사용자 분류 1 - 시장 세분화

저는 4년 동안 시장 조사 업무를 해왔는데, 이제서야 시장 세분화와 사용자 역할 간의 유사점과 차이점에 대해 진지하게 생각하기 시작했습니다. 바쁠 때 연습하고, 바쁘지 않을 때 읽고 반성하고 있어요. 다음 연습 전에 이 문제를 해결하세요.

1. 정의

시장 세분화의 개념은 1956년 미국의 마케팅 과학자 Smith가 처음 제안했습니다. “시장 세분화의 기본은 시장 수요의 발전을 기반으로 합니다. Alfred(1981)는 시장 세분화를 다음과 같이 정의합니다. "시장을 여러 고객 그룹으로 나누는 것입니다. 각 그룹은 특정 고객의 목표 시장이 될 수 있습니다. 특정 마케팅 믹스. "시장 세분화 및 포지셔닝"의 저자인 James는 "목적은 특정 마케팅 믹스(제품/제품)에 관심이 있는 하위 고객 그룹 또는 잠재 고객을 식별하는 것"이라고 믿습니다. 및 유통) 유사한 반응을 일으키거나 결과적으로 회사의 마케팅 계획에 유익한 영향을 미치게 됩니다. 즉, 특정 유형의 제품이나 서비스를 구매하려는 욕구가 있는 고객을 식별하는 것입니다. 이러한 유형의 제품이나 서비스는 다른 시장 부문의 제품이나 서비스와 상당한 차이가 있습니다.”

2. 목적

다양한 시대의 학자들의 정의에 따르면 시장 세분화는 다음을 기반으로 합니다. 다양한 사용자 요구 사항을 충족하고 회사의 제품이나 마케팅 믹스를 제공합니다.

3. 시장 부문이 효과적인지에 대한 평가 조건

이론적으로 성공적인 시장 부문은 세 가지 조건을 충족해야 합니다. 1. 이러한 하위 그룹은 서로 다른 요구 사항, 가치 지향 또는 욕구를 가지고 있습니다. 특정 마케팅 활동에 대한 반응은 다른 하위 그룹과 크게 다릅니다. 3. 이러한 하위 그룹은 회사의 마케팅 계획 목표 달성에 특정 역할을 합니다.

세분화된 그룹을 측정하는 기준: 1. 측정 가능: 그룹을 식별할 수 있음 2. 접근성: 마케팅 타당성(마케팅 콘텐츠 및 채널 포함) 3. 수익성: 특정 규모 5. 안정성

4. 세분화에 사용되는 변수

1) Schiffman은 현재 서양 학자들이 사용하는 세분화 기준과 세분화 변수를 지리적 세분화, 인구통계학적 세분화, 심리통계학적 세분화의 8가지 유형으로 나눕니다. 세분화, 사회 문화적 세분화, 사용 세분화, 사용 컨텍스트 세분화, 혜택 세분화 및 혼합 세분화.

2) 그러나 실제로 시장 조사에서 일반적으로 사용되는 세분화 변수는 주로 세 가지입니다.

1. 인구통계학적 변수: 지리적 영역(지리적 위치, 도시 전체) 강도(도시 경계선) ), 관습 및 습관 등), 연령, 성별, 가족 인구 및 구성, 교육, 직업, 주거 유형 등;

2. 행동 변수: 브랜드 역할, 구매 고려 사항, 사용 맥락, 사용 빈도 등

3. 라이프스타일 및 소비자 심리(가치, 요구, 태도 등도 포함. 이 변수의 사용은 여전히 ​​시장 세분화의 주류임)

3) 또한 Wind는 관리 업무 중심의 세분화 표준 선택 모델도 제안했습니다.

1. 제품 구매 및 사용, 수요, 브랜드 충성도, 브랜드 전환 모드 등 전반적인 시장 상황을 이해합니다. ;

2. 포지셔닝 연구: 제품 사용법, 제품 선호도, 이점 추구 등

3. 신제품 소개: 새로운 제품 컨셉에 대한 반응, 이점 추구

p>

4. 가격 결정: 가격 민감도, 가격 인하 선호, 다양한 구매 방법의 가격 민감도 등

5. 광고 결정: 수요 혜택, 미디어 사용, 심리적 설명/라이프스타일;

6. 유통 의사결정: 매장 충성도, 매장 선택 시 추구하는 혜택.

업계에 처음 입사했을 때 만족도, 충성도 등 주관적인 평가 요소는 시장 세분화에 적합하지 않다는 말을 들었습니다. 이제는 불가능하지는 않은 것 같지만, 업계 상황과 연구 목표, 향후 활용될 수 있는 통계적 방법 등을 토대로 어떤 요소를 시장 세분화에 활용할 것인지 결정하는 것이 필요하다.

또한, 모델에 집착하여 통계 모델을 사용하지 않은 세분화 결과는 거칠고 대표적이지 않다고 생각하는 고객 및 동료도 만났습니다. 실제로 시장 세분화는 통계의 발전과 함께 새로운 통계 방법을 계속해서 도입하고 있습니다. 이러한 방법은 도구일 뿐입니다. 초기 단계에서 정성적 분석을 통해 일부 아이디어와 가설을 제시하지 않으면 통계 도구가 아무리 훌륭하더라도 효과적인 시장 세그먼트를 확보하기가 어렵습니다. 따라서 질적 단계에서 프로젝트의 목적에 기여하는 명확한 인사이트가 생성된다면 검증을 위해 설문지에 관련 질문을 설정하는 것으로 충분하며, 반드시 많은 라이프스타일/가치관 질문을 사용할 필요는 없습니다. , 복잡한 통계 분석이 필요하지도 않습니다.

5. 시장 세분화 방법

시장 세분화 방법에는 세분화 요소 분할 방법, 요소 클러스터링, 일반적인 상관 클러스터링, 잠재 클러스터링(잠재 클러스터링) 등 여러 가지 방법이 있습니다. 클래스모델), 인공신경망 및 공동분석 등 여기에는 몇 가지 세분화 방법이 간략하게 기록되어 있습니다.

1. 세분화 요소 분할 방법:

마케팅 담당자는 세분화 요소를 직접 선택하여 전체 시장을 인위적으로 시장 세그먼트로 나눕니다. 가장 일반적으로 사용되는 세분화 요인에는 인구통계학적 요인과 행동 요인이 있습니다.

장점은 단순성, 강력한 차별화, 쉬운 식별 및 설명입니다. 인구통계학적 요인을 사용하는 경우의 단점은 내재적 동기를 고려하지 않고, 행동을 예측하는 능력이 약하고, 생각만큼 간단하지 않다는 것입니다(많은 인구통계학적 변수). 실제로 관련이 있음), 행동 이용 요인의 또 다른 장점은 소비자 행동, 선택 및 브랜드 사용과 관련되어 있으며 새로운 시장 기회를 식별할 수 있다는 것입니다. 그러나 이유를 고려하지 않고 행동만 보는 것은 진단 가치가 부족합니다.

2. 요인 집계 범주:

사용된 세분화 요인은 주로 요구, 태도, 라이프스타일, 소비 가치 등에 대한 질문에 점수를 매기는 것입니다. 주의가 필요한 문제는 다음과 같습니다. 1. 설문지의 태도 진술이 실제로 소비자의 요구를 반영하는지 여부 2. 요인 클러스터링 과정에서 소비자 인구통계학적 특성 및 소비 행동을 고려하지 않기 때문에 분류 결과가 시장 부문 간에 차이가 나는 경우가 많습니다. 행동과 배경의 차이가 명확하지 않고 인지도가 낮은 경우 실행 가능한 제안을 제공하기가 어렵습니다. 3. 내부 논리 문제: 실제로 서로 다른 태도를 가진 소비자는 서로 다른 구매 행동을 가질 것이라고 가정합니다. 실제 상황은 사실이 아닙니다.

3. 정규 상관관계 클러스터링

위에서 언급한 요인 클러스터링의 문제로 인해 모델에 구매 동기, 브랜드 선호도, 광고 등 더 많은 변수를 도입해야 할 수도 있습니다. 및 프로모션 영향 등 그러나 이러한 변수는 일반적으로 연속형 변수가 아니며 요인 클러스터링이 불가능하므로 표준 상관 클러스터링이 도입됩니다. 정식 상관관계 클러스터링은 실제로 요인 분석 대신 정식 상관관계를 사용합니다. 장점은 제품 요구 사항, 가치, 인구통계학적 특성 및 소비자 행동을 동시에 고려할 수 있어 인구 집단의 최종 세분화를 내부적이고 논리적이며 동시에 질적으로 설명 가능하게 만들고 변수 선택이 더 많다는 것입니다. 유연하며, 정성적 변수와 양적 변수가 허용됩니다.

4. 여러 가지 클러스터링 방법에 대한 설명

1) 계층적 클러스터링: 범주형 변수와 연속형 변수를 모두 처리할 수 있지만 동시에 두 가지 유형의 변수를 처리할 수는 없습니다. 카테고리 수를 지정해야 합니다. 클러스터링 결과 사이에는 중첩되거나 계층적인 관계가 있습니다.

2) K-평균 클러스터(K-Means Cluster), 빠른 클러스터링 방법이라고도 합니다. 연속형 변수의 경우 순서가 지정된 범주형 변수도 처리할 수 있지만 작업은 빠르지만 범주 수를 지정해야 합니다. K-평균 군집화 방법은 데이터를 자동으로 표준화하지 않으므로 먼저 표준화 분석을 수동으로 수행해야 합니다.

3) 2단계 클러스터: 범주형 변수와 연속형 변수를 동시에 처리할 수 있으며 최적의 범주 수를 자동으로 식별할 수 있으며 결과가 비교적 안정적입니다. 연속형 변수만 군집화하는 경우 유클리드 거리 또는 로그 우도를 사용하여 레코드 간의 거리를 설명할 수 있습니다. 그러나 이 방법은 기존 방법과 크게 다르지 않습니다. 이산형 변수도 클러스터링된 경우 로그 우도 값은 레코드 간의 차이를 표현하는 데만 사용할 수 있습니다. 군집화 지수가 순서형 범주형 변수인 경우 2단계 군집화의 분류 결과는 K-평균 군집화의 분류 결과만큼 명확하지 않습니다. 이는 K-평균 알고리즘이 군집화 지수 변수를 연속형 변수로 가정하기 때문입니다.

4) 군집 분석에 대한 몇 가지 참고 사항: A. 요인을 얻은 후 수량 기반 군집화인지 패턴 기반 군집화인지 명확해야 합니다. B. 군집 수는 3~3개 사이여야 합니다. 7. spss를 시도하려면 샘플이 미리 정렬되어 있는지 확인하십시오. C. F를 사용하여 범주 간 클러스터링 변수에 유의미한 차이가 있는지 테스트하십시오. D. 다양한 클러스터링 결과를 테스트하십시오. 카테고리 3과 4의 결과. 변경 사항이 어디에 있는지, 어떤 변수가 주로 영향을 받는지 확인하세요. E. 가능한 안정적인 클러스터링을 위해 각 범주의 각 변수(원본 설문지)에 대한 F 통계를 테스트합니다. F. 최종 클러스터링 결과를 원본 데이터 세트에 기록하고 이름을 지정합니다. G. 판별 분석, 클러스터링의 범주 식별 및 시각화 H. 성별, 연령, 직업, 소득 등 클래스의 속성과 핵심 클래스(세분화) 표현변수를 식별하기 위해 대응 분석 및 다중 대응 분석을 사용합니다. 등 ;I. CHAID 분류 결정 트리를 사용하여 추가 식별 클래스의 특성을 자동으로 감지합니다.

참조:

"시장 세분화 및 포지셔닝": James H. Myers

"시장 조사 관행 및 방법": Zheng Zongcheng, Chen Jin , Zhang Wenshuang

"시장 세분화 연구 검토 - 검토 및 전망": Luo Jinning

Shen Hao 선생님의 블로그