的潜在合作伙伴，我们需通过市场调研等方式了解其需求和潜在价值。
2. 数据分析：通过客户数据分析，找出潜在客户的特征和共同点，并形成相应的销售模型。
3. 强化沟通：与潜在客户保持频繁的沟通，通过不同渠道发送针对性的信息，提高他们对产品或服务的兴趣与认知。
4. 提供价值：向潜在客户提供一些有实际价值的内容，如行业报告、案例分析等，增加其对我们的信任感。
5. 激发合作意愿：通过定期的电话、邮件或会议，积极引导潜在客户加入我们的合作网络，建立长久的合作关系。
五、稳定客户销售策略与方法1. 客户维护：我们应积极维护已经合作的稳定客户，提供高质量的售后服务，建立客户信任与满意度。
2. 客户价值提升：通过深入了解客户需求，向其提供相应的增值服务和解决方案，提高客户的满意度。
3. 忠诚计划：制定忠诚计划，通过优惠、折扣等方式回馈稳定客户，增强他们的忠诚度。
4. 不断创新：根据客户反馈和市场需求，持续改进产品或服务，为稳定客户提供更好的解决方案。
1. 个性化服务：针对大客户，我们需要提供一对一的个性化服务，解决他们独特的需求和问题。
销售管理的客户分类
销售管理的客户分类在现代商业社会中，客户分类早已成为了销售管理中不可或缺的一部分。
将客户分为不同的类别，可以帮助销售人员更好地了解客户的需求和行为状况，有效地进行客户管理，提高销售业绩和客户满意度。
本文将就销售管理的客户分类进行探讨。
一、潜在客户与现有客户潜在客户是指那些未曾与企业有过业务往来的潜在顾客，企业可以利用各种渠道接触潜在客户，获取他们的兴趣和需求，以期引起他们的购买欲望。
现有客户则是企业已经有过业务往来的客户，他们已经熟悉企业的产品和服务，因此他们对企业的信任度更高。
企业应该针对不同的客户群体采取不同的营销策略，例如：对潜在客户可以通过优惠券、打折等方式进行价格刺激；而对现有客户则可以通过推出新产品、服务、加强客户关系维护等方式来增强客户黏性，以提升客户的忠诚度。
二、高价值客户与低价值客户高价值客户通常是企业的重要客户，他们对企业的贡献往往更大，可以给企业带来更高的利润。
高价值客户通常具有以下特征：购买的商品/服务量大，购买频率高，客户维护成本低，忠诚度高，对企业品牌形象有重要影响。
对于企业，需要多重视高价值客户的需求，因此可以采用个性化服务、个性化商品/服务，以及提供与客户需求相符的定制服务等方式，以增强高价值客户的满意度和忠诚度。
低价值客户则相反，他们的付出往往少，对企业产生的利润也相对较低，但他们的数量可能占据较大的比重。
为了提升企业的收益和盈利能力，企业需要加强高价值客户的维护，但同样需要优化低价值客户的营销策略，例如：跟进客户需求，开发买家潜力，加强市场推广等。
三、战略性客户与普通客户战略性客户是指那些会对企业的长远发展有积极作用的客户，他们的意见可以影响企业的业务方向和战略决策。
他们通常拥有相对更高的市场份额，在行业中具有显著的地位和影响力。
与战略性客户的合作，可以让企业在市场竞争中占领更高的优势地位，获得更多的机会和资源。
对于战略性客户，企业需要加强与他们的沟通互动，定期提供高品质的产品和服务，建立稳定的合作关系，以及开发潜在的业务机会。
潜在客户的识别方法
潜在客户的识别方法简介潜在客户的识别是营销活动中至关重要的一环。
通过识别出潜在客户，企业可以有针对性地进行营销推广，提高销售转化率和业务增长。
本文将介绍一些常用的识别方法，帮助企业准确、高效地辨认出潜在客户。
1.目标市场定位在识别潜在客户之前，首先需要明确目标市场是什么。
通过调研和分析，确定产品或服务适合的客户群体，包括其特征、需求和购买能力等。
通过明确目标市场，可以将识别范围缩小，提高准确性。
2.数据分析与挖掘数据分析与挖掘技术可帮助企业从大量数据中发现潜在客户的模式和趋势。
运用数据挖掘算法，可以通过对历史销售数据、用户行为数据等进行分析，找出隐藏在数据背后的规律和特点。
通过将模式应用到新的数据集中，可以预测和识别出潜在客户。
3.线索收集与管理线索是潜在客户的关键信息来源。
通过各种渠道，如网站、社交媒体、展会等，收集客户的线索信息，包括姓名、联系方式、职位、公司等。
同时，建立线索管理系统，对线索进行分类、筛选和跟踪，及时发现和识别出有潜在价值的客户。
4.数据分析与行为追踪利用数据分析和行为追踪工具，企业可以对潜在客户进行更深入的分析。
通过对客户的网站访问记录、邮箱点击行为、社交媒体互动等进行监测和分析，了解客户的兴趣、关注点和购买意向。
通过这些数据，可以做出更精准的识别和个性化的营销策略。
5.与销售团队紧密合作销售团队是最了解客户需求和市场动态的人员。
与销售团队紧密合作，及时获取他们的反馈和意见，可以帮助识别出更多潜在客户。
通过定期举行销售和市场部门的会议，分享信息和洞察，可以加强团队协作，提高识别潜在客户的能力。
6.激励措施与优先级划分针对不同的潜在客户，制定相应的激励措施和优先级划分。
对于高价值的潜在客户，可以提供一些特殊待遇，如优先提供产品试用、专属折扣等，以增加其转化率。
而对于低价值的客户，则可以采取一些批量化的推广活动，提高覆盖面。
结论准确识别潜在客户对企业的发展至关重要。
通过目标市场定位、数据分析与挖掘、线索收集与管理、数据分析与行为追踪、与销售团队合作以及激励措施与优先级划分等方法的综合应用，企业可以提高辨认潜在客户的能力，从而更有效地开展营销活动，并取得良好的业绩增长。
客户分类对客户进行分类和分级管理
客户分类对客户进行分类和分级管理在商业领域，客户是企业经营的重要资源之一，对于企业来说，客户分类和分级管理是非常重要的。
通过客户分类，企业可以更加准确地了解各个客户的需求，并采取相应的营销策略，提高客户满意度，增加业绩。
本文将探讨客户分类对客户进行分类和分级管理的重要性，并介绍如何进行客户分类和分级管理。
一、客户分类的重要性客户分类可以帮助企业对不同类型的客户进行区分，将客户划分为不同的群体，有助于企业更好地了解并满足客户的需求。
1.准确了解客户需求通过客户分类，企业可以对各个客户群体进行细致的分析和了解，了解不同类型客户的需求、喜好和购买行为。
这样企业可以更加针对性地开展产品研发和市场营销，提供更符合客户需求的产品和服务。
2.制定个性化营销策略不同类型的客户需求不同，他们对产品的关注点、购买决策方式以及交流渠道都有所区别。
通过客户分类，企业可以制定个性化的营销策略，针对不同类型的客户采用不同的促销手段，提高推销的效果。
3.增加客户满意度客户分类可以帮助企业更好地了解客户的需求，提供更满足客户需求的产品和服务，从而提高客户的满意度。
满意的客户会对企业口碑和忠诚度产生积极的影响，为企业带来更多的业务机会。
二、客户分类和分级管理的方法在进行客户分类和分级管理时，企业可以采用以下几种方法。
1.按购买能力分类根据客户的购买力大小，将客户划分为高端客户、中端客户和低端客户。
高端客户拥有较高的购买力，对产品的要求较高；中端客户购买力居中，对产品的要求相对稳定；低端客户购买力较低，对产品的价格敏感度较高。
企业可以根据不同类型的客户制定不同的服务和促销策略。
2.按消费习惯分类根据客户的消费习惯和行为，将客户划分为潜在客户、新客户和老客户。
潜在客户指尚未购买过产品的潜在购买人群，对企业的产品和服务有一定的认知和兴趣；新客户指刚开始购买企业产品和服务的客户；老客户指已经多次购买过企业产品和服务的忠诚客户。
企业可以通过不同的推广活动和服务策略吸引潜在客户、提升新客户的购买频次和金额，同时对老客户进行维护和回馈，维持他们的忠诚度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
5 客户分类和识别潜在客户的方法在前一章，我们探讨了利用日常收集的客户数据来获取市场细分的方法。
但同时存在许多情况，在试图开拓新型市场时，您更有可能将客户归入现有市场细分中或预定义类别。
一般来说，这种要求在您已经运用专用客户信息来定义分类，而这些信息只对一小部分客户是可用的（如客户调查数据或客户忠诚卡信息）的情况下是必要的。
您现在可能想将所有客户分成这些类别。
但问题在于：凭借手上日常收集到的客户信息，您能把这些客户全部归类吗？或者，您可能已经依据日常收集的数据将客户进行了分类，现在还有一些能与现有客户或潜在新客户相链接的附加数据（如人口统计学数据）。
您能单凭人口统计学数据就能发现潜在、能够创造利润的客户吗？本章我们将关注数据挖掘技术，以期能够解决这类问题。
975.1 业务需求在前几章中，我们探讨了如何从日常收集的数据获得客户细分的问题。
凭借分群数据挖掘技术，我们能够明白对不同类型客户没有任何预先认识的情况下也可推断客户细分是如何成为可能的。
这是我们在第27页3.3.1节“技术的类型”中所说的探索型数据挖掘的一个例子。
我们还提供了现有业务规则细分，并且我们能够展示这些业务规则，即怎样才能将获得的细分映射到我们所发现的分群上。
进行有效的映射需要在数个事务上聚集客户事务数据，通过识别号需要某些链接事务的工具。
一个显而易见的问题是，是否能使用其它方法使客户与诸如业务规则细分等预定义类别相匹配？如果匹配，则能否应用于单个事务数据？回答是肯定的，我们用以实现该过程的数据挖掘技术称为分类，它隶属于总标题“预测性数据挖掘”。
在您的零售机构中有大量用于分类的潜在应用。
事实上，在任何已对客户进行分类（或您能想到的其它任何事）的情况下，您都可以使用分类来发现怎样用相关数据对其它客户进行分类，将它们归入相同的类别。
有关该过程的示例是通过采用专用信息获得的现有客户细分，如客户调查或焦点人群。
收集这种类型的信息往往代价昂贵，并且您可能仅能提供给小部分客户。
您也可将对小部分客户有用的日常收集到的数据用于您所有的客户（如事务数据）。
如果这些数据能用于决定一个客户从属于哪部分，则毫无疑问您也能用同样的数据为所有的客户进行分类。
或者，您可能已通过使用日常收集的数据获得客户细分，就如我们在前一章所做的那样，但现在您想确定能与最有赢利性的市场细分相匹配的潜在客户。
在这种情况下，如果您能获得可用于现有和潜在客户相链接的外部数据（如人口统计学数据），您就可以根据人口统计学数据进行分类，以便确定现有客户的归属，然后用这种方法确定潜在客户是否属于最有赢利性的细分？98无庸讳言，分类能用来做以上所有事情，但一般来说，该方法不可能100％正确地对所有客户进行分类。
这个问题后来成为一个疑问：为了有效使用分类结果，您需要在确定客户属于哪类细分时抱有多大的信心呢？在下面的几个部分中，我们将向您讲述如何运用分类对客户进行归类，如何说明分类器的表现，最重要的是提出建议以便指导怎样将结果应用到您的业务中，同时通过销售系统点及其它与客户打交道的部门，作为市场营销活动的指导。
5.1.1 解决方案大纲通用数据挖掘方法的第一阶段这部分也是首先将业务需求转化为可通过数据挖掘得以解决的一系列问题。
在进行分类的情况下，可能会运用大量数据挖掘技术。
难题在于要因地制宜，为解决该业务需求确定一项最合适的技术。
所有的数据挖掘分类技术都可以构造出数据的数学表述，将客户不同性质的相关变量与已指派给小部分客户的预定义类别联系起来。
我们称该数学表述为分类模型。
在本章将描述的示例展示了如何构建这种模型，然后将展示其对尚未预定义的客户进行分类。
该预定义类别可以是您所选的任何项，比如，我们已经描述过的客户细分，或盈利性类别，或甚至可以是客户会转而投到竞争对手一方的可能性。
要阐述进行分类的方法，我们将使用用于忠诚卡客户的预定义业务规则细分，关于忠诚卡客户已在前几章中定义。
我们已经知道，如果使用聚集NRS，那么这些客户可被成功地映射到业务规则细分中。
我们的问题是：我们能否使用单个销售事务点的数据做同样的事情？如果能，那么因为我们拥有用于所有客户的信息，而不仅仅限于持有忠诚卡的客户，就可以用分类模型在销售点上为全部客户分类，并向他们提供适当的建议。
数据挖掘技术能用以决定应该提供什么样的建议，这是第137页第六章所表达的主题“应该向客户推荐哪些产品？”。
99要构建分类模型，首先有必要获得已指派给业务细分的客户组数据。
我们称这组客户为“训练组”。
我们所掌握的该组客户数据将分成我们用以开发分类模型的“训练数据集”，以及用以验证模型的“测试数据集”。
在我们的示例中，所需数据是个体事务处理记录，但这与人口统计学数据或能从用于训练组和您想分类的客户组获得的其它信息一样简单。
我们称该第二组客户为“目标组”。
我们所掌握的目标组数据的类型与训练组的类型一样，但对这些客户我们没有预定义业务类别。
我们称这类型数据为“操作数据”，因为这种类型数据是我们在将分类模型应用到业务上时要用到的。
分类概念是，我们用客户的训练组构建分类模型，然后用该模型对目标组中的客户进行分类。
下图是5-1的示意图。
图5-1培训、测试及申请应用分类模型5.2 要使用的数据“通用挖掘方法的第二阶段”将确定要用于构建分类模型的数据。
在此示例中，我们运用第53页4.2.2节“推荐数据模型”描述的CLA和TLA两种数据模型构建用来将客户归类到预定义业务规则细分的分类模型中。
100因为我们的训练组客户最初是使用CLA模型聚集的NRS被指派到业务细分的，因而我们首先运用数据挖掘分类技术来展示这些数据是如何很好地支持最初所作的分类。
然后使用TLA模型展示目标组客户在单个事务限制使用NRS时是如何很好地将其归到相同的业务细分的。
创建分类模型需要扩展CLA和TLA数据模型。
在这两种情况下，在训练组中的每个客户记录必须包含业务细分标签，然后才能成为分类的目标变量。
同时也有必要创建一些附加变量，以供一些分类模型使用。
这些附加变量来自于业务细分，每个附加变量对应相应的业务细分类别（如，一般购物者变量，家庭购物者变量）。
如果业务细分标签与变量名称匹配，则每个新变量的值均设置为“1”，如果不匹配，则设置为“0”。
当讨论分类模型的构造时，我们使用术语“目标变量”来称呼那些新变量。
修改过的CLA和TLA数据模型的结构如图5.2所示：图5-2CLA和TLA数据模型表的结构5.3 初始化并预处理数据如果您已经准备好初始化数据以开始细分，则您无需任何附加信息就可以开始通用数据挖掘方法的第三阶段。
然而，如我们已经讨论过的，构造分类模型需要创建两个单独的训练组客户数据示例——训练数据集和测试数据集。
这需要采取一些特定的预处理步骤。
5.3.1 创建训练及测试数据集训练集用于开发初始模型。
当建立模型后，测试数据集通过测量通常术语称之为“隐性数据”的性能进行验证模型。
验证的关键部分是检测看是否出现了未知的“超负荷”现象。
超负荷是指只能与训练数据相适应，但无法适应其它数据集的情况。
101分层采样如果您拥有大量客户，并在不同细分中客户数目有很大变化的情况下，那么有时需要您在现有的全部数据中进行采样，以开发测试及训练数据集。
在这些情况下，在每个细分或类别的客户记录中按一定比例采样是很重要的。
该技术称为分层采样。
在某些情况下，虽然单个细分或类别名称已被指派到一组客户中，但该细分中客户特点仍存在显著差异。
我们在先前第四章中的一般购物者细分的示例中已见过此种状况。
在这些例子中，通过首先在某时分群全部来自一个类别的客户，然后再从每个群集中采样。
在客户细分并不均匀的情况下，该分层采样比较先进，已证实该分层采样可使分类性能得到显著提高。
提示：诸如IM for Data这样的数据挖掘产品具有诸多优势，您可挖掘所有数据，在此情况下，可无需分层采样。
均衡样本存在一个一般性误解，使得开发分类模型前必须创建所谓的“均衡样本”。
该误解主要来自于下述观点，如果在特定的类别或细分中，客户数目记录存在巨大变化，那么有必要通过从每个类别或细分中创建包含相同数目的客户采样标本予以补偿。
正如我们将要展示的那样，分类器模型可生成一个输出，其可评估客户从属于某个特定类别的可能性。
如果训练组是您客户的典型样本，无任何理由对某个细分或类别特殊对待，那么也就无创建均衡样本的理由。
通过考察样本示例，您就可以全面了解其中的情况。
想象一下，就其NRS而言，所有客户均具有相同特征，但您却已利用其它信息将其分配到细分和类别中。
如果您试图通过NRS数据为这些客户分类，那么很明显，客户相互之间很难分辩彼此。
那么他们从属于某特定细分的可能性就是最初指派到细分中客户数量与客户总数量之比（如果90％的客户是一般购物者，如果在其它量不变化的情况下，客户随机选取一般购物者的可能性比率仍然还是90％）。
如果您已使用均衡样本，分类器可能会得出结论，认为可能性对于所有细分（与细分数量成反比）来说都是相等的，这根本就不是一回事。
102正常情况下，只有在您知道客户总数，并且训练组本身就是细分和类别的不均衡表现时才可使用均衡样本。
例如，您可能知道在客户总数中，每个类中的客户数均相等，但在训练组中，由于某些采样原因样本分布不均匀。
在这种情况下，均衡采样可用于解决均衡问题。
在其它情况下，均衡可能是适当的，则其风险在于把客户错误地分类到一个类别中，而不是别的什么原因，这点对您来说非常重要。
这个问题通过采用称为“出错加权”步骤也能够得以解决，我们将在第104页5.5节“挖掘技术”中探讨分类器的不同类型时详述该问题。
在我们举的数据集示例中，因为可挖掘所有数据，故而不需要任何分层采样。
我们也知道训练组是客户总数的典型性样本，并且由于在此阶段，我们没有理由特殊对待某一组客户，无需任何形式的均衡样本。
因此，可以通过随机分解数据开发测试和训练集，如可以在训练数据集中分解50％的训练组客户，另外的50％则在测试数据集中分解。
您需要仔细考虑下列有关预处理步骤的重要事项：与您将使用结果模型进行分类的客户相比，客户的训练组如何具有典型性？您将如何使用分类结果？一个类别是否会比另一个更重要？5.4 评估数据数据评估包括运用丢失值、溢出值和多余变量的解决问题。
这是通用挖掘方法的第四阶段。
因为我们正使用与第四章一样的数据模型，所以应遵循第63页中4.4节“评估数据”所涉及的相同程序。
103大部分分类模型对密切相关的特征变量是非常敏感的，因此用我们在第63页4.4节“评估数据”中所描述的步骤去移除或结合这种变量，需根据您将采用的分类技术类型仔细考虑。
相关原因将在下一章节讨论。
评估阶段的一个重要部分是确保检验和训练数据集准确反映全部客户数据集的统计特征。
确认是否正确分割数据的一种好方法是使用单变量统计检查这些数据集（平均值、标准偏差和众数值）的统计，并检查测试与训练集的统计是否仍然与整个数据集统计相匹配。