客户细分的那些事

2015-09-25 侯天华 鹈鹕全面客户体验管理

客户细分这个概念从最早提出到今天已经有70多个年头了,至今一直经久不衰,甚至在近几年变得越来越为人关注。归其原因,我觉得在于两方面,一是企业分析能力日趋强大,二是客户的需求日趋多样。

1、企业分析能力


先从企业分析能力的角度来说一说,之所以说近几年分析能力有所提升,主要源于大数据技术的实现,为什么说大数据技术能够对客户细分带来影响,关键在于对客户打标签的概念上。

从根本上来讲,所谓的客户细分就是全面的描述一个客户,比如说我是一个手机购买者,而大数据通过给我打标签,让我变成了20-30岁间,单身狗,文艺青年,长在帝都混在帝都,达到平均薪资,经常上ZOL中关村在线的男性客户。在这些条件中,平均薪资又是在北京混,而且上ZOL对手机参数较为了解,商家是不是可以考虑给我推荐价位相对较高,参数较为理想的手机;同时考虑到文艺范、年龄和帝都混,是不是给我提供些比较丰富的手机配套设备,比如文艺范的手机壳,健康保养的设备;再来单身又是这个年龄还长在工作地,是不是该推荐一些父母使用的老人机和测血压之类的保健设备;有没有可能搞个同好会,联络一下大家的感情,顺便找个对象之类的。

细分之后,企业对于客户的理解更为到位,需求也更为清晰和丰富,如果只是一个手机购买者,企业确实难以做太多的内容,但是加入这些标签后,客户就变得更像是一个人,一个有着很多需求的人,谁能够先满足客户的需求,谁就先有可能让客户记住。

那么在这里就要提到如何才能把客户分的很清楚了。分类的维度和模型很多,在标准定义中提出的是一种三维模型:

外在属性

如用户的地域分布,用户的产品拥有,客户的组织归属——企业用户、个人用户、政府用户等;

内在属性

内在属性行为客户的内在因素所决定的属性,比如性别、年龄、信仰、爱好、收入、家庭成员数、信用度、性格、价值取向等;

消费行为分类

RFM:最近消费、消费频率与消费额。

不过在这里,我提出一个相对较为复杂的细分模型,模型与上述分析的维度一致,但是在划分拆解的更为详细一些:

人口特征维度

基本的人口特征维度不变(包含性别、年龄、收入、家庭成员等),对应上边我的案例,其中20-30岁,单身狗,达到平均薪资都是这个板块的,将来要是结婚生子,买房买车,我这个字段就有的聊了;

地理维度

地理维度本来也应当是人口特征中的一部分,但是我建议可以单独拿出来,上述长在帝都混在帝都属于这个板块,之所以这样考虑的因素是,地理概念与以往不同了,城市本身已经拥有自身的属性,也成为了人们调侃和城市本身的标志,因此在未来的地理标签中,我们不能简简单单就写一个“北京”,而是要加上“帝都”,“雾都”,“超一线城市”,“一天堵两次车”等等对于城市属性的标签,这些可以帮助客户产生共鸣感;

行为轨迹维度

行为轨迹维度(包含RFM,交互轨迹,购买轨迹,使用轨迹),上述经常上ZOL中关村在线属于这个板块,今天行为分析可以比以往更为全面了,因为更多的客户行为都发生在网络上,而网络交互行为本身就是能够完全记录的,这样的条件下,我们可以更综合的了解客户的行为;

个性维度

个性维度(包含性格特点,星座等),上述文艺青年可以算在这个板块,相信短时间内星座这个维度就将要发挥它的价值了,假设说搞个逼死处女座的桌面主题之类的;

需求维度

需求维度(包含消费心理,功能需求偏好等),价格敏感,渠道偏好,功能需求等,对于企业了解客户关注什么有直接的指导作用,在上述分析中,基于达到平均薪资和混在帝都,可以判断我自己在购买手机上不是一个价格敏感型的客户,苹果咱不卖肾也是可以有的,所以就不要推荐价位太低的了;

忠诚维度

忠诚维度(包含以往满意度,交互活跃情况,购买活跃情况,正负面口碑比例等)这个板块属于领先概念,在上述案例中没有涵盖进去,但是随着客户体验的关注程度在企业和在客户当中变得越来越高,相信在短时间内,就需要把这个字段也加入进来,比如我对于品牌的忠诚程度等,将能够直接指导到后续如何维护我和企业关系的方案。

在确定细分维度后,后续分析工作就不强调了,因为针对客户细分,最关键的是聚类分析,而聚类分析目前在各大统计分析软件中已经完善的相当到位,如在SPSS中大概10步之内就能完成聚类分析,因此如果各位对具体算法有兴趣,可以直接搜索“聚类分析 (分析软件名称)”,就能找到相应的分析方法以及典型案例。在这里我再提供两个文章作为参考:

SPSS聚类分析——一个案例演示聚类分析全过程》文章提供了SPSS中操作聚类分析的流程步骤。

Spss K-means聚类分析案例——某移动公司客户细分模型》文章提供了聚类较为完整分析流程,包括数据整理及分析。

2、客户的需求日趋多样


然后是第二点,客户的需求多样。在以上内容完成后,客户细分是否仅到此就为止了,其实不然,在常态的客户细分过程中,最关键的是还需要定期与客户需求分析相结合。之所以在这里强调这一点,是因为客户的细分起源于客户需求的异质性。如果说客户对于企业的产品只有简单的需求,假设所有客户在手机上的需求就是买个手机而已,不在乎外观,价位,功能等等,我们还需不需要做客户细分,我的理解是不,因为这些客户都可以分为一类,没有差异。所以回归本质,客户细分就是要找差异,但是是什么差异,其实是在价值上的差异。如果细分后,发现客户在需求上有差异,那么企业就需要同步做两件事,第一是优化或创造新产品以满意需求,第二就是分析有此需求的客户有哪些特征,进而实现新的客户细分维度。

同时企业内部各部门与数据分析部门的协同机制也必须成熟,如在互联网公司中,其管理架构的特点是产品项目管理模式。最典型的案例就是腾讯公司,其中各个部门都是以产品为单位设置的,旗下是对产品生产所需要配置的团队结构,因此针对客户的诉求,其团队只需要对单一产品的功能进行改善即可,因此其效率极高。

发挥客群的最大价值,需要明确整体客群中的每一位客户对应的需求特征,进而将客户归类,并让每一个客户都能够发挥最大的价值,在此基础上,企业才有可能针对各个客户群落去开展新客户的挖掘。在今天中国的市场,客户正在从不成熟向成熟转型,客户的需求也正在变得越来越复杂,对应的客户需求分析以及客户细分分析也将变成企业崭露头角的至关重要的一环,我们需要的是像乔帮主那样能够挖掘客户需求的分析人员,找到客户的各类需求内容,同时也需要能够将需求与客户特征对应起来的分析人员,从而把客户细分的各个维度完善起来,最终实现精准营销并带给客户最佳的体验。


本文为作者原创作品,欢迎直接微信转发。

转载时需在文章开头注明作者和“来源鹈鹕全面客户体验管理(微信号:CEM-tihu)“,文字颜色为黑色,且不得修改原文内容。

欢迎小伙伴投稿合作,具体请联系:孙女士sunjz@tihu.com.cn