“下一步该做什么？”
预测客户将要购买什么，这是所有企业面临的难题。以一家金融服务公司为例，该公司提供一系列的金融服务，从银行业务到信用卡服务，再到退休金计划和财产抵押等。如果客户第一季度在该公司分别建立了一个储蓄账户和一个支票账户，那么，公司能够预测该客户接下来可能需要的服务吗？例如，客户需要抵押财产吗？银行应该为其提供信用卡服务吗？客户需要退休金计划吗？图8—1说明了这个问题。如果公司能够预测客户需要的服务，就能按照客户的需要发布信息，提供客户所需的产品/服务，以增加其销售量。虽然做这样的预测看似颇有难度，但是以类似客户的历史购买记录及其他人口统计因素为基础，做出合理的预测不是没有可能的。以下部分将详细讨论如何解决这个问题。
当前预测的准确性
即使公司掌握大量有关客户购买行为的信息，也无法准确地预测出未来的客户购买行为。最近对两家大型公司的数千位客户的购买行为进行了调查，调查结果表明，对客户将在何时购买某产品的预测准确率只有60%（仅比预测硬币投掷结果的准确率略高一点）。然而，这并不意味着做出更加准确的预测是天方夜谭。为此，需要运用更为有效的预测方法。本章介绍了这些方法，并且明确了如何运用它们来策划效率高、定位准的营销活动，最终达到利润最大化的目的。
公司的问题所在
为了预测客户的购买行为，公司通常遵循一种两步式的方法：
1．估计客户选择购买某产品的概率。
2．估计客户在某时间购买该产品的概率。
许多公司都在第一步估计时就止步不前，从而限制了它们准确预测购买时间的能力。然而，即使是那些完成了整个两步过程的公司也有可能会失败。对于生产多种产品的公司来说，要准确地预测某客户将购买什么产品并非易事，但是公司认为这是颇有价值的信息，因为它能使公司的广告信息和时间安排更加符合客户的需要（即按客户需要制定沟通策略）。
这个传统方法的另一个问题在于：公司假定购买的时间和购买的产品这两者是相互独立的，但实际情况往往并非如此。一位客户购买某产品的决定影响着他的购买时间；反之亦然。如果假定这两个决定是相互独立的，公司就会做出具有误导性的预测。
样本太小
正如前面提到的，在预测客户行为时，必须预测客户的购买时间和所购买的产品，两者缺一不可。但是，有一个主要的障碍摆在公司面前，那就是抽样误差。这是因为：
● 公司根据相对较小的样本规模做出预测。
● 公司根据同一个客户样本来预测客户的购买时间和所要购买的产品类别（通常这是因为所拥有的客户信息有限，所以预测时不得不依靠来自某一小范围客户群体的信息）。
为了解决抽样误差这个问题，在做市场调查时，营销人员转而采用贝叶斯（Bayesian）估算法。这种方法在二十多年前就已经出现，但是，由于计算能力的不断提高和软件应用的不断改善，该方法最近才在市场调查中被广泛使用。贝叶斯估算法解决了抽样误差这个问题，其做法为：反复计算客户行为数据的最大概率值，而不是仅仅设法找出最合适的一个值，由此，客户分析的准确性就不会因为样本太小而受到影响。
