客戶細分 – 如何細分客戶 增長分步指南

什麼是客戶細分？

細分是將客戶分成不同組的過程，每個組具有相似的特徵，以提高參與度、銷售和忠誠度。

但是，通常很難找到細分客戶的最佳方法。 我將介紹有關如何細分客戶的不同見解，以便您加速增長。

讓我們首先將數據對企業的重要性放在上下文中。 2018 年，美國公司在購買第三方數據上花費了大約 190 億美元，在支持這些數據的第三方解決方案上也花費了大約相同的金額。 儘管如此，這些信息經紀人掌握的關於消費者的大部分數據甚至都不正確。 例如，它經常過時。

為什麼企業在數據上花費這麼多錢，細分有什麼好處？

好吧，Braze（以前的 Appboy）分析了他們在兩年內開展的 30,000 多個活動的營銷數據。 他們發現，發送給經過深思熟慮的客戶群的廣告系列的轉化率比發送給廣大受眾的廣告系列高 200%。

換句話說，進行細分與提高銷售和利潤之間存在明顯的聯繫。

你在營銷上花了多少錢？ 大多數公司花費大約 11-13% 的業務總收入。 但根據樂天營銷公司的一份報告，營銷人員預計會將 26% 的營銷預算浪費在錯誤的渠道或策略上——這通常是因為細分不佳。

結果是，儘管有機會通過細分來提高銷售和利潤，但許多營銷人員並沒有做對並且在浪費金錢。

同時，客戶希望並期望個性化：

• 91% 的消費者更有可能購買提供相關優惠和推薦的品牌。
• 80% 的客戶更有可能從提供個性化體驗的品牌購買產品或服務。
• 2019 年，72% 的消費者只參與針對其特定興趣定制的營銷信息。
• 80% 將自己歸類為常客的人表示，他們只購買個性化體驗的品牌
• 63% 的消費者希望將個性化作為服務標準。
• 88% 的受訪消費者表示沒有獲得“量身定制的幫助”。

——而細分是滿足這種期望的最快、最簡單（通常也是最具成本效益）的方式。

您可能認為高級客戶細分技術僅適用於大品牌或大型企業。 然而，事實並非如此。 在本指南中，我將幫助您發現提高轉化率、銷售量和客戶忠誠度的有效方法。

客戶細分的好處是什麼？

為什麼客戶細分很重要？ 營銷的一個重點是與有利可圖的客戶建立關係。 營銷不僅僅是一次購買、一次轉化——目標是擴大您的客戶群並建立長期價值。

了解客戶、對其進行細分並個性化營銷活動、優惠和溝通是廣為人知的客戶關係管理 (CRM) 的一部分。

CRM 工具和方法為您如何制定客戶細分策略並實施它提供了基礎。

根據哈佛商業評論，每年推出超過 30,000 種新的消費產品。

其中 95% 的失敗是因為以下七個原因之一：

• 未能了解消費者的需求和願望。
• 修復一個不存在的問題。
• 瞄準錯誤的市場。
• 定價不正確。
• 團隊和內部能力薄弱。
• 長期開發或延遲進入市場。
• 執行力差。

客戶細分優勢

• 有助於發現和利用新的市場機會。
• 改進瞭如何預測客戶行為。
• 提高客戶保留率和忠誠度。
• 通過個性化提升品牌認知度。
• 簡化和改進工作流程。
• 有助於提高客戶終身價值。
• 通過細分電子郵件營銷活動，電子郵件營銷人員的收入增長了 760%。

考慮這些統計數據：

• 71% 的消費者認為個性化體驗會影響他們與電子郵件交互的決定。
• 80% 的受訪者表示，如果公司提供個性化體驗，他們更有可能與該公司開展業務。
• 88% 的美國營銷人員報告說，由於個性化，他們看到了可衡量的改進，超過一半的人報告說提升幅度超過 10%。
• 麥肯錫最近的一項調查發現，廣泛使用客戶分析的公司報告的投資回報率提高了 115%，利潤提高了 93%。

客戶細分存在哪些問題

7個常見的分割錯誤

1. 細分與您的業務目標不一致。
2. 您是根據直覺進行細分，而不是具體數據。
3. 您已經根據有限的數據創建了細分。
4. 您正在使用“臟數據”。
5. 您在開發細分市場時忽略了渠道。
6. 你沒有考慮參與的時間和背景。
7. 您沒有隨著時間的推移跟踪細分市場的表現。

6種客戶細分方法

細分客戶的方法有很多，但選擇最佳方法將取決於業務類型和市場/行業。 例如，B2B 細分通常需要一種非常不同的 B2C 營銷方法。

任何分割方法的起點都是數據。 根據客戶數據做出決策是任何營銷活動的基礎，也是您如何有效開發可實現增長的細分的基礎。

1. 地理分割

什麼是地理分割？

地理細分根據客戶的地理位置將客戶分組。 最常見的方法是使用現有的邊界，例如國家、地區、州和城市。

更微觀的市場劃分方式是基於農村、郊區和城市市場細分等生活區域的類型。

地理分割示例

• 旅遊業使用地理分割，包括氣候等更細微的因素。
• IP 地址用於通過本地化語言、產品和定價幫助在線企業、引導人們訪問他們的本地站點。
• 汽車製造商將氣候用作敞篷汽車的細分因素。

使用地理分割的優勢

那麼地理分割有哪些優勢呢？ 讓我們看一些。

• 對於擁有龐大的國內或國際市場的公司來說，這是一種有效的方法——因為不同地區的不同消費者有不同的需求、需求和文化特徵，可以有針對性地加以定位。
• 對於預算有限的小型企業來說，這也是一種有效的方法。 他們可以專注於他們定義的區域，而不是將不必要的營銷資金花費在不適合其目標地理區域的方法上。
• 它在不同的人口密度區域運作良好。 與郊區和農村環境中的人相比，城市環境中的客戶通常有不同的需求、購買模式和收入。 通常，這三個領域之間也存在文化差異。

地理分割的缺點

• 混合來自同一原籍國的非常不同的遊客並人為地將他們視為一個部分（例如意大利人）的危險並不完全相同。
• 有時會使用地理數據，但購買模式或行為幾乎沒有差異，這使得定位已過時。

2. 人口細分

什麼是人口細分？

人口統計數據是最常用的數據之一，因為它很容易通過人口普查數據獲取，通常每 10 年更新一次，數據分析（如 Google Analytics）、消費者通過問卷調查和表格（如 SurveyMonkey）以及其他數據源（如 Facebook Insights） . 另一個原因是這也被認為是劃分目標市場的最便宜和最簡單的方法。

然而，人口統計數據本身幾乎不能提供對客戶的任何洞察。 它回答了誰是我的客戶，而不是為什麼的問題——例如客戶為什麼購買……

人口細分的例子

• 年齡。
• 性別。
• 種族。
• 婚姻狀況。
• 兒童人數（如有）
• 職業。
• 年收入。
• 教育程度。

使用人口統計細分的優勢

• 與其他細分技術相比，人口統計數據通常更容易收集和衡量。
• 使用人口統計作為指標時，定位通常更直接，例如，您可以定位消費者群體，例如 35 至 45 歲的男性。
• 人口統計數據與其他數據集混合時，提供了一種分析客戶之間差異的簡單方法。
• 非常適合監測趨勢和社會變化。

人口細分的缺點

• 人口數據變化很快； 年齡每年都在變化（當然），人們的收入、婚姻狀況、教育水平、職業等等。
• 僅描述性 - 對消費者本身了解甚少。
• 假設同一人口群體中的消費者有相似的需求和生活方式——這不太可能，例如，所有 30 歲的人都不太可能有相同的需求。
• 在收集數據時，人們通常會謊報年齡或其他數據要素，例如收入。
• 對於某些產品和服務，人口統計沒有什麼用處。 以 Spotify 為例，音樂是一個如此主觀的話題，Spotify 跟踪的是行為和收聽偏好，而不是人口統計數據。 對於 Spotify，人口統計數據太模糊，無法創建任何有意義的營銷內容或有效的溝通。

雜貨店通常使用人口統計數據來定位他們的客戶。 他們知道，家庭每年購買的商品比單身人士或夫婦多。

3.心理細分

心理細分是使用人們的態度和興趣，通常與典型的人口統計數據一起研究，以建立和定位客戶。

與人口統計、交易或行為數據不同，心理統計讓我們了解某個客戶選擇購買產品的原因。

結合這項市場研究，您可以使用 Facebook Pixel 等方法來跟踪客戶喜歡、查看或在線分享的所有內容。

心理細分的例子

• 興趣
• 性格
• 生活方式
• 社會地位
• 活動、興趣、意見 (AIO)
• 態度

Brandwatch 等工具可幫助您收集有關受眾的詳細信息，然後根據態度、興趣、活動和個性特徵使用它來劃分您的市場。

心理細分的優勢

• 深入了解客戶的生活方式及其需求。
• 有助於發現購買產品和品牌的動機和原因。
• 通常更有助於開展促銷活動。

心理分割的缺點

• 需要市場研究——通常是定性和定量的混合——這可能很昂貴。
• 由於研究成本的原因，可能更適合較大的公司/品牌。
• 有時定性市場研究仍然對結果的不同解釋持開放態度。
• 通過促銷方法或在店內識別心理細分可能並不容易。

4. 行為細分

行為細分基於您的客戶做了什麼，因此可能會再次做。 行為細分主要關注客戶的購買過程，然後將具有相似購買行為的客戶組合成一個“細分”。 然後，企業可以根據他們的購買行為來定位公司、客戶和潛在客戶。

試圖僅根據消費者的一兩種行為來確定消費者的購買旅程階段很容易導致錯誤的假設。

處於不同階段的客戶仍然可以通過各種渠道、在所有不同的時間、沒有特定的順序與其他階段的內容進行交互和互動。 因此，單個客戶的行為或交互不足以確定他們存在的旅程階段。

為了提高準確性，您必須利用他們在各種接觸點和渠道中的所有行為數據，以便您可以根據隨時間推移的行為模式構建加權算法。

Gartner 預測，到 2025 年，25% 的營銷部門將有一名專門的行為科學家或人種學家作為其全職員工的一部分。 因此，理解人類偏見是理解行為的關鍵。

行為數據示例

• 在線購物習慣：您可能會考慮用戶在所有網站上的在線購物習慣，因為這可能與他們在您的網站上進行在線購買的可能性相關。
• 基於時間的行為：考慮根據購買時間對客戶進行細分——場合細分、一年中的時間、季節性、一次性購買、季度模式等。
• 在網站上執行的操作：您可以跟踪用戶對您的在線資產執行的操作，以更好地了解他們如何與他們互動。 您可能會查看某人在您的網站上停留了多長時間，他們是否一直閱讀文章，他們點擊的內容類型等等。
• 尋求的利益：這是指客戶通過購買產品試圖滿足的需求。
• 使用情況：您可以根據使用率對用戶進行分類。 根據某人是重度用戶、中度用戶、輕量級用戶還是非用戶，您的信息會有所不同。
• 忠誠度：客戶在使用產品一段時間後，往往會產生品牌忠誠度。 您可以根據客戶對您品牌的忠誠度對客戶進行分類，並相應地定制您的信息。
• 產品評論/反饋——了解人們對產品的實際體驗、他們面臨的挑戰或他們最喜歡的事情是一個有用的洞察力。 您無需將此限制在您的產品中； 您可以看到競爭對手、互補品和可比產品

行為細分的優勢

• 幫助協調營銷和銷售團隊，因為兩者都專注於銷售。
• 專注於購買過程中的各個階段，因此可以創建更多的上下文通信。
• 識別具有相似行為和需求的客戶。
• 品牌忠誠度可以進一步建立在那些對品牌表現出親和力的客戶之上。 因此，行為細分有助於提高客戶忠誠度。

行為分割的缺點

• 客戶行為會隨著時間、地點、場合、要求等而變化，並且無法始終正確預測。 行為分割只能給出一個關於人格特徵和行為的框架。
• 大多數情況下，行為細分將基於定性數據而不是完全定量數據。 因此，做出預測、預算、費用等都將取決於某些假設。

5. 角色分割

明確定義的角色將幫助您制定更好的營銷計劃，並幫助您針對正確的潛在消費者群體開展營銷活動和優惠。 營銷角色面向您的客戶，幫助您確定他們的需求和願望。

我整理了一個角色畫布，以幫助人們了解如何發展營銷角色。

角色分割示例

營銷角色是非常強大的客戶細分方法。 特別是在與客戶目標研究一起使用時。

此外，研究表明，使用客戶角色可以提高營銷效果。

然而，有效的角色並沒有被彌補。 它們是更大的數據驅動戰略的一部分，需要更深入地了解要收集的數據、它與您的業務目標的關係以及如何有效地使用數據來做出決策。

角色分割的優勢

• 更深入地了解客戶的目標、需求和要完成的工作。
• 建立更豐富的客戶購買方式和原因的知識檔案。
• 幫助團隊對客戶細分有一致的了解。
• 改進團隊產生創造性和創新解決方案的方式。

角色分割的缺點

• 製作需要時間。
• 需要多組數據才能創建強大的配置文件。

6. 預測分割

什麼是預測分析？

預測模型用於許多業務和日常生活中。 示例包括政治、欺詐檢測和財務建模。 在市場營銷中，它用於預測單個客戶的行為，並將客戶分組為最可操作和最有意義的方式。 例如，使用預測分析，您可以預測客戶是否以及何時計劃下一次購買。

使用預測分析，您可以預測客戶接下來可能購買的特定產品，並主動向您的客戶推薦這些產品。

預測分割的例子

• 無監督學習：無監督學習在數據中發現隱藏的模式，而無需明確地嘗試估計或預測結果。
• 監督學習：監督學習用於估計給定輸入的輸出，通過使用樣本輸入和目標對其進行訓練。
• 強化學習：監督學習用於估計給定輸入的輸出，通過使用樣本輸入和目標對其進行訓練。

營銷人員現在可以訪問數百種不同類型的數據，例如品牌偏好、折扣偏好、在網站上花費的時間、瀏覽行為、通話時長、購買歷史、查看的產品……一個人通過數百種數據是不可行的數據類型來查找每個變量之間的關係，但對於當今強大的計算機和算法來說，分析起來很容易。

客戶細分正在從手動流程轉變為 AI 自動化流程。

無監督學習：聚類和分割的區別

細分是根據相似性手動將客戶分組的過程。 聚類雖然不同，但它是一個自動/統計嚴格的過程，可以在客戶中找到相似之處，以便可以對它們進行分組。

聚類是一種通過使用有關客戶的已知因素自動發現客戶群中的細分的方法。 聚類算法，例如 k-means 和先驗算法，可以分析數百個客戶屬性和以前的客戶交互，以揭示對客戶行為和驅動這些行為的力量的洞察。

這與客戶細分不同，因為大多數細分使用一兩個因素，例如以非統計方式將客戶分組在一起的年齡或收入。

監督學習：傾向模型

傾向模型通過從過去的例子中學習，對客戶的未來行為做出真實的預測。 示例包括客戶購買產品的可能性或潛在客戶參與網站的可能性。

例如，傾向模型用於預測客戶在其整個生命週期中將花費多少錢來生成預測的生命週期價值模型。 這種類型的模型可用於預測未來的前景或客戶行為。

強化學習和協同過濾

協同過濾模型的常見營銷應用是推薦。

協作過濾模型可以推薦產品、內容或其他任何東西。 這些推薦模型因亞馬遜的“喜歡這個產品的客戶，也喜歡……”的建議而聞名。

其他客戶細分方法

• 價值細分：一些企業會根據客戶的“交易價值”來劃分市場——他們可能會在產品上花費多少。 要確定客戶的交易價值，您可以查看以前的購買數據，例如他們進行了多少次購買、他們進行購買的頻率以及他們購買的物品的價值。
• 企業細分：企業對企業 (B2B) 公司可以使用企業細分來劃分市場中的業務。 這類似於個人消費者的人口統計細分，而是著眼於可能成為客戶的公司的特徵。 要查看的數據示例包括行業、收入、員工人數和位置。
• 代際細分：企業可以按代對消費者進行細分，並將他們分為幾類，包括 Z 一代、千禧一代、X 一代、嬰兒潮一代和沈默的一代。 這些世代被認為具有某些偏好、行為、個性特徵和信仰。 當然，並不是每一代人都是一樣的，但是代際細分可以讓你對你的受眾有更多的了解。
• 生命階段細分：您還可以根據他們在生活中的位置將您的市場細分。 上大學、結婚和生孩子是需要考慮的關鍵生活事件的例子。 不同人生階段的人需要不同的東西。 例如，即將成為大學生的學生可能需要公寓家具。 新父母將尋求購買嬰兒食品。
• 季節性細分：與人們在生命的不同時期購買不同產品的方式類似，人們也在一年中的不同時間購買不同的物品。 聖誕節和光明節等重大節日也會對購買行為產生重大影響。

如何為初學者做客戶細分

第 1 步：選擇正確的測量值

為了讓您了解如何開始進行客戶細分，這裡有一個四步指南。

第 2 步：選擇正確的工具。用於客戶細分

谷歌分析

• Google Analytics 允許您創建詳細的客戶細分。 您可以在受眾選項卡下找到大量人口統計數據，以及有關訪問者（其他）興趣的一些信息。 單擊“添加細分”以添加您想要的任何細分並跟踪......
• 谷歌分析允許您分析您的流量和網站流量。 標籤行為和獲取是準確了解訪問者在您的網站上花費時間的地點、時間和時間的好地方。 您可以花一些時間玩弄它，看看是什麼吸引了您的觀眾並保持他們的興趣 - 並確定可以改進的領域。
• 谷歌分析允許您設定特定的目標和測試解決方案。 一旦您對網站需要改進的部分有了基本的了解，您就可以轉到轉換選項卡並為自己創建新目標。 有四個類別：目標（訪問單個頁面）、持續時間（在頁面上花費的時間）、每個會話的頁面/屏幕（點擊率）和事件（頁面上的特定操作）。 為獲得最佳實踐，請嘗試將微轉化目標與宏轉化目標相匹配。
• 如果您希望投資於更深入的分析，您可以嘗試一些替代方案，例如 Mixpanel、Kissmetrics 或 Amplitude。

臉書洞察

Facebook 受眾洞察可為您提供大量有用的人口統計和心理數據。 此外，如果您在網站上使用 Facebook 像素，您也可以跟踪行為數據。 以下是一些可用於客戶細分的 Facebook 數據類型：

• 人口統計。
• 地理。
• 性別。
• 時間用戶處於活動狀態。
• 設備。
• 興趣。

第 3 步：從數據中獲取見解

這讓我想到了下一點，也許是最重要的一點。 雖然心理學已經收到了相當多的嗡嗡聲，但仍然有一個部分是大多數使用心理學的人往往會忽略的：

通過鏈接回心理學理論，使您的見解具有可操作性。 深入了解您的數據集。

• 你認識任何行為模式嗎？
• 你能把它們與特定的消費者特徵聯繫起來嗎？
• 你能將這些特徵和模式與任何相關的心理學原理相匹配嗎？

想想你如何在你的文案中包含這些原則。

通過設置實驗來調查您的假設是否正確。 當然，不言而喻，您只能通過嘗試來判斷某些東西是否有效。 根據您的新行動計劃對您的網站進行調整，看看有什麼效果（如果您想知道如何用營銷心理學支持您的發現，請閱讀本指南）。

第 4 步：測試、測試、測試

因此，您做了基礎工作，在您的網站上測試了一些新策略，並更多地了解了您的客戶。

雖然有大量證據表明我們的心理傾向至少有一部分是天生的，但我們的大多數人類行為都是動態的。 我們思考、行動或感受的方式會隨著時間和不同的情況而改變。 這種變化會導致不同的購物狀態，這是您分析過程中要考慮的另一個因素。

商業模式畫布和客戶細分

至此，您將了解客戶細分的重要性以及細分客戶的不同方式。

商業模式畫布的第一塊是客戶細分，這可能並不奇怪。

第二塊是價值主張。

簡而言之，每個偉大企業的核心都是生產客戶想要的東西，換句話說，為他們提供價值。 Alexander Osterwalder 和 Yves Pigneur 深信這兩個模塊的重要性，他們隨後又出版了一本名為“價值主張畫布”的書。

在本指南中，我將介紹如何填寫價值主張畫布。

GDPR 的最後一點

最後一點：確保您的數據收集和分析工作是適當的、有價值的、可操作的、非侵入性的並且符合 GDPR - 這樣，每個人都會贏！