基于结合分析结果的消费者细分doc11.docx

基于结合分析结果的消费者细分doc11.docx

《基于结合分析结果的消费者细分doc11.docx》由会员分享，可在线阅读，更多相关《基于结合分析结果的消费者细分doc11.docx（9页珍藏版）》请在冰豆网上搜索。

基于结合分析结果的消费者细分doc11

基于结合分析结果的消费者细分

消费者细分，就是把消费者分割为具有不同需要、性格或行为的购买者群体，目的是使同一细分市场内个体之间的固有差异减少到最小，使不同细分市场之间的差异增加到最大。

对于企业决策者而言，进行消费者细分的目的是针对每个购买者群体采取独特的产品或市场营销组合战略以求获得最佳收益。

　　消费者细分有很多指标，基本上可以分为地理细分、人口统计细分、心理细分和行为细分4大类。

每一类又可以展开成更多的细分标准。

理论上，不同的细分标准本身并没有优劣之分，关键之处在于采用不同的细分标准，会有不同的细分效果。

一个有效的市场细分，首先是各细分市场之间存在差异性，同一细分市场内存在相似性。

其次是细分市场是可识别的，规模是适度的。

　　本文介绍一种新的市场细分的指标，即根据结合分析的结果进行细分。

结合分析方法由于能够综合评价产品的各个属性，通过分解受访者的偏好来了解受访者心目中各个属性的重要性，以及属性不同水平的效用，越来越被应用于新产品测试、产品定价中。

从经济学的角度来看，人们买商品是因为商品给人们带来满足。

我们用效用（utility）这个词来描述这种满足程度。

这里我们假设由于商品的各种属性（如价格、外观等）给人们带来了满足，才使得商品具有效用。

假设一种产品或服务有m种属性，每一种属性有n种水平，则通常所用的模型可以表示为：

产品总效用＝属性1水平i的效用＋属性2水平j的效用＋……＋属性

m水平n的效用。

正的效用表示该水平比较受欢迎，负的效用表示该水平比较不受欢迎。

总效用高的产品比较受欢迎，总效用低的产品比较不受欢迎。

　　根据不同的消费者对各种产品的综合评分，可以产生各个属性不同水平的效用值。

根据这些效用值进行市场细分，评分相似的受访者会被划分成一个细分市场来产生真正的“基于偏好的细分”。

下面我们根据一个案例来介绍如何产生基于结合分析结果的消费者细分，讨论该细分方法的有效性，并将结果与单纯采用行业细分的效果进行比较。

我们使用的软件是SPSS12.0，案例来自SPSS内部培训材料。

　　案例背景：

某软件公司A希望研究该公司的培训服务。

A公司设置的培训的各个属性以及水平如下，共有6个属性，每个属性有2至3种水平，共2×2×3×3×2×2＝144种不同的产品组合情况。

Attribute

Levels

DeliveryMethod

Internet

LocalMachine

VideoContent

Video

NoVideo

QuestionSupport

InstantMessage（9-5）

Email（<1dayresponse）

Nosupport

Price

3000

4000

5000

CertificationTest

Test

NoTest

ExampleTypes

Generic

IndustrySpecific

　　A公司首先从行业细分受访者，将受访者分为3类，121位企业员工、101位政府公务员以及94位教育部门人事。

A公司针对不同行业进行结合分析，希望研究不同行业的需求。

由于共有144种不同的产品组合情况，让消费者考虑如此多的产品组合显然是不现实的。

经过正交设计后，能够只产生16种产品，我们称为设计产品。

同时产生4种产品作为检验产品，来检验模型拟合的有效性。

　　分行业进行结合分析的结果如下所示。

　　这张是针对教育部门的分析结果。

Importance反映了属性的重要性百分比，值越大越重要。

Utility是各属性水平的效用，效用系数越高表示该水平越受欢迎。

Factor是属性名称。

最下方是模型的拟合检验，第一第二行是16个设计产品的检验，第三行是检验产品的检验。

如果Significance小于0.05，则说明模型拟合的比较好。

　　可见，对于教育部门而言，价格是最重要的（38.28％），其次是有无video（25.27%），有无test是最不重要的（4.11％）。

再细看水平，最喜欢低价3000（3.3918）以及使用video（2.1755），最好有internet（1.1795）、立刻的技术支持（0.9220）、有证书考试（0.2274）以及有行业案例（0.3537）。

设计产品和检验产品都通过模型有效性检验。

　　这张是针对企业客户的分析结果。

企业客户也觉得价格是最重要（30.97％），不过价格百分比比教育部门的38％要低；案例类型是第二重要的（25.7％），这与教育部门不一样；技术支持是第三重要，比较喜欢立刻的支持，而教育部门立刻支持与邮件都可以；其他都比较低。

同时我们看到设计产品拟合检验效果较好，但是检验产品拟合的置信度为0.0871，大于0.05，不是十分好。

这可能是由于我们只有4张检验卡片，有一张不拟合将比较大的影响结果。

另一种可能是对于企业客户，我们需要提供更复杂的模型。

　　这张是针对政府客户的分析结果。

对于政府客户，价格也是第一重要的（27.74％），也需要技术支持，两种方式都可以，这点与教育部门一样。

但是，政府客户比较看重有无证书这点。

设计产品以及检验产品都通过检验。

　　通过以上分析，我们可以针对政府、教育部门、企业进行小结：

　　1、对三类客户来说，价格都是第一重要的，虽然对不同客户的重要性略有差异。

当然价格都是越低越好。

　　2、对三类客户来说，技术支持都是比较重要的，但是企业客户比较喜欢立刻的技术支持，政府和教育部门立刻的技术支持和邮件方式都可以。

　　3、教育部门看重有无video；政府部门看重有无证书；公司客户看重案例类型。

由此对于不同行业的客户，我们应该提供不同的培训服务。

　　但是这样就可以了吗？

我们做到了真正的细分了吗？

　　结合分析的结果使得我们得到了每个受访者对于不同属性水平的效用值。

SPSS12.0的结合分析可以将这些效用值单独输出成*.sav文件。

如果我们根据不同的效用值对受访者分类，就可以得到真正基于偏好的客户细分。

如果我们再将分类的结果与受访者所处的行业进行比较，就可以找到这些受访者。

　　注意，由于每一个类别的不同水平之间有联系，按照聚类分析的原则需要对每个类别删除一个水平，但是由于每个类别都多了个变量，实际效果相差不大。

所以为了更好的分析类别，我们保留所有的类别。

我们使用两步聚类，将受访者分成3类，结果如下。

　　我们看到类别一只有6个人，非常少，不可能和任何一行业相关。

分析3个类别的聚类中心，见下表。

　　我们发现类别一比较奇怪，比如不喜欢support，并且更喜欢价格为4000的培训。

这好像与我们常规的想法不一样。

对于这6个人，有可能是误填了答案，有可能是对问题不理解，也有可能是访问员伪造的数据，需要另行分析。

类别2和类别3相比较，类别2比较喜欢证书和商业案例，而类别3比较喜欢有video。

　　我们将分类结果与客户所处行业比较，得到的结果如下表所示。

我们看到教育部门主要属于第3类，政府人员属于第2类，而企业人员一部分属于第2类一部分属于第3类。

说明了企业人员确实存在复杂性。

不能单纯的将所有的企业人员归为一类，采用同样的销售方法。

这一结果说明仅仅根据行业进行消费者细分不能很好的区分消费者。

　　我们进一步分析，将聚类类别改为10类，结果如下表。

在这10类中，只有3类包含了比较多的个体。

我们不考虑包含较小数量的细分市场，我们主要观察类别3、4以及10。

　　类别3、4、10的聚类中心，见下表。

　　我们看到，类别3比较喜欢市场案例，类别4比较喜欢证书，而类别10比较喜欢video。

我们再将这3个类别与消费者行业比较，见下表。

　　我们看到了一个有趣的现象，第三类都是属于公司员工，几乎所有的第四类都是政府员工。

而类别十被拆分成了2部分，分别有教育部门员工和公司员工。

也可以说，教育部门员工都属于喜欢video的类别10，政府员工都属于喜欢证书的类别4，而企业员工部分属于喜欢市场案例的类别3，而部分属于喜欢video的类别10。

这也就给我们启发，在对企业员工销售培训时要有所区分。

但是究竟是哪些企业员工喜欢市场案例，哪些企业员工喜欢video，如何找到这其中的

差异识别消费者，还需要结合其他的信息，如工作职位、工作年龄等具体分析。

　　在该案例中，我们根据效用值进行聚类分析时，可以发现不同类别的喜好，同时我们发现仅仅通过行业来区分消费者还不够彻底，同一行业中消费者有不同喜好。

结合分析的结果能产生真正基于偏好的客户细分，再结合客户的人口统计信息，能够帮助识别客户。