。客户细分建立在多项指标的综合分析基础上，细分的客户群数决定于客户数据。与传统的客户分类方法相比，客户细分更加科学和适应市场发展的趋势。期货业运用客户细分思想和方法，识别出不同特征的客户群，能对不同的群体采用不同的营销策略，提高客户的满意度和忠诚度，进而实现客户价值最大化。
f该公司管理层与期货业管理人员合作，通过分析、讨论，充分考虑期货业的特点和实际业务需求，借鉴传统的客户价值细分理论和客户价值理论，从客户的当前价值和增值价值两个方面来考察客户的价值。这两个一级指标又能分别分解为一系列下级指标，这样层层分解，构成一个完整的多层次的客户总价值预测指标体系。见图1。在计算客户总价值时，从最下一级指标开始，各指标的取值乘以各自的权重综合得出上一级指标的取值，依此类推，直到得出客户分别在当前价值和增值价值两个一级指标上的总值，并在此基础上，算出客户的总价值。该公司在具体的客户细分过程中，分两步走：首先进行客户价值预测，之后进行聚类细分。21价值预测1）数据准备。公司收集了用于计算客户细分指标值的期货市场数据、交易数据和客户服务数据等三类数据。期货市场数据可以从期货交易所公开网站上获取，案例公司有专人负责定期收集并存储于数据库。客户的交易数据包括客户的交易历史记录、权益数据和客户的成本数据等。其中客户交易历史和权益数据从公司的期货结算系统中获取；客户服务数据包括客户的服务记录和反馈信息，这部分数据需要客户服务人员定期提供和维护。2）数据处理指标计算先算出最底层指标的值，再根据约定的等级划分规则定义各个指标的等级。表1示出了某客户在底层指标上的取值和指标等级得分。最后结合层次分析法得到的指标体系的权重，求得各个中间指标的取值以及潜在价值和增值价值的取值。该客户的当前价值和增值价值指标取值分别为518和660。表1某客户最底层指标取值与等级分指标值客户为企业带来的利润现值保证金00351070取级分60等
f000客户平均权益0000介绍客户为企业带来的利润现值客户业务总量000客户份额6客户满意度和忠诚度客户对营销活动的响应度可供交易的品种客户交叉购买的主观意愿235051006510
0600604060408080
3）构建客户细分数据集市数据集市中存放客户价值预测模型中各层次的指标值，该公司在SQLServer2000的A
alysisServices中构建了一个简化的客户细分数据集市，数据包括计算所得的客户当前价值与客户增值r