步骤#1：识别客户使用公司产品的背景环境。
例如，在移动通信领域中，这类工作的例子可能包括：「漫游时与亲友联络」、「周末外出时选择最佳娱乐和用餐机会」和「使用智能手机时变得更有信心和安心」。使用多种研究技巧的移动服务供应商可能会发现，客户群里尚待完成的工作有五十项或是更多，一个人通常会经由某个特定供应商或品牌来完成数项工作。
步骤#2：在背景环境中结合关于交易和客户行为的资讯，以说明每项待办的工作。
以周末的娱乐为例，我们会寻求以下的组合：周末搜寻娱乐资讯、搜寻地方餐厅、影评，以及关于电影、音乐会或餐厅的推文等社交行为。「变得更有信心和安心」的工作，可能会使用客服中心与客户互动的资料，并且侦测新智能手机上未曾使用的功能。初步的研究，会基于待探索的背景环境和现有的资料，而选择每一项「待办工作」的实际相关资料。这与传统的行为细分迥然不同，传统的行为细分将焦点集中在各种个别变数上，例如语音通话的比例。在此，我们需要整体性的资料观点，以找出某个背景环境的特征。
步幅#3：使用资料找出个别客户与工作之间的关联。
根据每一项已完成工作与每位客户的相关性，对他／她打分数。某位特定客户可能需要20%的娱乐工作、2%的信心工作，和40%的接触工作。客户背景资料会散布于所有的工作，一个简单的步骤是，根据客户的待办工作组合，而非客户的「原始」行为、人口统计资料或态度，将客户集中起来。每个细分里面可能只有三、四项重要的待办工作。这让针对每个细分的特定解决方案能够发展。
设定已完成工作的架构，做为客户细分的基础，可以让我们以有意义和结构化的方式，为客户使用所有相关资料。公司可以看到客户如何将解决方案运用在攸关自己生活的工作上，并且观察客户如何使工作完成（有时候是避免使工作完成）。当品牌取用关于客户活动的空前大量数据，而且能够更有效和更有生产力地使用这些数据时，他们会发现广泛的型态和趋势，而且可以确实更进一步探测「数据背后的当事人」，以及这个人需要完成的工作。对客户而言，另一个相关联的要素是，他们现在期望，他们与品牌私下共用的数据，会对他们的个人体验产生正向影响，而不是将它们堆到不相关的新存取单元里。
管理学大师彼得•德鲁克（Peter Drucker）曾说：「客户很少会购买企业认为它会顺利卖给他的产品。」问题是，除非循着每位客户的行踪，否则我们不知道客户需要完成的是哪些工作。现在大数据可以让我们观察到这种行踪，这种细分比以往任何时候都来得重要，因为科技赋予客户力量，客户有更多选择和打造本身解决方案的能力，细分代表了所有营销人员必须完成的新工作。