用戶的分類1——市場細(xì)分

市場研究從業(yè)四年勘高,到現(xiàn)在才開始正兒八經(jīng)思考市場細(xì)分和用戶角色的相似和差異。忙碌的時候一直在實踐坟桅,不忙的時候看書和反思华望。在下一次的實踐之前,解決這個問題仅乓。

一赖舟、定義

市場細(xì)分的概念最早于1956年,由美國營銷學(xué)家Smith提出夸楣,“市場細(xì)分的基礎(chǔ)是建立在市場需求面的發(fā)展上宾抓,并針對產(chǎn)品和營銷活動做更合理和確實的調(diào)整子漩,以使其適用于消費(fèi)者或適用者的需要∈矗”Alfred(1981)將市場細(xì)分定義為:“將市場區(qū)分成不同的顧客群幢泼,使得每一群體均可成為特定的營銷組合所針對的目標(biāo)市場〗采溃”《市場細(xì)分與定位》的作者James認(rèn)為“目的在于識別子顧客群或潛在顧客缕棵,這些顧客對于既定的營銷組合(產(chǎn)品/服務(wù)、價格涉兽、促銷和分銷)會產(chǎn)生類似的反應(yīng)招驴,或者反過來他們將對企業(yè)的營銷規(guī)劃產(chǎn)生有利的作用。換而言之枷畏,就是為了識別出對某一類產(chǎn)品或服務(wù)具有購買欲望的顧客别厘,而這一類產(chǎn)品或服務(wù)與其他細(xì)分市場上的產(chǎn)品或服務(wù)又有顯著的區(qū)別】罅桑”

二丹允、目的

從不同年代學(xué)者的定義來看,市場細(xì)分均基于不同的用戶需求袋倔,服務(wù)于企業(yè)的產(chǎn)品或營銷組合雕蔽。

三、細(xì)分市場是否有效的評估條件

從理論上而言宾娜,成功的細(xì)分市場必須滿足三個條件:1批狐、這些子群具有不同的需求、價值取向或欲望前塔;2嚣艇、對于某一營銷活動的反應(yīng)與其他子群有明顯差別;3华弓、這些子群對于企業(yè)實現(xiàn)營銷計劃目標(biāo)具有一定作用食零。

衡量細(xì)分人群的標(biāo)準(zhǔn):1、可衡量:人群可識別寂屏;2贰谣、可進(jìn)入:營銷可行性(包括營銷的內(nèi)容和渠道);3迁霎、可盈利:具有一定規(guī)模吱抚;4、差異性考廉;5秘豹、穩(wěn)定性

四、用于細(xì)分的變量

一)Schiffman把目前西方學(xué)者所選用的細(xì)分標(biāo)準(zhǔn)與細(xì)分變量分為八種:地理細(xì)分昌粤、人口細(xì)分既绕、心理細(xì)分啄刹、社會文化細(xì)分、使用細(xì)分岸更、使用情境細(xì)分鸵膏、利益細(xì)分及混合細(xì)分。

二)但事實上一般在市場研究中使用的細(xì)分變量主要有以下三種:

1怎炊、人口統(tǒng)計學(xué)變量:地理區(qū)域(地理方位谭企、城市綜合實力(城市線)、風(fēng)俗習(xí)慣等)评肆、年齡债查、性別、家庭人口和組成瓜挽、教育程度盹廷、職業(yè)、住房類型等久橙;

2俄占、行為變量:品牌角色、購買考慮因素淆衷、使用情境缸榄、使用頻率等

3、生活方式和消費(fèi)心理(也包括價值觀祝拯、需求和態(tài)度等甚带;該變量的使用目前仍是市場細(xì)分的主流)

三)另外,Wind還提出了一個以管理任務(wù)為導(dǎo)向的細(xì)分標(biāo)準(zhǔn)選擇模型:

1佳头、了解市場整體情況:產(chǎn)品的購買和使用鹰贵、需求、品牌忠誠度康嘉、品牌轉(zhuǎn)換模式等碉输;

2、定位研究:產(chǎn)品使用亭珍、產(chǎn)品偏好敷钾、尋求利益等;

3块蚌、新產(chǎn)品的引入:對新產(chǎn)品概念的反應(yīng)、尋求利益膘格;

4峭范、定價決策:價格敏感性、降價偏好瘪贱、不同使用購買方式的價格敏感度等纱控;

5辆毡、廣告決策:需求的利益、媒體使用甜害、心理描述/生活形態(tài)舶掖;

6、分銷決策:商店忠誠度尔店,商店選擇所尋求的利益眨攘。

剛剛開始入行的時候,曾被告知滿意度嚣州、忠誠度等主觀評分的因素不適合拿來做市場細(xì)分■晔郏現(xiàn)在看來并不是不可以,而是要根據(jù)行業(yè)的情況该肴,研究的目標(biāo)情竹,以及后面可能采用的統(tǒng)計方法來決定使用哪些因素進(jìn)行市場細(xì)分。

另外:也曾遇到迷戀于模型的客戶與同事匀哄,認(rèn)為不采用統(tǒng)計模型的細(xì)分結(jié)果粗糙而不具有代表性秦效。事實上,市場細(xì)分確實隨著統(tǒng)計學(xué)的發(fā)展不斷引入新的統(tǒng)計方法涎嚼。而這些方法不過是工具阱州,如果前期沒有通過定性提出一些想法和假設(shè),再好的統(tǒng)計工具也難以獲得有效的細(xì)分市場铸抑。因此如果在定性階段就產(chǎn)生了清晰的有助于項目目的的洞察贡耽,在問卷里設(shè)置相關(guān)的題目驗證即可,未必一定要采用大量的生活方式/價值觀題目鹊汛,也不一定要做復(fù)雜的統(tǒng)計分析模型蒲赂。

五、市場細(xì)分的方法

市場細(xì)分的方法眾多刁憋,例如細(xì)分因素劃分法滥嘴、因子聚類、典型相關(guān)聚類至耻、潛類聚類(latent class model)若皱、人工神經(jīng)網(wǎng)絡(luò)和聯(lián)合分析等等。此處簡單記錄幾種細(xì)分方法:

1尘颓、細(xì)分因素劃分法:

營銷人員直接選用細(xì)分因素走触,人為的將總體市場劃分為細(xì)分市場识窿。最常用的細(xì)分因素包括人口統(tǒng)計學(xué)因素和行為因素狗超。優(yōu)點(diǎn)是簡單腺逛、區(qū)隔力強(qiáng)泊藕、容易識別和描述宋梧;使用人口統(tǒng)計學(xué)因素的缺點(diǎn)是沒有考慮內(nèi)在動機(jī)志鹃、預(yù)測行為的能力弱叙量、沒有想象中簡單(許多人口統(tǒng)計變量其實是相關(guān)的)眷唉;使用行為因素還有一個優(yōu)點(diǎn)就是與消費(fèi)者的行為、選擇旅敷、品牌使用相關(guān)聯(lián)生棍,可以識別新的市場機(jī)會,但是只看行為不看為什么媳谁,缺乏診斷性的價值

2涂滴、因子聚類:

使用的細(xì)分因素主要為需要、態(tài)度韩脑、生活方式氢妈、消費(fèi)價值觀等方面的評分題目。需要注意的問題是:1段多、問卷中的態(tài)度語句是否真正反映消費(fèi)者的需要首量;2、由于因子聚類的過程中未考慮消費(fèi)者人口統(tǒng)計特征及消費(fèi)行為进苍,因而分類結(jié)果往往存在細(xì)分市場間行為與背景的差別不明顯加缘,可識別性差的情況,較難提供可操作性的建議觉啊;3拣宏、內(nèi)在邏輯的問題:實際上是假設(shè)態(tài)度不同的消費(fèi)者,其購買行為也不同杠人,然而事實情況卻并非如此勋乾。

3、典型相關(guān)聚類

由于上述因子聚類存在的問題嗡善,可能需要將更多的變量引入模型辑莫,例如購買動機(jī)、品牌偏好罩引、廣告和促銷的影響等各吨。而這些變量通常并非連續(xù)變量,無法采用因子聚類袁铐,因此引入典型相關(guān)聚類揭蜒。典型相關(guān)聚類其實是用典型相關(guān)代替因子分析。優(yōu)點(diǎn)在于能同時考慮到產(chǎn)品需要剔桨、價值觀屉更、人口統(tǒng)計學(xué)特征及消費(fèi)行為,使得最終的細(xì)分人群是內(nèi)在的洒缀、有邏輯的瑰谜、從定性上是可解釋的;同時變量的選擇更加靈活,定性變量和定量變量都能接受似舵。

4、幾種聚類方法的說明

1)層次聚類:既可處理分類變量葱峡,也可處理連續(xù)變量砚哗,但不能同時處理兩類變量,不需要指定類別數(shù)砰奕。聚類結(jié)果間存在著嵌套蛛芥,或者說層次的關(guān)系。

2)K-均值聚類法(K-Means Cluster)军援,也叫快速聚類法仅淑。針對連續(xù)變量,也可處理有序分類變量胸哥,運(yùn)算很快涯竟,但需要指定類別數(shù)。K-均值聚類法不會自動對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理空厌,需要先自己手動進(jìn)行標(biāo)準(zhǔn)化分析庐船。

3)兩步聚類法(Two-Step Cluster):可以同時處理分類變量和連續(xù)變量,能自動識別最佳的類別數(shù)嘲更,結(jié)果比較穩(wěn)定筐钟。如果只對連續(xù)變量進(jìn)行聚類,描述記錄之間的距離性時可以使用歐氏(Euclidean)距離赋朦,也可以使用對數(shù)似然值(Log-likelihood)篓冲,如果使用前者,則該方法和傳統(tǒng)的聚類方法并無太大區(qū)別宠哄;但是若進(jìn)行聚類的還有離散變量壹将,那么就只能使用對數(shù)似然值來表述記錄間的差異性。當(dāng)聚類指標(biāo)為有序類別變量時琳拨,Two-Step Cluster出來的分類結(jié)果沒有K-means cluster的明晰瞭恰,這是因為K-means算法假定聚類指標(biāo)變量為連續(xù)變量。

4)聚類分析的幾點(diǎn)注意事項:A狱庇、得到因子后要明確是基于量的聚類還是基于模式的聚類惊畏;B、聚類的數(shù)量密任,在3-7之間嘗試颜启,spss的話,事先保證樣本是排序的浪讳;C缰盏、用F檢驗各類在聚類變量上是否存在顯著差異;D、測試不同的聚類結(jié)果:例如3類和4類的結(jié)果進(jìn)行交互分析口猜,看看變化在哪兒负溪,主要是什么變量影響的?E济炎、針對可能穩(wěn)定的聚類川抡,測試每個變量(原始問卷)在各個類的F統(tǒng)計量情況;F须尚、把最后確定的聚類結(jié)果寫入原始數(shù)據(jù)集崖堤,命名;G耐床、判別分析密幔,判別類和聚類變量的可視化,畫判別圖撩轰,進(jìn)一步識別類的特征胯甩;H、采用對應(yīng)分析和多元對應(yīng)分析堪嫂,識別類的屬性和關(guān)鍵類(細(xì)分)表述變量蜡豹,例如性別、年齡溉苛、職業(yè)镜廉、收入等;I愚战、采用CHAID分類決策樹娇唯,自動偵測進(jìn)一步識別類的特性。

參考:

《市場細(xì)分與定位》:詹姆斯.H.邁爾斯

《市場研究實務(wù)與方法》:鄭宗成寂玲、陳進(jìn)塔插、張文雙

《市場細(xì)分研究綜述-回顧與展望》:羅紀(jì)寧

沈浩老師的博客

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市拓哟,隨后出現(xiàn)的幾起案子想许,更是在濱河造成了極大的恐慌,老刑警劉巖断序,帶你破解...
    沈念sama閱讀 212,185評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件流纹,死亡現(xiàn)場離奇詭異,居然都是意外死亡违诗,警方通過查閱死者的電腦和手機(jī)漱凝,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,445評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來诸迟,“玉大人茸炒,你說我怎么就攤上這事愕乎。” “怎么了壁公?”我有些...
    開封第一講書人閱讀 157,684評論 0 348
  • 文/不壞的土叔 我叫張陵感论,是天一觀的道長。 經(jīng)常有香客問我紊册,道長笛粘,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,564評論 1 284
  • 正文 為了忘掉前任湿硝,我火速辦了婚禮,結(jié)果婚禮上润努,老公的妹妹穿的比我還像新娘关斜。我一直安慰自己,他們只是感情好铺浇,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,681評論 6 386
  • 文/花漫 我一把揭開白布痢畜。 她就那樣靜靜地躺著,像睡著了一般鳍侣。 火紅的嫁衣襯著肌膚如雪丁稀。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,874評論 1 290
  • 那天倚聚,我揣著相機(jī)與錄音线衫,去河邊找鬼。 笑死惑折,一個胖子當(dāng)著我的面吹牛授账,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播惨驶,決...
    沈念sama閱讀 39,025評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼白热,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了粗卜?” 一聲冷哼從身側(cè)響起屋确,我...
    開封第一講書人閱讀 37,761評論 0 268
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎续扔,沒想到半個月后攻臀,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,217評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡纱昧,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,545評論 2 327
  • 正文 我和宋清朗相戀三年茵烈,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片砌些。...
    茶點(diǎn)故事閱讀 38,694評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡呜投,死狀恐怖加匈,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情仑荐,我是刑警寧澤雕拼,帶...
    沈念sama閱讀 34,351評論 4 332
  • 正文 年R本政府宣布,位于F島的核電站粘招,受9級特大地震影響啥寇,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜洒扎,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,988評論 3 315
  • 文/蒙蒙 一辑甜、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧袍冷,春花似錦磷醋、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,778評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至煌恢,卻和暖如春骇陈,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背瑰抵。 一陣腳步聲響...
    開封第一講書人閱讀 32,007評論 1 266
  • 我被黑心中介騙來泰國打工你雌, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人二汛。 一個月前我還...
    沈念sama閱讀 46,427評論 2 360
  • 正文 我出身青樓匪蝙,卻偏偏與公主長得像,于是被迫代替她去往敵國和親习贫。 傳聞我的和親對象是個殘疾皇子逛球,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,580評論 2 349

推薦閱讀更多精彩內(nèi)容