企业进行客户分类的目的是为了更好的识别客户，以实现在客户管理、客户服务和营销策划中应用客户分类的结果，优化客户管理效率，有助于实现更好的客户收益。

客户分类通常需要遵循以下6个基本原则。

一、有效性原则

客户分类的目的是为了应用，仅仅利用一些可观测的变量把客户细分出来是不够的，还需要让客户分类的结果能够具有实际应用的有效意义，这样的分类才是有效的。分类的有效性是与业务相关的，这也可以从另一个角度说明，为什么利用数据挖掘工具得出的分类结果大多是无效的？因为来自数据分析的结果是数据关联，而非业务关联。

二、适当性原则

企业通常会把客户分成几类或十几类，每一类细分的客户都要有单独的策略。换句话说，如果企业不能够针对客户提供相应的产品和服务策略，过度的客户细分只能是一种浪费。另外，如果企业对客户的分类过粗，或只是简单的划分为几类，这种过粗的细分根本不能有效的识别客户，会造成营销费用的极大浪费，这种做法也不可取。客户分类的粒度要适中，既有助于客户识别，又能满足企业的管理能力要求。第一资本银行对其信用卡客户进行了持续的细分，并持续应用各类营销测试来验证客户分类的有效性，通过持续不断的测试与细分过程，形成了数以万计的客户分类群体，这是以第一资本银行丰富的客户管理经验和可执行的营销对策为基础的。如果离开了第一资本强大的营销策划能力，过度的客户分类是无法全面转化为营销生产力的。

三、可操作原则

如果客户分类的结果是要在企业中大规模的应用，那么简单的原则就显得至关重要。过于复杂的客户分类方法和分类结果会严重影响应用的范围和效果，越是简单的分类结果越容易在企业内部实现传播和应用。中国移动把客户简单的划分为三个品牌类型，通过全球通、动感地带和神州行三个子品牌就把客户简单的划分开。戴尔电脑成立初期只定位于为中小企业客户服务，后来才增加了大型企业客户，然后随着企业能力的提升才逐步将客户分类延伸至政府和教育行业。

四、可识别原则

客户分类所基于的一些基本变量应是可以识别的，这样才能在实际应用中对客户进行识别和标识，例如企业对客户应用可观测的人口统计变量，如性别、年龄、身高等易于识别的变量进行的分类。有些客户细分变量，如生活方式、兴趣爱好等，往往比较难以识别。这种难以识别的客户变量通常不能作为主分类的变量指标来使用。

五、可测量原则

客户分类的结果是需要应用到服务营销实践中的。客户分类的结果要有助于企业对客户进行准确的识别和明确的标识，同时能够对客户分类的指标进行测量、评估和调整。可测量的客户分类变量也有助于持续的客户研究和绩效测量任务的展开。

六、可持续原则

客户分类不是一次性的，而是一个持续的过程，这就要求客户分类的方法、指标变量和分类结果必须具有一定的稳定性。对于一些拥有数以百万、千万客户群体的企业来说，基于客户分类对客户进行标识也是一个持续的过程。一个好的客户分类方法，既能反映当下的情况，又能够适应未来发展的变化。[作者：史雁军]