随着时间的推移，收集到的数据越来越多，计算能力日益便宜，企业面临的选择是要么创新，要么消亡。同样的情况也适用于案例研究。一旦开始收集越来越多的客户信息/数据，就可以对这家企业进行各种复杂的分析。在案例研究的这一部分，将讨论如何通过倾向建模或简单的细分来制定针对性的市场策略。
最近开设了一家视频光盘租赁店。两个月后，意识到市场上竞争激烈，需要制定更加以客户为中心的策略以在市场上脱颖而出。已经构建了所有数据集，并收集了前两个月的数据（阅读第一部分）。两个月后，利用组合数据的洞察来定义大众市场策略和获取目标地区（阅读第二部分）。
现在，已经进入第五个月，业务已经增长到750个客户。现在有四个月的数据，想知道如何使策略更加以客户为中心？
以下是业务的一些高级指标：到目前为止，所有的分析都在组合层面上进行。想要创建一个更细粒度的优化市场策略。在这里，将使用行业中最好的方法之一，将客户组合分类为有意义的细分，并为每个细分定义针对性的策略。由于组合和数据点的规模相对较小，预测建模仍然遥不可及。
针对性参与策略：
步骤1：使用RFM方法进行分组：
这是最好且最常用的技术之一。它非常快速实施，其灵活性使其易于跨行业应用。这种技术可以以多种方式使用。以下是一个示范性的例子：
RFM方法：
R代表最近一次购买的时间，将考虑客户最后一次取走光盘的天数。将根据客户符合的区间对每个客户进行评分。
F代表频率，将了解客户在这里整个生命周期内总共租了多少张光盘。同样，将对频率进行区间划分并相应评分。
M代表货币价值。在案例中，由于每个产品的成本相同，货币参数将与频率非常相似，因此没有使用这个指标。
以客户X为例，他总共购买了8张光盘，最后一次购买光盘是在6天前。他的总评分变为8/10。类似地，对每个客户进行评分。首先需要检查的是评分的分布和稳定性。以下是第4个月和第5个月的评分分布：
两条曲线大致呈正态分布，并且每个评分区间的人口比例相似。
步骤2：使用两个月的评分找到每个客户的档案：
例如，连续两个月评分都很高的客户将被归入忠诚客户群体（第一象限）。
步骤3：为每个群体找到合适的策略：
忠诚客户：这些客户非常有价值，并且仍然非常有价值。这个群体是忠诚基础，重要的是要让这些客户满意，因为他们为提供了持续的收入流。所有的客户满意/参与策略都需要关注这些客户。让列出一些可能的参与策略：
“增销”：
成长客户：这些客户显示出增长模式，并且与越来越有参与感。与这些客户的策略是让他们满意并进一步增加他们的参与度。再次将这些客户加入增销组。类似于忠诚客户的策略可能有助于使他们更加参与。
赢回客户：这些客户在参与度/收入方面显示出下降趋势。在这里，需要一组不同的策略来阻止他们可能的流失，并将他们带回来。如果考虑一下，他们可能的流失可能有2个原因：
让尝试列出一些策略来增加他们的钱包份额或将他们的需求从其他供应商转移到商店：
其他策略：
此时可以实施许多其他数据驱动的策略。以下是其中的一些策略：
本文讨论的策略旨在为读者提供思考的食粮。这些策略绝不是全面的。如果有在行业中实施的技巧示例，并且对本案例研究有用，请分享它们以造福更广泛的社区。
在未来的某个时候，还将涵盖这家企业如何在开始大规模运营时使用预测建模。