客户定位是客户关系管理的一个重要研究内容。对咨询顾问来说，客户定位包括确认和审查：谁是“真正”的客户、客户的产物和地位、客户的开放性程度、客户研究相关问题的意愿，以及客户雇请咨询顾问的经历等。

1.属性分析

属性分析可以从三个方面来考虑：

(1)外在属性。像客户的地域分布，客户的产品拥有，客户的组织归属(如企业用户、个人用户、政府用户)等。这种方式数据易得，但比较粗放，不易明晰客户层面谁是“好”客户，谁是“差”客户，可能知道的只是某一类客户(如大企业客户)较之另一类客户(如政府客户)可能消费能力更强。

(2)内在属性。内在属性指客户的内在因素所决定的属性，如性别、年龄、信仰、爱好、收入、家庭成员、信用度、性格、价值取向等。通过客户的内在属性亦可将客户定位，如VIP客户等。

(3)消费属性。即所谓的RFM：最近消费、消费频率与消费额，这些指标需在财务系统中得到。但并不是每个行业都能适用。比如说，在通信行业，对客户定位主要依据这样一些变量：话费量使用行为特征，付款记录，信用记录等。

根据消费行为来定位只能适用于现有客户，对于潜在客户，由于消费行为还没有开始，当然无从谈起。即使对于现有客户，消费行为定位也只能满足企业客户细分的特定目的，如奖励贡献多的客户。至于找出客户中的特点为市场营销活动找到确定对策，则要做更多的数据分析工作。

2．统计分析

如果按照上述定位方式进行客户定位的话，基本上不需要进行数据分析。但随着营销的统计方法日益精确化，服务的日益个性化，客户定位在不同情况下常常精确到能适用多种统计方法。如要知道什么样的客户为优质客户，就要用消费行为数据为应变量，找出在内在属性，外在属性各变量中影响应变量的自变量。这个自变量可能是一个或几个前文中我们所列的数据，也可能是由这些数据所导出的一些抽象的因子，只有这样营销策略才能有针对性。否则，若仅仅盯住那些高消费，高价值客户不断促销，结果并不一定表明客户仍然会有良好的响应。

除了一般描述型，比如Cross-tab报表的方法外，目前数据发现与数据挖掘用得最多的有两类：传统统计方法，这包括聚类分析、因素分析和CHAID方法。非传统统计方法，其中包括神经网络方法、回归树方法等。

企业处于大众营销阶段，客户的定位比较简单，如分为大中小企业、个人用户等。但是，随着精准化营销时代的来临，客户定位的方法将变得多样化。具有什么样的特征(内在的或外在的)客户会对什么形式和内容的营销活动有什么样的响应就会是一个通过反复研究尝试才能得出的结果。

一个日益重要的观念是对给企业带来更多利润的大客户的待遇。这和营销阶段的客户区分不一样。在客户关怀阶段，更感兴趣的是那些在消费行为定位中被认定为高贡献的客户。要为这些客户提供优先接入，更多现场解决权限，更快服务响应时间等优先、高质服务。这样，客户的满意度得以提升，企业希望因此增强这些客户的忠诚度。但是，在进行新的营销活动设计时，依然不可视这一类客户为一种类型，需要进一步地区分对待，根据客户的特点采用合适的沟通方式等。

研究表明，对客户定位的结果没有必要让客户本人知道，特别是对于低端客户，知道有别人比他接受更高层次的不收费服务会导致负面反应。如果要让客户知晓，则必定给出客户自己能掌控的方向与路径，比如根据某个积分计划而设立的奖励或根据事先选定的产品级别而提供的相应待遇。

然而，在国内更多的高端客户喜欢显示自己的独特与不同，所以不少企业倾向于帮助高端客户增强这类“显性”价值。例如，在不少营业厅开辟特设的大客户室。在机场等地设金卡客户柜台特别通道与休息室 ，给大客户设计有特殊标识的日常高档用品等是中国企业越来越多采用的方法。但是有很多企业由于仓促开始客户区分，往往让“大客户”们搞不清楚何时成为大客户的，让“小客户”们不明白要经过那些努力可以成为“大客户”。

如果你的定位是为营销策略而设，没有必要告诉客户；如果你的定位是为客户服务而设，而定位的标准又是纯粹按照客户贡献的绝对金额数来计算，则可以甚至应当大力宣传高端客户的优惠待遇。同时，明晰游戏规则，且规则设计应当简洁明了，促使低端客户“学有榜样，赶有方向”。