1. 客户行为地图
2. 客户体验地图
3. 客户决策地图

这3个地图，都是以具体场景为基础的，此处不展开详细论述。

我们给出另外一个工具模型（场景需求匹配）：

我们极度重视和推荐大行业小场景的产品化。

什么叫大行业小场景的产品化？——某个特定场景下，解决客户具体问题的单点突破。

而这个单点：

1. 能挤进客户决策的重要性、优先级序列；
2. 客户有支付意愿；
3. 在这个行业中具有普遍性；
4. 容易形成标准产品。

这种大行业小场景应用，就是典型的客户行为管理。

三、管理客户关系（关系管理）

传统企业缺少对客户关系管理的技术与手段，通常都是在流量层面下功夫，建渠道，做推广，努力实现多时空多批次的流量变现。

互联网公司就大不同了，他们有技术、工具与手段，他们有客户日活、月活、年活，这些是传统企业特别羡慕的。

客户关系管理，我们推荐分为两类：

1. 客户心智份额

客户心智份额，其实是对客户资产的沉淀与归类。

经过一段时间经营后，我们把客户可以分成三类：

1）心智预售型客户（大概率客户）

简单地说，就是品牌的忠实粉丝。当这类客户在消费时，有远超出普通消费者的大概率，来购买特定品牌。

2）随机流量型客户（小概率客户）

简单地说，就是拦截流量，进行销售转化，并努力提高客单价。这种流量有可能是无差异客户，上到60岁，下到6岁，所以转化概率，是这三类客户中最低效的。

3）概率触发型客户（中概率客户）

就是在某些场景或者某些条件触发下，客户就会增大购买某商家产品的概率。

小结下来，就是上面这个图。内容比较多，就不再多解释了。

2. 客户关系营销

这里，我们介绍一种方法——RFM模型：

• R（Recency）最近一次消费时间；
• F（Frequency）一段时间内的消费频率；
• M（Monetary）一段时间内的消费金额。

有了这3个维度和数据，我们就可以把客户按照关系的重要性、优先级，进行分类排序了。

有了数据支持，我们就可以针对上面ABCD四类客户，分别使用不同的关系营销策略。

比如：我们打开美团外卖，一个你经常去的商家给你发一个定向红包，这就是典型的RFM应用下的关系营销。