一、客户分析 客户分析需要很多可以定量化的信息，这些信息通常来自各种不同的数据源。对十这些信息必须加以整合，并以合理的方式放到客户数据仓库中，以便于对其作分段或挖掘处理。一个结构良好的客户数据仓库，应能回答以下问题： ．新客户是否比现有的客户更有价值? ．最重要的客户最为关注的是41么? ．年龄低于35岁的客户是否更有价值? ．五联网技术是否有助于业务增长?如果答案是肯定的，如何做到这一步? ．是否吸引了客户的消费? 客户分析所需要的信息一般来自3个方面：企业与其客户的主要“接触点”(客户服务中心、web和自动柜员机)、关键收益点(Pos、电子商务、定单录入)和外部数据(客户的地域分布、生活方式等信息)。客户分析阶段所需的关键信息包括客户服务历史信息、客户市场历史信息、销售信息、收获信息、客户的地域分布数据及生活方式数据等。’ 为了在客户数据仓库中形成一个完整的视图，必须对这些不同的信息源加以整合与清理。在进行分析之前，必须了解信息的可用性、信息的质量、信息的整合与清洗程度是否符合向客户数据仓库提交的要求。这里的侧重点是信息的质量，而不是它的“完备”。因为任何决策支持系统，总处在不断得到新的信息源，不断地补充新的信息，并且不断地对信息实施清洗的过程中。另外，这类系统还要求根据当前的业务与市场的需要，对原有的信息持续地做出评估。 一旦完成了这个过程，则反映产品采购、收益、服务、客户地域分布及生活方式的信息就已具备。这时，就可以对客户的行为及收益率进行统计处理，并借此建立能够预报客户未来行为的种种模型。
二、市场区段 在客户数据仓库准备就绪之后，就可以对当前客户以及预期的客户群作区段分析，判断不同区段的优势与弱势。市场区段分析中常见的问题是： ．哪些客户购买产品A而不购买产品B ? ．对某个特定的市场活动而言，最感兴趣的是哪些客户? ．对商家最有价值的是哪些客户? ．客户的价值是否因其地域分布和人口学特征的不同而不同? 对客户群实施区段分析时，可以利用客户数据仓库所积累的大量有用信息。对这些信息的分析与数据挖掘，有助于发现和评价各种可变因素的不同排列组合会导致什么样的后果。
三、一对一的市场 在找到最具价值的市场区段后，就可以为不同区段设计并提交通应其特定需要的成套服务。有针对性的市场开拓工作，可以促使企业瞄准更有前景和更有商机的领域。如果能够使企业的产品和服务被本来可能并不需要它们的客户所接受，就可能为本企业赢得最具价值的客户。 通过对很多业务细节的分析，可以对那些为不同领域所设计的作法作全局性的考察，将相似的处置策略集中起来并加以提炼。在条件成熟的时候，椎广这些作法到新的用户群。当我们将产品与服务也延伸到那些本来并不需要它们的用户群时，可以针对这个群体中那些最具可能和最有价值客户的特定需要，构建特定的市场策略。
四、事件模型 事件模型是一种技术手段，旨在帮助企业使其市场活动与处理策略准确，并最终取得成功。事件模型可以“刻画”客户的行为和客户的反应，还可以预见未来市场活动的后果。事件模型提供了—种可能，让我们能从客户生活中的某些事件(如生日、买房、买车等)中找到新的商机。这些事件不仅形成不同的市场区段，而且也是对客户实施评估并预期未来收益的有利工具：事件模型有助于发现使企业利润最大化的方法，如减少促销活动的次数、提高客户对促销活动的回应和控制业务策划的费用等：与事件模型有关的一些典型问题有： ．哪些年龄段的客户对降价处理最感兴趣? ．哪些客户更喜欢通过个人渠道购物? ．针对高收入客户的市场策略是否达到了预期的目的? 提出此类问题的目的在于发现影响客户反应的主要因素，然后，才能将客户按照他们的特征加以标识与分类。在很多情况下，可以运用有关购买特征的新发现的知识，对各种不同的处置策略加以检验。如果这方面的工作进一步细化，必然会因这些策略的正确运用而提高客户的满意程度。