CRM客户关系管理系统-怡海软件

免费试用400-821-5041

CRM新闻

客户细分第四步:分析和优先级排序(六)

时间: 2021-04-06来源:怡海软件

       客户细分指南中的这一步骤将帮助您进行必要的数据分析,以评估和优先考虑您的更佳客户群体。

       为了帮助您确定更佳的当前客户群,我们把客户细分分为五个明确的步骤,从设置项目到执行客户数据分析,数据收集,客户细分分析和优先级排序并将结果贯彻到您的组织战略中。我们将为您检查,并引导您完成每个步骤。

       客户细分过程的下一步是分析和验证您已确定的细分假设。此分析将需要有关您当前客户群的大量数据,因此您将需要制定数据收集计划和研究过程。

       一旦收集了必要的数据,您就可以分析和验证每个假设,从而帮助您确定细分观念是对还是错。这样做之后,分析经过验证的假设关系也很重要。这些细分方案的综合是结合了每个经过验证的细分假设的更佳客户的全面细分。这样做的结果是,细分市场不仅被分析证明是具有吸引力的,而且是直观且目标明确的,以发展和执行针对他们的细分重点战略。

       执行数据分析以识别相关变量并验证假设
       现在是时候分析数据以验证或拒绝每个细分假设,并揭示它们之间的关系的时候了。有几种不同的方法可以做到这一点。

       轻量级聚类分析
       如果您的客户群很小,或者细分假设的清单很短,那么您可以采取的一种方法是,通过系统地审查与假设因素相关的客户排名,来进行轻量级聚类分析,如下所示:  

       • 创建一个表,该表列出您正在分析的所有客户帐户及其质量得分,以及与您选择进行测试的细分假设相对应的每个帐户的数据字段。
       • 按质量得分对表格进行排序,然后系统地梳理一遍细分假设列表,以检查细分假设数据字段中的值与质量得分之间是否存在相关性。该关系不必是一对一的,甚至不是线性的,而是像下面这样简单:

       年收入超过500万元的所有客户都位于客户群的前10%,而年收入低于500万元的所有客户都位于客户群的后20%。

       这一观察结果往往足以让人相信,事实上,特征X可能是客户质量的一个很好的预测器。

       一旦使用上述步骤验证细分假设,请根据与该假设相关联的变量对整个表格进行排序。这样做可以进行分析,以查看所讨论的细分变量是否真正有效地将大客户与其他客户区分开。这种分类过程将导致对客户群的明确细分,“好”客户不成比例地代表了一个细分市场。

       通过执行上述步骤,您将验证细分假设并临时审查由一个或多个假设形成的不同细分。

       当您有更多的资源和时间用于分析时,或者要分析的客户帐户很多时,可以使用下面列出的第二种方法。

       基于树的聚类分析
       首先根据帐户质量得分将数据划分为四分位数,以使您较好的四分之一客户标记为“A”级客户,将较差的四分之一标记为“ D”。如果您正在与大量的客户(即数百个)打交道,您可以把它们分成十分位数。

       现在,使用收集的每个代理变量的平均值查看每个四分位数(或十分位数)的特征。在哪些变量中,A的哪些变量看起来与D的明显不同?有没有可以立即应用到您身上的模式?

       采取数据中较明显的模式,下一步是在数据中创建一个分支来说明这一点。结果将是一份有吸引力的细分市场列表,以供进一步分析,这提供了以下优势:
       • 它将作为缩小回归分析到只有几个相关变量的基础。
       • 树形结构是一种视觉上很吸引人且符合逻辑的观察数据的方式,它将帮助您在项目的演示阶段将您的结论传达给利益相关者。
       • 这将帮助您确定回归分析无法正确捕获的临界点。

       在此分析阶段,还需要牢记一些其他要点:
       • 您用作第一个决策点的字段(在上面的示例中,“公司向企业销售?”)非常重要,可以显著地塑造您其余的决策树。尝试使用不同的细分方案进行试验,以查看是否可以在每个决策点生成更大的细分。

       • 通常,当节点之间的差异不再相关或每个节点内的公司数量过低时,停止添加其他分支。例如,如果您已将100家公司的列表划分到50个不同行业中,则每个行业的两个样本量并不能令人信服。您应该结合行业来创建更大的区域,或者考虑基于其他变量进行细分。

       通过回归分析加强假设验证
       使用上述任何一种方法找到细分变量后,您都可以使用回归分析对这些假设进行数值验证,从而进一步推进这一过程。

       从大量变量开始,这也许与数据集的初始四分之一相关。 对那些以帐户质量得分作为因变量的变量进行多元回归。回归的结果将使您能够识别出无关紧要的变量(无论如何与质量得分均不相关的变量),以及彼此之间相关性太紧密而无法同时包含在分析中的变量。消除这些变量,然后重新运行分析,直到获得一组重要但彼此基本独立的变量,这些是针对该项目的最终细分变量。

       对您在先前数据中标识的不同细分运行单独的回归分析也可能是有利的。例如,前面的树形说明B2B公司可以很好地根据员工进行细分。但是,B2C公司可能会根据另一个变量进行更好的细分。因此,对B2B和B2C公司分别进行回归分析可能会产生比将它们全部包含在一个单一模型中更好的结果。

       评估复合细分
       因为基于价值的细分是一个预测过程,任何最终的细分方案都可以作为客户质量的预测模型进行评估。为了得出更合适的细分方案,我们可以使用一种叫“提升图”的计划来比较不同的复合细分。

       提升图通过比较在该模型上得分高的客户也是好客户的可能性来显示评分模型的预测能力。提升率是指根据历史数据,由该模型获得高分的客户实际上是一个好的客户的可能性提高了。如果这个模型完全没有预测能力,则可能性本质上是随机选择的对象,其提升率为零。

       例如,使用此细分方案,建立的质量评分,可以有效地预测一个潜在客户是否会落在我们客户群的前25%之内。衡量此预测能力的方法是将预测模型应用于现有客户群,以此为基础,并查看实际前25%的客户中有多少百分比属于该模型中前25%的客户。

由于实际质量得分会包含仅在潜在客户成为客户之后才可用的信息,因此我们不太可能完美地预测这一点,但我们越能接近准确的预测前25%的顾客就越好。

       进一步扩展此分析,我们计算了根据所讨论的预测模型排名的任何实际的前X%的客户群所捕获的实际前25%的客户中有Y %的客户。 计算每个X从0%到100%的Y值,然后将Y与X的对比绘制成折现图,这就是模型的“提升图”。

提升图.png

       要了解这些图表如何帮助在视觉上比较它们所基于的预测模型和细分方案,请首先查看较坏的情况和较好的情况。

       首先,我们有一个基线模型,它是一条斜率等于1的直线。这是一个完全没有预测的模型,我们需要重新审视整个客户群,以找出排名前25%的客户。另一方面,完美的预测模型假设进行了完美的预测,根据该模型,客户群中排名前25%的客户与实际排名前25%的客户相吻合。

       模型1和模型2是不完美的模型,其提升力略有不同。模型一具有更好的提升力,因为它高于基准模型,并且更接近完美的预测模型。根据模型一,排名前50%的客户掌握了实际排名前25%的客户。相比之下,模型二中排名前90%的客户也获得了同样的排名前25%的客户。模型一显然比模型二具有更好的预测能力。

       最终,回归分析和提升图分析的结果可能过于技术化和详细化,无法包含在向利益相关者进行的演示中。但是,执行这一分析,以验证决策树的结果是否得到可量化度量的严格支持,在细分方案之间进行选择以及将其保留为附录,以供任何对您的方法有更多了解的人员使用,这仍然很重要。

       综合验证过的细分假设,以形成不同的、同质化的高价值客户群体
       确定并验证了您的主要细分变量,甚至使用回归和提升图分析进行压力测试,您现在需要对这些细分方案进行有意义的综合,并确定更有吸引力的目标。

       您所得到的细分很可能是主要细分变量的组合,而结果段将被定义为细分变量的特定值的组合。但是,您标识的某些细分受众群也可以合并在一起,并且,并非所有定义的细分受众群都可以满足下列理想的细分市场特征:
       • 细分的定义是有意义且直观的。它们很有意义,不需要很多复杂的推理来定义。
       • 细分是明确定义的,最好使用可观察变量进行划分,这样就不需要花很多精力对客户进行细分。
       • 这些细分市场是可以使用现代通信和营销工具来解决的(这通常遵循前面的需求)
       • 这些细分市场足够大(就潜在客户数量或经济利益而言),可以被视为战略的组成部分。
       • 这些细分市场是可持续的,并且将继续成为市场的重要组成部分,其增长速度至少与整个市场一样快。
       列出上述特征的原因是,它们最终定义了可操作的细分市场,这与您可能通过前面的分析开发的分析定义和验证的片段相反

       根据经过验证的细分假设在选择或定义细分时要权衡的主要因素是彻底性与实用性。例如,在分析阶段,您可能已经确定了六个可以预测客户成功的重要特征,所有这些特征都可能以一种复杂的方式相互作用(例如,B2B公司通常需要超过500名员工才能成功,而B2C公司只要拥有超过100名员工就可以成功)。将这种复杂性完全纳入您的细分计划中可能会导致过于复杂,分散的细分受众群使您无法瞄准目标而且规模不够大,不值得在细分战略上投资。

       为了减少这种复杂性,您应该专注于较少数量的细分,这些细分可以更充分地满足上述条件列表。尽管您会忽略不那么重要的变量而失去一些准确性,但您的更佳见识将对组织更加有力和有用。因此,即使您可能已经验证了许多不同的假设,也应该进行综合以使最终的细分方案仅取决于几个细分变量。拥有更多变量将不必要地使您的结果交付以及随后针对确定的细分市场的工作复杂化。

       评估细市场的价值,目标和规模,以确定更佳细分市场的优先级
       一旦您达到了一个满意的整体细分方案,最后要做的分析就是评估所得的细分,并根据以下方面对更有希望的几个细分进行优先级排序:

       客户质量:通过客户平均得分来衡量,这是该该细分市场中所有客户的得分分布,以及该细分市场中最低和最高分数的客户。
       细分规模:对具有部分定义特征的所有潜在客户的总经济价值的粗略估计。真正的细分市场规模分析超出了本文档的范围,并且通常是不必要的。通常情况下,你只需要找到该领域潜在客户数量的一个近似值,或细分市场的普遍率,就可以合理地了解细分市场的规模。
       细分市场的增长:关于该细分市场规模和吸引力的未来趋势的大概迹象。
       通常,鉴于所分析的细分市场数量有限,并且您在对细分方案进行分析和综合时已经确定并加强了区分,因此,较好的细分市场的选择是明显的。但是,由于新的因素被发现或合并到优先排序过程中,因此反馈过程可能会导致轻微的优先级变化。

       此外,鉴于您应该首先关注更重要的细分市场,您还应该把您的综合重点放在定义构成您的更佳客户群体中很大一部分的少数细分市场上。段的数量完全取决于项目的范围以及结果展示的方式。但是,您定位的细分市场可能不应超过总客户群的25%至50%,以帮助您有意义地将目光聚焦在更具吸引力的目标上。

       通常,这意味着在最终建议中实际上只关注两个或三个较重要的细分市场。


       了解更多:

       客户细分第三步:数据收集(五)

       客户细分第二步:分析客户资料(四)
       客户细分第一步:设置客户细分项目是(三)
       客户细分:有什么好处?(二)