行为细分是指企业按照消费者购买或使用某种产品的时机、消费者所追求的利益、使用者情况、消费者对某种产品的使用率、消费者对品牌(或商店)的忠诚程度、消费者待购阶段和消费者对产品的态度等行为变量来细分消费者市场。

1.按消费者进入市场的程度，可将一种产品的消费者区分为经常购买者、初次购买者、潜在购买者等不同群体。

2.按消费数量来细分市场，可将许多产品的经常购买者进一步细分为大量用户、中量用户、少量用户三个消费群体。

3.根据对品牌的偏好状况，可将一种产品的消费者划分为：单一品牌忠诚者、几种品牌忠诚者、无品牌偏好者。

1.购买时机。根据消费者提出需要、购买和使用产品的不同时机，将他们划分成不同的群体。例如，城市公共汽车运输公司可根据上班高峰时期和非高峰时期乘客的需求特点划分不同的细分市场并制定不同的营销策略；生产果珍之类清凉解暑饮料的企业，可以根据消费者在一年四季对果珍饮料口味的不同，将果珍市场消费者划分为不同的子市场。

2.追求利益。消费者购买某种产品总是为了解决某类问题，满足某种需要。然而，产品提供的利益往往并不是单一的，而是多方面的。消费者对这些利益的追求时有侧重，如对购买手表有的追求经济实惠、价格低廉，有的追求耐用可靠和使用维修的方便，还有的则偏向于使用显示出社会地位等不一而足。

3.使用者状况。根据顾客是否使用和使用程度细分市场。通常可分为：经常购买者；首次购买者；潜在购买者；非购买者。大公司往往注重将潜在使用者变为实际使用者，较小的公司则注重于保持现有使用者，并设法吸引使用竞争产品的顾客转而使用本公司产品。

4.使用数量。根据消费者使用某一产品的数量大小细分市场。通常可分为大量使用者、中度使用者和轻度使用者。大量使用者人数可能并不很多，但他们的消费量在全部消费量中占很大的比重。美国一家公司发现，美国啤酒的80%是被50%的顾客消费掉的，另外一半的顾客的消耗量只占消耗总量的12%。因此，啤酒公司宁愿吸引重度饮用啤酒者，而放弃轻度饮用啤酒者，并把重度饮用啤酒者作目标市场。公司还进一步了解到大量喝啤酒的人多是工人，年龄在25 ～50岁之间，喜欢观看体育节目，每天看电视的时间不少于3--5小时。很显然，根据这些信息，企业可以大大改进其在定价、广告传播等方面的策略。

5.品牌忠诚程度。企业还可根据消费者对产品的忠诚程度细分市场。有些消费者经常变换品牌，另外一些消费者则在较长时期内专注于某一或少数几个品牌。通过了解消费者品牌忠诚情况和品牌忠诚者与品牌转换者的各种行为与心理特征，不仅可为企业细分市场提供一个基础，同时也有助于企业了解为什么有些消费者忠诚本企业产品，而另外一些消费者则忠诚于竞争企业的产品，从而为企业选择目标市场提供启示。

6.购买的准备阶段。消费者对各种产品了解程度往往因人而异。有的消费者可能对某一产品确有需要，但并不知道该产品的存在；还有的消费者虽已知道产品的存在，但对产品的价值、稳定性等还存在疑虑；另外一些消费者则可能正在考虑购买。针对处于不同购买阶段的消费群体，企业进行市场细分并采用不同的营销策略。

7.态度。企业还可根据市场上顾客对产品的热心程度来细分市场。不同消费者对同一产品的态度可能有很大差异，如有的很喜欢持肯定态度，有的持否定态度，还有的则处于既不肯定也不否定的无所谓态度。针对持不同态度的消费群体进行市场细分并在广告、促销等方面应当有所不同。

当客户已经在你们公司产生了消费行为，并且你记录了他们的消费行为，如购买时间，产品和金额，可以想象，这些信息里一定蕴含着消费者未来的消费行为预测信息以及对营销活动反馈的规律。理论上讲，我们可以通过数据挖掘来获得里面的规律，并预测这些客户的行为，但是数据挖掘是对人员，技术，工具，时间要求很高的数据处理过程，投入的成本也很高。对很多公司来讲，不大可行，也没有必要。

有没有更简单可行的方式，可以帮助我们获得主要的规律，来提高未来的营销活动的效果哪？ 答案是有。这个方法就是RFM，欧美等发达国家使用多年，行之有效，投资回报非常高。

我们先用我们的经验来理解一下基于消费行为的细分方法基本思路。如果老板要你列出头大客户清单，那些客户最有可能在未来的一年里在你们公司购买最多产品，这样我们可以把有限的销售人员集中在这些客户身上。一个最简单（虽然可能不准确，但总比没有好）就是把过去一年所有客户的购买总额排个序，取出销售总和占整个年销售额20%的排在前面的客户。这些客户就是你的大客户。这就是最简单的RFM客户细分的方法：按照销售额的细分（MONEY），你也可以把销售按照10等分，3等分等，时间跨度可以一年，一个季度，三年都可以，销售额可以用其他的指标，如网站的发帖量，积分数量等。图1是按照销售额客户分组的处理。

某数码产品的直复营销活动的反馈率与过去消费额的关系

研究表明,客户的购买频率（Frequently）也与未来的消费行为有密切的关系，同样地，上次购买时间( Recently)与现在的时间间隔也与未来的活动反馈有密切的关系。数据处理的方式是一样的，这里不再展开。

这样我们就可以分别按照过去某一时段的消费金额，购买频率和间隔时间给客户分组，通过测试会发现，那个组对某个直复营销营销活动（比如直邮，电话销售）的反馈率，或转化率最高，正式执行活动专门挑选出高反馈的组。大家注意，多数产品或环境下，销售额越大，购买频率最高，或者购买时间越近的，反馈越高，但很多时候不是这样。

再进一步，把三个维度综合在一起，我们就给客户分成了5x5x5=125个立体的单元（加入都是5等分），每个单元进行编号，如532，就是R的第5组，F的第3组，M的第2组。见图3

在开展一个营销活动前对所有的单元进行测试，并计算某个单元组的营销投资回报, 如盈亏投资回报指数，指数越高效果越好，负数就是亏损的活动。