市场细分方法和技术

市场细分的方法和技术 -聚类分析和因子分析 Analysys International 2006-8 目录 2 市场细分数量技术 1 市场细分概述 3市场细分的问卷及注意事项 4案例分析 为什么要做市场细分？ 有许多好的理由把一个市场化分为更小的市场。 主要原因： 便于营销：更易于满足比较小的消费者群体的需求，假如该群体的消费者有许多显著的共同特征，例如：具有相同的利益，相同的年龄、性别等。 针对性：识别目标市场和潜在市场，利用准确的市场定位，市场细分有利于新产品竞争消费者，也有利于对成熟的产品寻找新的消费者。 有效性：把主要市场资源用在最具实力的竞争市场，有效的提供产品、价格、促销和销售渠道。避免传递错误的信息或把信息传递给不适当的消费者。 什么时候需要利用市场细分？ 任何时候，研究人员确定市场存在显著的、可测量的差异时，都要考虑作市场细分。 确定细分市场时： 市场足够的大： 市场必须足够的大，可以细分成更小的市场。不要试图细分一个非常小的市场。 市场存在差异： 在可能的不同细分市场之间差异必须存在，这种差异采用传统的数据收集方法能够进行测量，例如：问卷调查。 响应及时： 一旦作了市场细分，企业应该能够及时响应满足该细分市场的需求，如果不能实施相应的营销和广告策略，那么市场细分就没有任何价值。 可达性： 细分市场能够通过一种或几种媒体接触到消费者。企业应该能够对特定的细分市场确定那种媒体方式最有效。 对产品本身的需求不同： 消费者在细分市场中不仅背景资料和消费心理特征存在差异，对产品的诉求也是不同的。如果消费者在购买产品时想法一致，就没有理由细分消费者。（虽然这种情况很少出现，但一些日用消费品有可能存在这种情况） 利润考虑： 为了追求更大的利润期望，需要能够采用多价格体系、重新设计现有产品或者开发新的产品，更多的占有市场和更有效的满足细分市场购买者的需求。 什么时候需要利用市场细分？ 如何细分一个市场？ 有两种基本的市场细分方法： 事先细分 . 在没有进行市场研究的前提下，事先将市场细分。研究人员凭直觉，对二手资料的分析，对内部客户数据库的分析或者其他方法将的消费者划分为不同的细分市场 。 事后细分 主要采用市场研究的方法收集目标市场消费者的分类变量和关键性描述信息。 在收集和分析所有相关信息之前，市场细分并不确定。 采用多元统计分析技术识别细分市场，并将消费者按一定的算法规则划分为不同的市场。 应该划分为多少个细分市场？ 没有一个统一的答案。 经验、直觉、统计结果和常识判断，所有这些都可以用来决定市场细分的个数。 如果细分后存在着几个非常小的市场，需要修正分类标准，或者将原始资料中的异常值剔除掉。 如果市场被划分得太细的话，将导致对一些小的、相似性的市场采用许多不同的市场营销策略。 市场细分的代价 市场细分必须收集大量的信息和作深入的多变量统计分析才能有效的、准确地划分市场。 市场细分对于市场研究项目来讲是费用较高的。 一般采用面访和电话调查，调查问卷的访问时间较长，一般超过 30分钟。 虽然费用较高，但是市场的变化又是使瞬息万变的，没有一种市场细分方案能够长期的保持不变。 细分后的得到的市场信息，企业需要不断的调整，开发新的市场，重新制定营销计划，增强竞争能力，获得更大的利润。 市场研究不可能代替企业完成这些目标。 市场细分 判别分析 Logistics回归 CHAID 因子分析是将多个句子中的同类因素提取出来，形成因子 命名因子。 聚类分析 聚类分析是按照人群在不同因子上的得分，将表现类似的人分在一起的方法 确认市场 细分的标准 市场状况 描述细分人群 背景情况 ,消费行为 媒介习惯等 市场细分的过程 因子分析 主成份分析 分类规则和准确率 态度 /需求 分出不同特征的人群 非监督分类 监督分类 好听的名称 细分标准 大区 城市级别 城乡 . . . 收入 年龄 性别 教育程度 . . . 购买动机 用途 . . . 价值观 生活态度 . . . 自然属性 人文特征 态度 心理特征 购买品牌 购买时间 价格 . . . 行为特征 事前分类标准 事后分类标准 细分标准的确定 首先需要与客户进行深入的沟通，清楚客户既定的市场目标，这直接影响着细分标准的选择和进行市场细分的结果。 事前细分只要依据一些确定的指标，基本上使用的是当前存在的较为显著的细分标准，这一般可以根据行业经验分辨出来。它是一种比较直接有效的方法，技术上的处理也比较简单，只需要进行简单的交叉分析就可以明确不同人群的特征。 但如果市场已经无法通过简单的分类来识别，则需要考虑通过用户对产品的态度、甚至是用户的心理特征进行分类，即事后细分。事后细分比较复杂，需要进行前期深入的定性研究以确认有效的细分方向，并提炼出方向性的功能句，作为定量研究中的测量的依据。 可以说，上面提到的任何一个方面都可以作为分类的标准，甚至可以同时使用几项指标进行细分，或者进行多层次的细分。在实际应用中，可以灵活掌握。 事前细分的方法较为常用，案例分析主要介绍事后细分。 有效细分市场的条件 足量性（ substantiality）：细分市场的大小需要保证能够带来利润。 稳定性（ stability）：细分市场在一定时间内不会发生较大的改变。 可衡量性（ measurability）：细分市场的消费群特征需要容易衡量。 可接近性（ accessibility）：细分市场必须能够使企业有效的接触。 可行动性（ actionability）：细分市场必须能够使企业有效的制定营销策略。 目录 2 市场细分数量技术 1 市场细分概述 3市场细分的问卷及注意事项 4案例分析 哪些分析技术可用于市场细分？ 大部分多元统计分析技术都可以和部分方法可以用于创建事后细分市场。 没有一种理想的方法可以适用于所有的市场细分研究。 每一种方法都有优势和不足。市场细分一般采用两种或更多的方法已获得最好的结果。 在找到最好的结果前，应该尝试多种方法。 市场细分主要有三类分析技术： 数据处理技术 非监督分类技术 监督分类技术。 各类分析技术主要包括： 数据处理技术 因子分析 Factor analysis. 主成份分析 Principal Component Analysis 多元回归 Multiple regression. 非监督分类技术 聚类分析 Cluster analysis. 两阶段聚类 Two Step Cluster 神经网络 Neural networks. 监督分类技术 判别分析 Discriminant analysis. 多元 logistic回归 Multivariate logistics. CHAID -Chi-square Automatic Interaction Detection CART- Classification and Regression Trees. 用于市场细分的多变量统计方法分类图 市场细分技术与方法 两个主要因子（或变量） 因子分析 聚类分析 交叉分析 对应分析 判别分析 降维，识别最能区分样本的变量（相互独立），计算因子得分 分类，使各类有尽可能的同质性 解释分类 还可以用分类结果的比例构成作为抽样设计根据 解释分类 归类 市场细分技术与方法 -其他 Logistic回归分析 结合分析 分类树 -CHAID 神经网络 二分变量和其他多个自变量的回归方程 eg. 忠诚和非忠诚用户的偏好 被调查者对产品属性排序 ,找出重要属性 .为开发新产品的重要研究方法 .产品可以是虚拟的 Answer Tree分类树方法 自我学习（迭代过程），找出被访者的相似性 目录 2 市场细分数量技术 1 市场细分概述 3市场细分的问卷及注意事项 4案例分析 市场细分的变量 -问卷问题 什么地方什么时间如何使用 产品 /服务使用场合 地理位置 人口特征 使用行为 利润潜力 价值观 /生活方式 需求 /动机/购买因素 态度 细分市场的各种类型 针对产品类别和沟通渠道的态度 价格 品牌 服务 质量 功能 /设计 一级城市二级城市农村 年龄 性别 收入 教育程度 使用量 费用支出 购买渠道 决策过程 收入 获取成本 服务成本 宏观的价值取向和态度 不同变量在细分中的有效度的评估 实施难 易程度 竞争优势 /区分 价值观 /态度 产品 /服务的使用行为 使用场合 人口学 地理 收入 /价值 这些是推动独特的产品和服务的独特客户需求么？ 客户需要 /想要什么服务？ 他们愿意为之支付多少钱？ 目标客户希望怎样的接触方式？ 是否存在通过新的产品服务和令人激动的产品服务能够获得的独特目标客户细分？ 产品服务使用情况和不同客户的盈利性怎样？ 有没有独特的客户群可以确认其人口学特征？ 外部可以观察到的 /确定的不同客户的特点是什么？ 客户的物理地点在哪里？ 客户的使用模式是否随地点变化而变化？ 谁是最有价值的客户？ 如何区分他们？ 他们是否具有某些独特的使用、人口、地域特点可以刺激产生更好地为之服务的观点 /新产品开发的观点？ 购买因素 需求 以需求为基准的细分变量优于以简单人口特征为基准的细分变量 易于辩认 易于集中媒介沟通渠道 易于组织分销 以地理位置 ,人口特征为基准的细分市场 以需求为基准的细分市场 以心理性向 /生活方式为基准的细分市场 描述性的因素 , 不足以预测其未来购买行为 知道品牌 X牙膏主要俏于南方 , 购买者是教育程度高的女性 是驱动因素 (好处是什么 ?) 在市场日趋成熟复杂和多样化的形势下更显重要 可以帮助营销活动的方方面面建立策略 , 赢得目标人群 如果不结合其他信息就用处不大 知道品牌 X牙膏使用者在寻找具有防止牙龋有效手段的产品优惠 是驱动因素 (为什么有这种要求 ) 为消费者人格背景提供更完整的信息 为广告渠道策划提供思路 对产品 /服务的具体方向往往不能给出明确的方向 知道品牌 X的消费者非常关心自已和家人的健康 , 具有责任心强的品质 好处 问题 举例 对行为的预测性提高 问卷中涉及市场细分的变量归纳 背景特征： 收入、年龄、 性别、文化程度、 婚姻状况、职业、地区 使用行为 使用时间； 使用目的； 使用场合； 购买决策过程； 关键购买因素（功能利益、情感利益）； 购买渠道； 使用率； 品牌的认知和忠诚度情况； 消费者对品牌的态度或者喜欢程度 消费心态因素 生活形态（日常生活形态）；见下一页 消费的价值观； BRAND（品牌） QUALITY（质量） PRICE（价格） SERVICE（服务） FACE（外观） 生活态度量表 测量语句 非常同意 比较同意 一般 不太同意 非常不同意 F1 我喜欢被认为是时髦的人 与其他人相比 ,我的穿着更加时髦 我喜欢追求流行、时髦与新奇的东西 流行与实用之间我比较喜欢流行 F2 为了成功 ,我愿意承担风险 我具有冒险精神 我喜欢追求富有挑战、新奇和变化的生活 我喜欢接受从未尝试过的挑战 F3 我希望被视为一个领导者 我把我的工作视为事业 我希望能达到所从事职业的顶峰 F4 我愿意无偿参与公益活动 我常常以实际行动支持环保 业余时间 ,我更愿意从事有社会价值的事情而不是去赚钱 F5 尊重传统习俗是很重要的 工作的稳定比高收入更重要 我反对婚外恋 市场细分注意事项 结果导向 High 0 time 0 A few times a day(3 times a day) Light communicator Heavy communicator Medium communicator 2 Medium communicator1 Several times a day(5 times a day) 市场细分注意事项 问题的分值的大小需要方向一致 目录 2 市场细分数量技术 1 市场细分概述 3市场细分的问卷及注意事项 4案例分析 案例分析 介绍聚类分析和因子分析的方法 利用因子分析和聚类分析进行数据分析 聚类分析分析过程举例 聚类分析 定量调查 /其他消费者数据 交叉分析描述细分市场轮廓 细分市场策略审计 常见的问卷内容 样本结构 随机样本 保证样本具有选定市场的代表性 有效样本 总样本量至少在 N=300， 每个细分市场不得少于 N=50 品牌 /产品 /广告认知 品牌形象 产品使用和态度 关键购买因素的重要性/满意度 价格与其他优惠的得失结合 生活态度 媒体习惯 产生细分市场的聚类过程要结合严谨的科学方法和灵活的基本常识 聚类分析 定量调查 /其他消费者数据 交叉分析描述细分市场轮廓 细分市场策略审计 细分市场评估 聚类结果 同类共性 同类消费者具有类似的特征 异类差别性 不同类的消费者之间有明显的特征差异 聚类分析 消费者以其在需求、态度、行为、人口特征上的类似性 /有别性分成不同的类型 总体样本 4 - 类方案 5 类方案 6 类方案 1 3 1 2 2 3 2 3 1 4 5 4 等等 2 3 1 4 5 依据对五大 “ 关键因素 ” 的不同偏好，消费者可分为五个细分市场 业务种类品质 资料来源 : 致联市场研究公司，麦肯锡分析 网络质量 整体沟通水平 总体 100% 帐单 /费率满意度 优化产品型 服务至上型 超额消费型 基本保障型 1 . 1 10 . 4 7-0 . 3 4-0 . 3 20 . 1 9重在产品，包括实用性、选择性和质量表现 重在产品获取最大化和电信的有效沟通 需求要点 重在服务，包括申办和维护等 重在基本需求的满足和保障 需要产品切合使用，同时有效推广说服 -0 . 1 0-1 . 2 2-0 . 7 50 . 5 1-0 . 2 80 . 0 60 . 2 81 . 2 50 . 3 3-1 . 1-0 . 2 0-0 . 9 01 . 3 7-0 . 5 70 . 9 9-0 . 8 00 . 5 6-0 . 4 30 . 0 10 . 1 926% 19% 15% 10% 30% 跟随型 售中售后服务 示例 因子分析揭示消费者关键购买因素可以归结为五类 业务种类品质因素 业务种类实用性 (.72) 业务种类丰富性 (.69) 脚注：括号内数据为因子相关系数，该系数表明该变量因子与 “ 关键因素 ” 的相关性，系数值越接近一，说明相关性越强；越接近零，相关性越弱 网络质量因素 电话接通率 (.67) 话音质量 (.63) 费率 /帐单满意度因素 帐单的内容和形式 (.11) 费率满意度 (.07) 整体沟通水平因素 整体面貌（营业厅 /人员） (.70) 电信广告宣传 (.57） 人员态度（柜台 /维修 /投拆接待）（ .13) 售中售后服务因素 维修服务效率和质量(.84) 申办手续效率和质量(.63) 价值选择 价值交付 价值沟通 示例 在因子分析的基础上，根据聚类分析将受访者分成不同的组 . 描述细分市场用户特征 用户自然属性 行为特征 细分受访者 所有的受访者 市场细分 -案例 选择变量，并进行因子分析和交叉分析 选择变量 找出与沟通轻重度行为的有关变量： Q02、 Q03、 Q11、 Q12以及 Q13 Q02: 您在一天中使用下列应用的平均频率是多少？ Q03： 选择变量 Q11： Q12 选择变量 Q13： 因子分析 -检验 KMO检验： KMO值为 0.73，即因子分析效果尚可。 Bartletts球型检验：从上表看出， sig=0.00，通过检验。 即本次因子分析符合统计学要求。 K M O a n d B a r t l e t t s Te s t. 7 3 01 5 4 4 7 . 0 9 345. 0 0 0K a i s e r - M e y e r - O l k in M e a s u r e o f S a m p l i n g A d e q u a c y .A p p r o x . C h i - S q u a r edfS i g .B a r t l e t t s T e s t o f S p h e r i c i t y因子分析 -因子数量 T o t a l V a r i a n c e E x p l a i n e d2 . 7 5 7 2 7 . 5 7 0 2 7 . 5 7 0 2 . 7 5 7 2 7 . 5 7 0 2 7 . 5 7 0 2 . 3 8 2 2 3 . 8 2 2 2 3 . 8 2 21 . 5 9 8 1 5 . 9 7 6 4 3 . 5 4 6 1 . 5 9 8 1 5 . 9 7 6 4 3 . 5 4 6 1 . 8 3 4 1 8 . 3 4 3 4 2 . 1 6 51 . 3 5 3 1 3 . 5 3 1 5 7 . 0 7 7 1 . 3 5 3 1 3 . 5 3 1 5 7 . 0 7 7 1 . 4 9 1 1 4 . 9 1 2 5 7 . 0 7 7. 9 2 0 9 . 1 9 8 6 6 . 2 7 6. 7 4 4 7 . 4 4 0 7 3 . 7 1 5. 6 5 2 6 . 5 1 7 8 0 . 2 3 2. 5 5 6 5 . 5 5 9 8 5 . 7 9 1. 5 2 9 5 . 2 9 1 9 1 . 0 8 2. 4 7 1 4 . 7 0 6 9 5 . 7 8 9. 4 2 1 4 . 2 1 1 1 0 0 . 0 0 0C o m p o n e n t12345678910T o t a l% o fV a r ia n c eC u m u l a t i v e% T o t a l% o fV a r ia n c eC u m u l a t i v e% T o t a l% o fV a r ia n c eC u m u l a t i v e%I n i t i a l E ig e n v a l u e s E x t r a c t i o n S u m s o f S q u a r e d L o a d in g s R o t a t i o n S u m s o f S q u a r e d L o a d i n g sE x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s .因子分析 -因子解释 R o t a t e d C o m p o n e n t M a t r i xa. 1 9 8 6 . 0 7 7 E - 0 2 . 7 5 8. 7 4 5 . 1 3 7 - . 3 0 3. 7 8 9 6 . 3 0 0 E - 0 2 2 . 0 2 5 E - 0 2. 7 3 8 . 1 2 2 . 2 6 6- . 1 0 2 6 . 2 6 6 E - 0 2 . 8 5 4. 7 5 0 . 1 3 8 . 1 0 0. 1 2 4 . 3 8 6 1 . 6 4 0 E - 0 2. 1 1 2 . 6 4 5 - 1 . 6 4 E - 0 2. 1 2 9 . 7 7 5 . 1 1 2- 4 . 1 7 E - 0 2 . 7 7 7 4 . 9 1 4 E - 0 2E m a i l o n P CE m a i l o n s m a r t p h o n e o r P D AV i d e o c o n v e r s a t i o n sV o i c e c o n v e r s a t i o n o n P C , s m a r t p h o n e o rP D AT e x t m e s s a g i n g ( I M / S M S )V o i c e / V i d e o m e s s a g i n g ( M M S ) o n P D A ,s m a r t o r m o b i l e p h o n e sH o w m a n y p e o p l e d o y o u r e g u l a r l yc o m m u n i c a t e w i t h i n a t y p i c a l w e e k f o rp e r s o n a l r e a s o n sC o s t o n i n t e r n e t a c c e s sC o s t o n M o b i l e / P H S e a c h m o n t hH o w m u c h m o n e y d i d y o u s p e n d o np e r s o n a lc o m m u n i c a t io n ( P C , m o b il e , P D A , e t c )1 2 3C o m p o n e n tE x t r a c t i o n M e t h o d : P r i n c i p a l C o m p o n e n t A n a l y s i s . R o t a t i o n M e t h o d : V a r i m a x w it h K a is e r N o r m a li z a t i o n .R o t a t i o n c o n v e r g e d in 5 i t e r a t i o n s .a . 第一因子 : 高段移动终端使用频次 (手机 , PDA, etc) 第二因子 :沟通费用 . 第三因子 : 文本信息沟通 利用因子得分进行聚类分析 计算各 cluster的平均得分 V o i c e / V i d e o m e s s a g i n g ( M M S ) o n P D A , s m a r t o r m o b i l e p h o n e s * C l u s t e r N u m b e r o fC a s e C r o s s t a b u l a t i o n% w i t h i n C l u s t e r N u m b e r o f C a s e5 1 . 1 % 3 . 6 % 4 4 . 5 % 3 5 . 0 %2 2 . 7 % 8 . 2 % 3 1 . 7 % 2 3 . 7 %1 0 . 9 % 1 2 . 2 % 9 . 3 % 1 0 . 4 %6 . 4 % 2 7 . 1 % 7 . 7 % 1 2 . 6 %8 . 8 % 4 8 . 9 % 6 . 7 % 1 8 . 3 %1 0 0 . 0 % 1 0 0 . 0 % 1 0 0 . 0 % 1 0 0 . 0 %D o n o t u s e a t a l lD o n o t u s e d a i l yO n c e o r t w i c e a d a yA f e w t i m e s a d a yS e v e r a l t i m e s a d a yV o i c e / V i d e om e s s a g i n g( M M S ) o nP D A , s m a r to r m o b i l ep h o n e sT o t a lL o w H e a v y M e d i u mC l u s t e r N u m b e r o f C a s eT o t a lV o i c e c o n v e r s a t i o n o n P C , s m a r t p h o n e o r P D A * C l u s t e r N u m b e r o f C a s eC r o s s t a b u l a t i o n% w i t h i n C l u s t e r N u m b e r o f C a s e4 2 . 4 % . 8 % 2 5 . 4 % 2 2 . 2 %3 2 . 0 % 3 . 1 % 3 8 . 1 % 2 7 . 6 %1 2 . 3 % 1 1 . 6 % 1 3 . 5 % 1 2 . 7 %7 . 7 % 2 8 . 6 % 1 1 . 3 % 1 5 . 1 %5 . 7 % 5 5 . 9 % 1 1 . 7 % 2 2 . 2 %1 0 0 . 0 % 1 0 0 . 0 % 1 0 0 . 0 % 1 0 0 . 0 %D o n o t u s e a t a l lD o n o t u s e d a i l yO n c e o r t w i c e a d a yA f e w t i m e s a d a yS e v e r a l t i m e s a d a yV o i c ec o n v e r s a t i o no n P C ,s m a r t p h o n eo r P D AT o t a lL o w H e a v y M e d i u mC l u s t e r N u m b e r o f C a s eT o t a lV i d e o c on v e r s a t i on s * C l us t e r N um b e r of C a s e C r o s s t a bu l a t i on% w i t h i n C l u s t e r N u m b e r o f C a s e4 1 . 0 % 3 . 1 % 3 9 . 3 % 3 0 . 1 %2 9 . 4 % 9 . 0 % 4 2 . 3 % 3 0 . 9 %1 3 . 0 % 1 5 . 3 % 1 0 . 3 % 1 2 . 1 %8 . 0 % 2 6 . 1 % 5 . 8 % 1 1 . 6 %8 . 6 % 4 6 . 6 % 2 . 3 % 1 5 . 2 %1 0 0 . 0 % 1 0 0 . 0 % 1 0 0 . 0 % 1 0 0 . 0 %D o