數據庫營銷的一種形式直銷使用數據庫的客戶或潛在客戶生成個性化的通信，以促進產品或服務銷售的目的。溝通的方法可以是任何可尋址的媒介，例如直接營銷。

直接營銷與數據庫營銷之間的區別主要源于對數據分析的關注。數據庫營銷強調使用統計技術來開發客戶行為模型，然后將其用于選擇要進行交流的客戶。結果，數據庫營銷人員也往往是數據倉庫的重度用戶，因為擁有大量有關客戶的數據會增加建立更準確的模型的可能性。

市場營銷數據庫主要有兩種類型：

1）消費者數據庫和

2）商業數據庫。消費者數據庫主要面向向消費者銷售產品的公司，通常簡稱為BtoC。商業營銷數據庫在提供的信息方面通常要先進得多。這主要是因為業務數據庫不受與消費者數據庫相同的隱私法的限制。

“數據庫”通常是內部銷售或交付系統的名稱，地址和交易歷史記錄的詳細信息，或者是來自其他組織的已購買的已編譯“列表”，該組織已從其客戶那里捕獲了該信息。編譯列表的典型來源是慈善捐贈表格，任何免費產品或競賽的申請表格，產品保修卡，訂購表格和信貸申請表格。

如果收件人不希望通過數據庫營銷生成的通信被描述為垃圾郵件或垃圾郵件。另一方面，直接和數據庫營銷組織認為，針對客戶的定向信函或電子郵件（希望與客戶聯系以討論可能引起客戶興趣的產品）對客戶和營銷人員均有利。

一些國家和組織堅持認為，個人可以阻止進入或刪除其數據庫營銷列表中的姓名和地址詳細信息。

數據庫營銷是1980年代出現的一種新的，改進的直接營銷形式。在此期間，傳統的“列表代理”面臨著現代化的壓力，因為它離線且基于磁帶，并且列表傾向于保存有限的數據。同時，隨著新技術能夠記錄客戶的響應，直接響應營銷方興未艾，目的是與客戶進行雙向交流或對話。

Robert D.“ Bob”和Kate Kestnbaum開發了用于直接營銷的新指標，例如客戶生命周期價值，并將財務模型和計量經濟學應用于營銷策略。1967年，他們成立了咨詢公司Kestnbaum＆Co，該公司聘用了一些著名的數據庫營銷人員，例如Robert Blattberg，Rick Courtheaux和Robert Shaw。Bob Kestnbaum于2002年10月入選DMA名人堂。

Kestnbaum在1980年代與Shaw合作開發了多個在線營銷數據庫，分別為BT（2000萬客戶），BA（1000萬）和Barclays（1300萬）提供服務。肖將新功能納入了Kestnbaum方法，包括電話和現場銷售渠道自動化，聯系策略優化，活動管理和協調，營銷資源管理，營銷責任和營銷分析。這些系統的設計隨后被廣泛復制，并在1990年代及以后的版本中并入CRM和MRM軟件包。

最早的數據庫營銷定義記錄是在1988年的同名書中（Shaw and Stone 1988數據庫營銷）：

“數據庫營銷是一種交互式的營銷方法，它使用可單獨尋址的營銷媒體和渠道（例如電子郵件、電話和銷售人員）：將幫助擴展到公司的目標受眾；刺激他們的需求；并保持緊密聯系通過記錄和保留客戶，潛在客戶和所有商業聯系的電子數據庫來幫助他們，以幫助改善以后的所有聯系并確保所有營銷活動更加現實。”

數據庫營銷的增長是由許多環境問題驅動的。Fletcher，Wheeler和Wright（1991）將這些問題分為四個主要類別：

1. 直銷角色的變化
   • 向關系營銷轉移以獲取競爭優勢。
   • 傳統媒體效力的下降。
   • 現有銷售渠道的人滿為患和近視。
2. 不斷變化的成本結構
   • 電子加工成本下降。
   • 營銷成本的增加。
3. 不斷變化的技術
   • 新的購物和支付方式的出現。
   • 區分客戶交流的經濟方法的發展。
4. 不斷變化的市場狀況
   • 衡量營銷活動影響的愿望。
   • 消費者和商業市場的分散。

Shaw and Stone（1988）指出，公司在開發數據庫營銷系統時經歷了發展階段。他們將數據庫開發分為四個階段：

1. 神秘名單；
2. 買方數據庫；
3. 協調客戶溝通；
4. 整合營銷。

盡管任何規模的組織都可以采用數據庫營銷，但是它特別適合擁有大量客戶的公司。這是因為大量的人口提供了更大的機會來尋找可以以定制方式進行溝通的客戶或潛在客戶。在較小（且更同類）的數據庫中，將很難從經濟角度證明區分消息所需的投資。結果，數據庫營銷在諸如金融服務，電信和零售等領域蓬勃發展，所有這些領域都具有為數百萬客戶生成大量交易數據的能力。

數據庫營銷應用程序可以在邏輯上劃分給那些影響現有客戶的營銷程序和那些針對潛在客戶的營銷程序。

對于現有客戶，更老練的營銷人員通常會建立廣泛的客戶信息數據庫。這些可能包括各種數據，包括名稱和地址，購物和購買歷史，人口統計數據以及與客戶之間過去的交流歷史。對于擁有數百萬客戶的大型公司來說，此類數據倉庫的大小通常可以達到數TB。

面向潛在客戶的一般營銷，數據庫營銷人員尋求盡可能獲得有關客戶和潛在客戶的數據。對于市場營銷，很大程度上依賴于第三方數據源。在大多數發達國家，有許多此類數據的提供者。此類數據通常限于姓名，地址和電話，以及人口統計信息，其中一些由消費者提供，而其他則由數據編譯器推斷。公司還可以通過使用抽獎，競賽，在線注冊和其他潛在客戶生成活動直接獲取潛在客戶數據。

對于許多企業對企業（B2B）公司的營銷商而言，客戶和潛在客戶的數量將少于同類企業對消費者（B2C）的公司。而且，他們與客戶的關系通常依賴于中介機構，例如銷售人員，代理商和經銷商，每個客戶的交易數量可能很少。結果，企業對企業的營銷人員可能沒有企業對消費者的營銷人員擁有更多的數據。

另一個復雜因素是，B2B營銷人員以團隊或“帳戶”為目標，而不是個人，可能會從一個組織獲得許多聯系。確定通過直接營銷與之聯系的聯系人可能很困難。另一方面，它是用于企業對企業營銷人員的數據庫，通常包含有關各個客戶的企業活動數據。

這些數據對于細分市場或確定目標受眾至關重要，例如，電信公司購買的軟件許可證續訂可以幫助確定哪個技術人員負責軟件安裝與軟件采購等。企業對企業環境中的客戶通常傾向于保持忠誠，因為他們需要產品的售后服務，并喜歡有關產品升級和服務產品的信息。數據庫可以跟蹤這種忠誠度。

客戶數據的來源通常來自公司雇用的銷售人員和服務工程師。與客戶的在線互動越來越多地為B2B營銷人員提供了成本更低的客戶信息源。

對于潛在客戶數據，企業可以從企業數據的編譯器購買數據，也可以從其直銷工作，在線站點和專業出版物中收集信息。

具有大量客戶信息數據庫的公司可能會面臨“數據豐富而信息匱乏”的風險。結果，相當多的注意力集中在數據分析上。例如，公司經常基于對客戶行為，需求或態度差異的分析來細分客戶。行為細分的一種常見方法是RFM（客戶價值），其中根據過往購買的新近度，頻率和貨幣價值將客戶劃分為子細分。Van den Poel（2003）概述了通常在數據庫營銷建模中使用的一大類變量的預測性能。

他們還可能開發預測模型，以預測客戶以某些方式行事的傾向。例如，營銷人員可以建立一個模型，根據顧客對促銷做出響應的可能性對顧客進行排名。這種模型的常用統計技術包括邏輯回歸和神經網絡。