声明性数据，即接收者自己共享的数据，例如通过填写联系问卷或网站上或忠诚度计划中的注册表。通常，这些数据包括有关年龄、性别、教育程度和居住地的信息。通常，客户还被要求提供附加信息，例如购买偏好。 应该指出的是，20 多岁的女性会寻找与 70 多岁的男性完全不同的产品。在这种情况下，差异不仅来自不同的性别或年龄，还来自用户可用的预算。 对于服装或鞋类商店，值得询问用户他喜欢的尺码。这将有助于过滤产品、喜爱的品牌或产品类别。反过来，在卖食物时，你可以询问你的饮食习惯。
客户细分策略
定义人物角色可能很有用。有了它们，我们就可以根据各种类型的数据来划分买家：人口、地理或技术。他们还 电话清单业务 将帮助您将特定的角色与您的目标相匹配。还值得考虑的是，是什么让客户变得有价值——他经常返回的信息、在社交媒体上活跃的信息或在购物路径中放弃完成订单的特定时刻。反过来，这些变量可以让您确定可能影响购物的因素 – 一年中的时期（例如黑色星期五促销、假期或第一次圣餐季节）。注意到这些类型的变量对于创建营销传播可能很重要。
建立优先细分目标
收集有关用户的数据后，就可以创建特定的细分。这里值得记住几个关键方面： 让这些细分易 加拿大人民 于使用并适合公司的具体性质。就当地咖啡馆而言，将其分为来自特定城市和外部的顾客是有意义的。然而，对于国际连锁来说，同样的划分将是不合理的， 值得考虑使用机器学习。基于机器学习的自动化对于节省构建细分的时间至关重要， 细分市场的适当规模也很重要。不值得将它们分解太多，因为结果可能会导致某些群体在沟通中经常被忽略， 细分稳定性——值得记住的是，行为和心理数据可能会迅速变化。根据产品的不同，具有恒定数据的细分，例如性别、 寻找忠实客户 vs 寻找忠实客户 致力于新的线索。
