客户关系管理的核心是对客户信息和行为的收集、分析和应用。从这一角度来讲，客户关系管理包括现在客户管理和潜在客户管理。
当产品的差异性越来越小，随着客户对服务的需求不断提升，客户的多样性使得传统的大众营销方式受到了越来越多的挑战，而越来越多的公司在面对大量的潜在客户时，越来越倾向于采用客户细分的方式，有针对性的设计产品和服务。近年来，随着直复营销技术的发展和应用，对客户精确细分的呼声越来越强烈。而客户数据的充分性和正确性是细分的基础，而客户信息和客户数据的采集是其中的关键环节。
客户数据的采集应当根据企业的需求有针对性的进行获取。更重要的是，客户数据的采集不应仅针对一次性的营销活动，而要建立起一套完整的信息采集机制，为建立长期的客户分析能力建立坚实的基础。
客户信息的采集是企业营销活动的一项系统性工作，面临着如何高效获取并不断更新客户信息的问题，而且客户信息的不同维度来源途径和获取程度存在各种差异而已。
不同的行业和企业定义客户的信息视图有所差别，企业需要通过客户的信息和行为来描述特征，尤其当定义潜在目标客户群时，更是需要如此。
一般说来，从市场营销的角度，描述客户信息的变量可以分为人口信息、行为信息和价值信息三类。在每一类中又可以进行相应的细分。
获取客户信息的来源
一般来说，企业获取客户信息的来源主要来自企业内部已经登记的客户信息、客户销售记录、与客户服务接触过程中收集的信息，以及从外部获得的客户信息。
很多企业也有意识的组织一些活动来采集客户信息，比如经常采用的有奖登记活动，以各种方式对自愿登记的客户进行奖励，要求参加者填写他们的姓名、电话和地址等信息，这样的一些活动能够在短时间内收集到较大量的客户信息。
这此收集客户资料的方法还包括：有奖登记卡和折扣券、会员俱乐部、赠送礼品、利用电子邮件或网站来收集等等。
从外部获取潜在客户数据的渠道
幸运的是，尽管国内的数据营销的社会基础并不十分完善，但仍有很多的机会找到并获取相关的客户数据。这些数据一般都要通过购买、租用或是合作的方式来获取。
以下是可能的潜在客户数据获取渠道：
1. 数据公司。数据公司专门收集、整合和分析各类客户的数据和客户属性。专门从事这一领域的数据公司往往与政府及拥有大量数据的相关行业和机构有着良好而密切的合作关系。一般情况下，这类公司都可以为直复营销行业提供成千上万的客户数据列表。在北京、上海、广州、深圳等国内大中城市，这类公司发展非常迅速，已经开始成为数据营销领域的重要角色。
2. 目录营销与直复营销组织。这类组织直接给消费者打电话或邮寄产品目录。只要有合适的价格或目的安排，许多这样的公司都愿意分享他们的数据列表。
3. 零售商。一些大型的零售公司也会有丰富的客户会员数据可以获取。
4. 信用卡公司。信用卡公司保存有大量的客户交易历史记录，这类数据的质量非常高。
5. 信用调查公司。在国外有专门从事客户信用调查的公司，而且这类公司一般愿意出售这些客户的数据。
6. 专业调查公司。在消费品行业、服务行业及其他一些行业中，有许多专注于产品调查的公司。这些公司通过长期的积累和合作，通常积累了大量的客户数据。
7. 消费者研究公司。这类组织往往分析并构建复杂的客户消费行为特征，这类数据可以通过购买获取。
8. 相关服务行业。可以通过与相关行业有大量客户数据的公司进行合作或交换的方式获取客户数据。这类行业包括：通信公司、航空公司、金融机构、旅行社、寻呼公司等。
9. 杂志和报纸。一些全国性或区域性的杂志和报纸媒体也保有大量的客户订阅信息和调查信息。
10. 政府机构。官方人口普查数据，结合政府资助的调查和消费者研究信息都有助于丰富客户数据列表。政府的行政机关和研究机构往往也有大量的客户数据，如公安户政部门的户政数据、税务机关的纳税信息、社保部门的社会保险信息等。
在国内，政府部门往往拥有最完整而有效的大量数据。在以前，这些数据并没有很好的应用于商业用途。政府部门已经在大力加强基础信息数据库的建设工作，在数据基础越来越好，数据的管理和应用越来越规范的市场趋势下，政府部门也在有意识的开放这些数据用于商业用途。
具有代表意义的政府项目之一是国家公安部正在建设和运营的全国公民身份信息系统，集中了全国各地市公安户政部门的户政登记信息，向政府部门、行政机构、工商企业提供公民身份信息查询和核查的服务。这样的数据可以作为重要的客户基准数据。
数据获取的方式
数据获取的方式一般有以下几种：数据购买、数据租用、数据合作。
目的性很强的营销活动或经常采用向数据公司直接购买数据或是租用数据的方式。
数据合作适合于那些本身就拥有大量的客户信息，而需要通过合作的方式进行交叉销售或提高客户忠诚度的公司，如在商业活动中经常看到的信用卡公司与航空公司联名发卡、会员信息共享等商业合作行为。
数据质量的判断
一般来说，数据质量随着时间的推移而逐渐下降。前面提到，不同数据源的数据质量差异性很大。数据质量的判断有很多方法，其中最主要的方法是分析数据的来源、数据的登记时间、数据被使用或验证的频率等等。一般说来，登记时间在一年内的数据是比较好的。
在国内目前的数据环境下，政府部门掌握和积累了大量的数据，但是由于长期以来重登记轻维护的影响，数据的质量和有效性还得不到根本的保证，政府部门之间的数据整合也是今后一段时期的重点工作。
每一个数据源都是基于一定的目的收集的。相同的数据源，对于不同的数据需求来说质量不同。不能简单的判断数据的质量，要根据营销的需求和应用来判断。比如，要通过直邮或目录营销进行产品销售的时候，获得的客户数据列表可能是较新的，但如果数据源包含的姓名、地址等身份信息是身份证信息的话，则需要仔细考虑了。一般来说身份证上的信息是发证时核实的户政信息，而经过多年以后，住址的变动信息并不能反映。如以直邮的地址标准来判断，这样的数据质量可想而知，准确率是较差的。
这就引出了另一个问题，数据的整体质量和数据项的质量。数据应用的目标不同，其评价标准也不同。数据的质量评价和数据的分析应用也是非常重要的课题。
