去年帮一家高端女装品牌做客户画像的时候，我问了老板一个问题："你的VIP客户里，谁最值钱？"

他翻了翻手机，给我看了一个名字："张姐，去年在我们这消费了68万，绝对的VIP。"

我问他，张姐一年来几次、每次买什么品类、退货率高吗、有没有推荐过新客户过来？他愣住了。

后来我们把他三年的销售数据拉出来做了一个完整的客户画像分析，结果让他大跌眼镜。张姐确实消费了68万，但她退货率高达35%——买了退、退了买，三年里实际净消费只有44万。而且她的客单价虽然高，但推荐率是零——从来没带过新客户。反而是一个看着不显眼的李姐，年消费只有12万，但退货率不到3%，三年里推荐了11个新客户，这11个客户累计消费了86万。

谁才是真正最值钱的客户？不是张姐，是李姐。

这就是客户画像数字化的价值——把"大概知道"变成"精确知道"。以前老板脑子里对客户的印象是靠感觉：谁买得多、谁来得勤、谁看起来有钱。但感觉这个东西，偏差太大了。

怎么做客户画像数字化？不是买一套CRM就完了，是要把客户的行为数据串起来。

第一层：基础标签。年龄、性别、城市、消费能力——这些传统CRM就有。但光有这些不够，因为同一个年龄段、同一个消费水平的人，消费行为可能天差地别。

第二层：行为标签。最近一次消费是什么时候？过去半年消费频率是多少？每次都买什么品类？客单价是上升还是下降？有没有浏览过但没买的商品？有没有在社群里活跃但不消费？这些行为数据比基础标签"诚实"得多——因为嘴巴会说谎，但消费行为不会。

第三层：价值标签。消费总金额、退货率、推荐率、活跃度、对促销的敏感度——这些数据结合起来，能算出每个客户的"终身价值"。终身价值最高的客户，是你最该花资源去维护的。终身价值低的客户，花太多时间服务就是亏本。

做完这套画像之后，那个女装品牌做了一件事——把VIP服务体系从"按消费金额分级"改成了"按终身价值分级"。结果很有意思：原来的钻石卡客户（年消费50万以上）有40%被降级了，因为退货率太高、推荐率为零、对促销极度依赖——看着消费多，实际利润贡献低。反过来，一批银卡客户升级了，因为复购率高、退货率低、社交推荐力强。

半年后，他们把营销预算从"撒向所有VIP"变成了"精准投入前20%的高终身价值客户"，客户留存率提升了25%，营销ROI提升了60%。没有多花一分钱，只是把花在"张姐们"身上的无效投入，挪给了"李姐们"。

客户画像不是一张花哨的可视化图表，是一把算盘——帮你算清楚你到底该对谁好。

客户画像不是一张花哨的可视化图表，是一把算盘——帮你算清楚你到底该对谁好。做完这个项目之后我有个很深的感触：大多数企业的营销资源是"撒胡椒面式"的分配——所有VIP一视同仁、所有老客户同样的折扣、所有新客户同样的欢迎礼。但客户的终身价值是不一样的。一个年消费12万但推荐率极高的客户，和一个年消费60万但退货率高、从来不推荐的人，你该把80%的精力放在前者身上。不是因为后者不重要，是因为前者的杠杆效应更大——留住一个李姐，等于留住了她背后推荐来的一批新客户。