特定市場行銷的集群、分類和細分技術

術語細分 已變得無處不在，而且在不同的上下文環境中具有許多不同的含義，這常常讓人容易混淆。 對於企業來說這種情況並不少見，常常有幾個細分功能同時出現在不同的部門。 通常，大多數專家一致認為細分 作為一個包括萬象的術語，是指將一個整體劃分為類似單元的子集的一般劃分。 然而，除此之外，該主題還可能是一個飽受非議的主題。

假設在一個組織中，以下細分工作在給定時間內同時進行：

研究和開發 (R&D) 部門開發一個客戶細分，以便更好地瞭解消費者偏好和購買行為，從而推動量身定制的產品改進。 R&D 也可能開發一個產品細分，以瞭解通常會一起購買的產品的相似性和類型。 財務部門識別客戶和前景細分以説明進行收入預測。 這種情況下的資料可能是盈利能力、收購成本、生命週期價值、人口統計、保留和廣告成本等。 市場研究細分形成了服務和品質感知的基礎，從而推動品牌戰略和廣告投入。 傳統上，市場研究人員通過調查儀器和客戶回函資料執行細分。 市場行銷部門還有另一種細分，以瞭解誰回應各種行銷管道活動來細化目標市場選擇以及改進市場回饋。 市場分析人員通常利用原始客戶購買行為和人口統計資料作為細分的基礎。

這類場景相當普遍，企業缺乏一個通用的細分戰略，全然不同的（通常是自相矛盾的）細分會跨部門進行開發而且使用方式截然不同。 這種做法在很多使用細分的行業中普遍存在。 為了提供關於各個行業如何處理細分的一個有限快照，考慮以下應用：保險公司使用細分確定風險分攤並設定定價標準和保費等級。 電力行業使用一種自下而向上的方法來進行負荷預測、執行階段預測以便聚合總體需求。 汽車行業使用細分瞭解目標市場在設計和性能上的偏好。 銀行細分信用卡市場前景以實現直郵服務。 生物學家將細分 稱為截然不同的事物，根據身體結構和成長區域對動物進行分類。 製藥企業部署細分以最大化產品創新生命週期。 影像處理領域（包括面部識別）是最複雜的領域之一，依賴于參數、區域增長以及邊緣檢測演算法的複雜細分應用。 無論是哪個行業（可能所有企業），只要嘗試一個更為統一和匹配的企業細分策略，都會從中受益。

市場行銷細分

上面列出的區別詳細描述了細分專案的各種方法和目標。 市場研究人員和市場行銷分析專業人員通常以完全不同的目標、輸入資料和方法處理該流程。 我們來進一步探討市場細分的標準方法。

任何細分工作的第一步都是瞭解研究的目標和動機。 誰要求細分？ 細分將用來做什麼？ 為什麼需要細分？ 消費者的什麼資訊是必需的卻還未獲取？ 誰將使用輸出？ 什麼資料將用於支援細分？ 細分將如何操作和部署？ 如何衡量專案的成功？ 所有這些問題的答案都有助於確定最合適的技術、資料和演算法來解決問題。 在下一章節中，我們將研究一個特定用例，概述兩種可行的方法，並討論客戶細分和預測建模之間的相似性和區別。

資料輸入和標準細分方法

資料是任何細分工作的關鍵輸入。 通常，只要資料來源可與個人或家庭 ID 準確關聯，則資料越多越好。 可用資料清單近乎無限，但是其中有幾個關鍵資料類別：

調查資料 可通過圍繞產品和價格優惠、管道銷售、客戶體驗滿意度以及改進建議的一般人群中的客戶或消費者進行收集。 交易資料 通常存儲在關聯式資料庫中，在零售環境中包括購買、退貨、折扣、付款方法、購買日期和時間。 在金融環境中，這些資訊將變成存款、取款；核對、儲蓄和抵押貸款類產品；以及每個產品的細節。 在能源環境中，這些資訊包括使用、儲運損耗、補貼、儲量、裝置以及智慧型儀器表等。 行為資料 包括 Web 流覽行為、商店導航、眼睛跟蹤、語音辨識、搜索、移動使用和設備資訊、定位、頻率以及進口和出口量與品牌的交互。 社交媒體交互，比如 「喜歡」、轉發以及關注也屬於這個豐富的資料類型。 人口資料 可直接從客戶處收集，或者從人口資料供應商處購買，供應商可提供 300 到 900 多條關於個人、家庭、郵遞區號的資訊。 這些協力廠商附加資料集中，其中有許多來自美國人口普查回應資料。 其他資料類別包括話務中心、聊天、資訊尋求、價格比較、評論、參與週邊程式和社區，以及產品資訊。

初步業務目標細化和資料發現完成後，就可以開始考慮可行細分方法了。 您可以從各種傳統方法中選擇，每個都有其優勢和局限性。 例如，許多集群選項會產生同樣大小的集群；儘管從部署角度來看這是可行的，但是強制實現同樣大小的集群也可能減弱集群中相似度度量的優勢。

決定最佳細分方法時有 3 個基礎選項，圖 1 顯示了 3 個通用方法：非定量、相互依賴和相關。

圖 1. 3 個基本細分選擇

第一個選項是定性（或非定量）方法，涉及對比通過與業務涉眾面談和關注群體得到的維度資訊來收集零散資訊。 這些維度資訊反映了有關消費者行為的經驗資料，並用於為目標處理策略指定主觀細分。 儘管在某一方面很有用，但這些非定量方法往往不如其他兩種資料驅動細分（相互依賴和相關）那麼健壯。