移動通信市場細分的方法和工具

1、移動通信市場細分的方法和工具移動通信市場細分的方法和工具科學的市場細分是成功營銷的基礎(chǔ)。這種理念實際上是經(jīng)過了相當一段時間 才被國內(nèi)研究咨詢業(yè)所接受。記得在 2001年，我在麥肯錫做咨詢項目，與一位 資深顧問交流時提及國內(nèi)營銷策劃界的水平， 她認為國內(nèi)研究咨詢界連市場細分 都不會，何談營銷策劃。的確，市場細分是一種基礎(chǔ)性工作，除了對行業(yè)的深度 理解外，還需要掌握相關(guān)的分析工具。百納咨詢顧問劉鴻，結(jié)合通信行業(yè)的研究 咨詢經(jīng)驗，在此重點介紹了市場細分的方法和工具。一、科學的市場細分是成功營銷的基礎(chǔ)市場細分是指通過聚類分析等方法定義不同細分市場，以達到同一細分市場內(nèi)個體之間的差異減少到最小，不同細分

2、市場之間的差異增加到最大；用戶細分 起因于不同的用戶有不同的需求偏好，目前移動通信市場細分正由細分市場向定 制市場方向邁進。用戶細分可以從不同的角度進行分類。按細分目的分可分為戰(zhàn)略細分與策略 細分；按細分對象分可分為普通用戶細分與集團用戶細分； 按數(shù)據(jù)來源分可分基 于樣本調(diào)查數(shù)據(jù)的用戶市場細分和基于 BOSS系統(tǒng)數(shù)據(jù)的用戶行為細分；按與用 戶關(guān)系分可分愿者上鉤式細分與對號入座式細分。 所謂 愿者上鉤”方式，是指公 司根據(jù)對用戶細分市場的理解設(shè)計好他們需要的產(chǎn)品 /服務，放在他們易于找到 的道路上，由他們自已去選。所謂 對號入座”方式，用簡單的分析工具確認不同 消費者的所屬細分市場，由此劃分消費

3、者并區(qū)別對待。移動通信市場需要進行市場細分。百納咨詢顧問劉鴻認為，伴隨移動通信市 場的迅速發(fā)展，移動用戶的特征在發(fā)生變化；隨著不同用戶群的加入，移動用戶 市場已出現(xiàn)細分化、異質(zhì)化特征。在此過程中，不同用戶群因其職業(yè)、生活習慣的差異而體現(xiàn)出不同的移動消費行為。 在用戶需求個性化增強的同時， 移動通信 技術(shù)進步創(chuàng)造出多樣化的業(yè)務產(chǎn)品， 為滿足不同消費需求提供了可能。 總之，不 同類型用戶移動消費的內(nèi)在差異性會隨著移動公司業(yè)務產(chǎn)品、 生產(chǎn)營銷和客戶服 務的進一步發(fā)展而顯現(xiàn)，更加科學的用戶細分十分必要。從競爭的角度看， 目前移動公司正面臨巨大的挑戰(zhàn)， 聯(lián)通和電信小靈通對移 動公司的市場主導地位展開了激

4、烈的攻勢。 競爭對手的主要競爭手段是通過對細 分客戶群的蠶食來削弱中國移動的市場地位， 搶奪移動客戶資源。 由于缺乏對移 動客戶的深入了解， 缺乏更科學的市場細分和更有效的營銷策略， 移動公司目前 的市場基礎(chǔ)并不穩(wěn)固。 國外發(fā)展歷程表明， 市場挑戰(zhàn)者將會利用市場細分化機遇 對領(lǐng)先者發(fā)動攻擊。 領(lǐng)先地位的保持與用戶價值的提升需要移動公司深入了解客 戶，對市場進行有效細分。 有效的市場細分有助于移動公司更好地了解市場狀況、 客戶需求和競爭形勢。在移動市場日趨細分化、差異化的情況下，傳統(tǒng)按ARPU值進行的市場細分 已無法滿足移動公司科學制訂營銷策略的要求； 當前移動公司以年齡層次與話費 額作為戰(zhàn)略細

5、分標準， 需要進一步作戰(zhàn)術(shù)性細分； 移動管理人員需要綜合運用數(shù) 據(jù)挖掘工具，通過聚類分析等方法利用現(xiàn)有 BOSS系統(tǒng)數(shù)據(jù)庫對移動客戶群消費 行為的內(nèi)在差異進行細分；同時，通過市場調(diào)研采用因子分析 / 判別分析方法， 基于客戶心理 / 社會人口特征從另一角度進行細分。基于不同角度的細分方法有 其各自的應用價值；科學的市場細分需要利有矩陣組合形式綜合不同角度的細 分，以獲取對市場更為深入和全面的認識。 在科學細分基礎(chǔ)上， 綜合運用相關(guān)分 析方法和工具，結(jié)合相關(guān)項目運作經(jīng)驗， 可以為進一步的營銷策略提供有力支持。 科學的用戶細分能支持移動公司提高市場營銷和客戶服務的效率及制定科學系 統(tǒng)的差異化市場營

6、銷與客戶服務策略； 最終，使科學的用戶細分成為移動公司戰(zhàn) 略發(fā)展和價值增長的推動力。二、基于市場調(diào)查數(shù)據(jù)的細分方法和工具一個典型的市場細分工作可分為 3 個模塊、 8 個步驟。在 3大細分工作模塊 中，明確細分的目的是項目出發(fā)點， 深刻了解用戶需求是細分的關(guān)鍵， 如何定義 和選擇目標細分市場則富有技巧。用戶細分的第一步是了解市場總體特性， 深入分析市場機會和威脅， 有助于 有效確立市場細分的目的。第二步是確定基礎(chǔ)變量：有八類指標 / 基礎(chǔ)變量供決 策人員選擇：地理位置、人口特征、使用行為、利潤潛力、價值觀 / 生活方式、 需求/動機/購買因素、態(tài)度、業(yè)務 / 服務使用場合。在具體的細分項目中，

7、決策 人員需要權(quán)衡這些指標的競爭優(yōu)勢與實施難易程度，以最終選擇一個或幾個指 標。一般來說，以需求為基準的細分市場優(yōu)于以簡單人口特征為基準的細分市場， 而在實際中， 決策人員常常組合不同的細分基準以獲得較好的效果。 細分的第三 步是收集數(shù)據(jù)， 抽樣調(diào)查是用戶調(diào)研中最基本的數(shù)據(jù)收集模式。 細分的第四步是 分析數(shù)據(jù)， 數(shù)理統(tǒng)計方法是定量細分市場的主要分析工具。 第五步是構(gòu)建細分市 場，使用基礎(chǔ)變量定義用戶群， 使用描述變量刻畫用戶群。 第六步是描述細分市 場，重點是描述細分市場有別于整體市場的典型特征。第七步是命名細分市場， 基于細分市場典型特征和戰(zhàn)略營銷取向為細分市場命名。 第八步是選擇目標細分

8、市場，常?；谑袌鑫湍芰m應度二大標準選擇目標細分市場。百納咨詢顧問劉鴻認為， 一個完整的用戶細分涉及因子分析、 聚類分析、 判 別分析、交互分析和對應分析等幾種常用的方法和工具。 因子分析是一種多變量 化簡技術(shù)， 目的是分解原始變量， 從中歸納出潛在的類別； 因子分析對樣本量及 變量間的相關(guān)性有一定要求。SPSS軟件提供了一系列有關(guān)用戶細分的操作菜單， 因子分析可調(diào)用 “analyze-date redution- factor ”子菜單。聚類分析方法是按距離 的遠近劃分類別， 常用于細分市場。 使用聚類分析方法， 常需要考慮七個相關(guān)問 題：距離測量、變量選擇、共線性、變量標準化、異常

9、值、分類數(shù)及對結(jié)果的解 釋。聚類分析有三種方法：快速聚類、系統(tǒng)聚類和二步聚類，它們依據(jù)的原理不 同，各有其特點。聚類分析在 SPSS中也有現(xiàn)成的菜單可供調(diào)用。判別分析是指 從已知樣本中訓練出判別函數(shù)，并據(jù)此判別函數(shù)判定未知樣本屬性 / 類別。判別 分析在SPSS中也有現(xiàn)成的菜單可供調(diào)用，但有其適用條件，在利用判別結(jié)果前 需要進行判別的效果驗證， 如各自變量是否為連續(xù)性或有序分類變量， 各組的協(xié) 方差矩陣是否相等，變量間是否獨立，有無共線性現(xiàn)象。在對用戶進行細分后， 常需要使用交互分析方法，以進一步描述不同細分市場的典型特征；在SPSS中專門用于分類數(shù)據(jù)的描述 /分析模塊 , Crosstabs

10、 過程既包括強大的描述功能，又 具有豐富的統(tǒng)計推斷能力。對于交互分析，在SPSS可調(diào)用crosstabs和Ge neral Tables 兩種子菜單。交互分析表的信息量較豐富，但結(jié)果不夠直觀，而對應分 析給出的對應圖則非常清晰直觀； 對應分析是多維圖示分析技術(shù)的一種， 它能更直觀地展示各類人群典型特征。一個完整的用戶細分包含3個數(shù)據(jù)分析模塊涉及因子分 析、聚類分析、判別分析、交互分析和對應分析等幾種常 用的方法0實寓用戶細分匚恆乎分析匚廉類猗析OI別分折匚便丘分析匚應孫析三、基于BOSS系統(tǒng)數(shù)據(jù)的細分方法和工具現(xiàn)代通信企業(yè)的內(nèi)部營銷管理能力，除了依賴傳統(tǒng)的流程和策略二大要素 外，還涉及與BOS

11、S系統(tǒng)相關(guān)的數(shù)據(jù)挖掘技術(shù)。基于 BOSS系統(tǒng)的數(shù)據(jù)挖掘?qū)?移動公司提供用戶細分模型，以及建立在用戶細分基礎(chǔ)之上的一系列其它模型。一個完整的數(shù)據(jù)挖掘過程可劃分為六個環(huán)節(jié)：商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準 備、建立模型、模型評估、結(jié)果發(fā)布。這六個環(huán)節(jié)依次進行，但需要不斷地循環(huán) 往復進行數(shù)據(jù)探索和模型的調(diào)優(yōu)。在商業(yè)理解階段，專注于從商業(yè)的角度理解項 目目標和需求，然后將其轉(zhuǎn)換成數(shù)據(jù)挖掘問題定義， 并設(shè)計出達到目標的初步計劃。在數(shù)據(jù)理解階段，先收集初步的數(shù)據(jù)，然后進行熟悉數(shù)據(jù)的各種活動，包括 識別數(shù)據(jù)的質(zhì)量問題、觀察數(shù)據(jù)基本特征、檢測感興趣的數(shù)據(jù)子集。在數(shù)據(jù)準備 階段，任務覆蓋了從數(shù)據(jù)構(gòu)造到最終數(shù)據(jù)集合的

12、所有活動， 包括表、記錄屬性的 選擇以及對數(shù)據(jù)進行的轉(zhuǎn)換和凈化。在建立模型階段，可以選擇和應用各種建模技術(shù)將其參數(shù)校正到優(yōu)化值，這常常是一個循環(huán)往復的過程。在模型評估階段， 對所建模型再次考察其執(zhí)行的步聚及是否正確地達到了商業(yè)目標，最終獲得使用數(shù)據(jù)挖掘結(jié)果的判定。在結(jié)果發(fā)布階段，用一種用戶可以使用的方式來組織和表 示挖掘結(jié)果，并在模型結(jié)果的基礎(chǔ)上進行分析，提出相應的營銷策略。目前Cleinentiiie提供了一系列建模方法供井析人員選擇系卿類廣咧歸納ggjfi回歸雲(yún) wortes SwrcssRecant 口誠 FtelflOpa?；薹仲F回歸樹快逸慈 演繹 帛魅測緒性回歸基于BOSS系統(tǒng)的數(shù)據(jù)挖掘涉及到幾種數(shù)據(jù)挖掘分析軟件，Clementine是 種主流的挖掘分析軟件。目前Clement