Loading AI tools
来自维基百科,自由的百科全书
市場區隔(英語:Market segmentation)是經濟學和市場學的一種概念,指將個人或機構客戶按照一個或幾個特點分類,使每類具有相似的產品服務需求。一個真正的市場區隔滿足以下所有標準:各個區隔不同(不同區隔有不同需求),同一個區隔內部相同(具有相同需求),對市場刺激做出相似回應且對市場干預有反應。當具有相同產品服務需求的消費者被分成不同組支付不同價格時也使用這個詞。大致可以把它們認為是對同一個詞的「正面」使用和「負面」應用。
![]() | 此條目可參照英語維基百科相應條目來擴充。 (2022年5月18日) |
此條目需要補充更多來源。 (2022年5月18日) |
市場區隔是公司把市場區隔為不同的需求、欲望、行為或需要不同產品和服務的不同組的過程(Aminjonov Mirhabibjon, "Marketing Introduction" 2009)。大致上,市場可以按照一些大類別區隔,如行業、公有或私有。儘管企業市場區隔和消費者市場區隔和不同,二者目標相同。所有這些區隔方法都是真正區隔的近似值,因為真正區分不一定是按照方便的統計區域來的。
消費者市場區隔可以以一個產品為基礎,藉以使產品和個人更好地匹配。然而,存在內在的市場區隔系統。例如,Claritas Prizm系統將美國人口按照郵區編號的統計分析區隔。
區隔的過程和確定目標(選擇要針對的區隔)及定位(為每個區隔設計適當的市場營銷組合)不同。它的意圖是分辨相似的顧客和潛在顧客群,把這些群按要針對的先後順序排序,理解他們的行為,以適當的滿足特定區隔的偏好的市場戰略做出回應。這樣就能增加收入。
好的區隔可以帶來好的市場營銷效果。不同區間可能有不同的行業結構和或高或低的吸引力。有了正確區分,可以購買正確的產品、擁有更好的廣告效果、提高顧客滿意度。
好的市場區隔要求以下幾點:
當使用不同變量加深對一個區間的理解時,我們稱之為深度區隔。當有足夠多的信息清楚地描述一個區間裏的一個典型成員的時候,我們稱之為購買者概況。當這個概況只包括人口統計數據時,我們稱之為人口統計概況(或簡稱為「人口統計」)。經常用來確定一個概況的統計方法叫做聚類分析。其它用來識別區間的技巧包括CHAID、回歸CHAID和判別分析。另外,區間還能通過離散的選擇方法如選擇聚合和最大區別縮放等來直接從消費者偏好做模型。
George Day (1980)將區隔模型作為自上而下的方式:從整個人口出發,分成不同區間。他還發現了一個他稱為自下而上的方式的模型。利用這種方式,你從一個消費者出發,以他的概況為基礎建立區隔。這通常需要使用一個客戶關係管理軟件或者相似的數據庫。建立現有顧客的概況並進行分析。使用聚類分析等技巧建立人口統計、行為和心理位置圖。這個過程通常稱為數據庫營銷或者微觀營銷。在特別零散的市場裏使用它特別恰當。McKenna (1988)說這種方式將每個消費者都當成一個「微觀多數」。Pine (1993)在他成為「一個區間營銷」中使用了自下而上的方式。通過這種方式可以進行大眾定製。
組織通常將區隔用來保留顧客和確保他們:
這種以保留為目的的區隔的基本方法是公司給每個活躍的顧客貼上三個標籤:
一個最普通的高風險顧客的純量是不再使用公司的服務。例如,在信用卡行業,當顧客不再使用該卡消費時,這就是一個訊號。
這個決定最終取決於可預見的顧客保留後產生的利潤是否超過用來保留顧客的成本。
對於值得保留的顧客,公司知道什麼保留戰術最有用很重要。通常使用的戰術包括給予特殊的顧客折扣或者向顧客寄發加強特定服務價值提議的資料。
最基本的方法是使用歷史保留數據對活躍的顧客做出以下預測:
也就是將這些活躍的顧客和歷史保留數據中有相似特質的顧客相匹配。這種方法利用了「物以類聚」的理論,它的假定是活躍的顧客和以前相似的人都有相似的保留結果[2]。
從技術角度看,這個區隔過程通常通過預測分析和聚類分析的組合來完成。
當存在壟斷時,產品的價格通常比競爭市場裏的更高,賣出的量更少,產生壟斷利潤。如果可以將市場區隔並對不同區間實行不同定價(稱為價格歧視),對願意並能夠付高價的顧客出高價;對力求價格彈性的顧客出低價,這個利潤更高。實行價格歧視的公司可能不得不建立比率圍欄阻止高價格區間的顧客以較低的價格購買低價格區間的顧客才能享有的產品。這種行為在壟斷者來看是理智的,但是競爭權威們認為無論壟斷被禁止與否這都是對壟斷地位的濫用。交通領域就有這樣的例子(在特定時間到達一個地點的飛機或火車旅行就是一個事實上的壟斷)。服務基本一樣,商務艙的顧客付出的價格比經濟艙高。根據銷售市場不同,微軟和影音行業也將相似產品的價格定得非常不同。