第二节 市场细分与客户细分

做好市场细分与客户细分是开展电信营销的基础工作。市场细分与客户细分存在不同目标，市场细分的目标是定位目标市场，为面向目标市场的产品策略做准备。企业通过从某种维度细分市场，寻求产品切入的目标市场，或者寻求开发新产品面向的目标市场。

客户细分为客户服务和客户经营奠定基础，其目标是提高客户服务满意度、忠诚度，从而提升客户价值。企业通过对自身产品已经覆盖的用户群和潜在用户群进行细分，分析客户价值和消费特性，提升产品针对性，提高产品在已经确定的目标市场中的市场份额或渗透率。

一、市场细分

所谓市场细分，就是按照一定的基础和标准，把一个市场划分为若干部分，其中每一部分的客户都具有较高程度的同质性，与其他部分的客户具有较大的异质性。在市场营销中，很少有一个产品能够同时满足所有客户的需要。既然只能满足一部分客户，企业就必须知道哪些客户对自己来讲是最有价值的、他们的具体需求是什么、如何才能接近他们。市场细分的目的就是从各个细分的消费者群当中辨认和确定目标市场，然后针对客户特点采取独特的产品或市场营销战略，以求获得最佳收益。

（一）市场细分原则

市场细分的方法多样，可以从很多维度进行。究竟采用何种市场细分方法，首先应当遵循如下原则。

1．可衡量性

该细分市场的用户规模和基本情况应当能够加以衡量和推算，否则不能作为细分市场的依据。

2．可实现性

企业所选择的目标市场易于进入，企业营销工作有可行性，企业的营销组合通过适当的营销途径必须能达到目标市场等。

3．可盈利性

所选择的细分市场有足够的需求量且有一定的发展潜力，能使企业赢得长期稳定的利润。

4．可区分性

指在不同的细分市场之间，在概念上可清楚地加以区分。

我国运营商大多首先对客户属性进行市场细分，如集团客户市场、家庭客户市场、个人客户市场等；还可能进一步细分市场，如将集团客户又分为党政军客户、行业客户、中小商业企业客户（聚类客户）等。有的地方运营商还可能按照业务性质进行市场细分，如固网业务、移动业务、增值业务等。

（二）市场细分维度

依据变量维度的多少，市场细分包括单一变量维度、多变量维度和系列变量维度等。

1．单一变量市场细分

只采用单一变量进行市场细分，如只采用年龄或性别等变量。这种市场细分方法一般在企业具有显著市场影响力或者市场垄断地位的情况下采用。

2．多变量市场细分

用多个变量对市场进行划分。当然一般采取的变量个数不宜过多，如同时采用年龄、教育程度等变量进行市场细分，构成市场细分矩阵。

3．系列变量市场细分

采用系列变量市场细分是结合上述两种方法的优点，首先使用单变量细分，然后选取认为有很大机会的子市场，再从子市场影响因素中选择最有影响的细分变量进行细分，可以进行多个层次细分。

案例

韩国SKT市场细分

韩国最大的移动运营商SKT针对不同年龄段并结合性别特征，对移动市场进行细分管理，分别设计了不同的客户子品牌（见表1-1）。

（三）市场细分步骤

市场细分步骤主要如下。

1．选定产品市场范围

公司应明确自己在某行业中的产品市场范围，并以此作为制定市场开拓战略的依据。

2．列举潜在客户的需求

可从地理、人口、心理等方面列出影响产品市场需求和客户购买行为的各项变数。

3．分析潜在客户的不同需求

公司应对不同的潜在客户进行抽样调查，并对所列出的需求变数进行评价，以了解客户的共同需求。

4．制定相应的营销策略

调查、分析、评估各细分市场，最终确定可进入的细分市场，并制定相应的营销策略。

市场细分应基于市场调查。市场调查的内容很多，有市场环境的调查，包括政策环境、经济环境、社会文化环境的调查；有市场基本状况的调查，主要包括市场规范、总体需求量、市场的动向、同行业的市场分布占有率等；有销售可能性的调查，包括现有和潜在客户的人数及需求量、市场需求变化趋势、本企业竞争对手的产品在市场上的占有率、扩大销售的可能性和具体途径等。

（四）市场细分与产品策略

做好市场细分的目的，是让企业能够针对细分市场制定合适的产品策略，包括产品定位、产品功能设计、产品资费设计等。对于市场细分与产品策略组合，有“战略管理之父”之称的美国管理学家安索夫博士于1975年提出的安索夫矩阵，便是一个最简单的市场细分与产品策略组合，也是应用广泛的战略分析工具之一。

安索夫矩阵（见表1-2）以产品和市场作为两个基本维度，区别出4种产品/市场组合和相对应的营销策略。二维矩阵代表企业可以选择4种不同的成长性战略，来达到增加收入的目标。

1．市场渗透（Market Penetration）策略

是以现有的产品面对现有的客户，以其产品市场组合为发展焦点，力求增大产品的市场占有率。采取市场渗透的策略，借由促销或提升服务品质等方式来说服消费者改用不同品牌的产品，或者说服消费者改变使用习惯、增加购买量。例如，中国移动为了增大在移动市场的覆盖率，针对不同市场先后推出了多种移动业务品牌等。

2．市场开发（Market Development）策略

是利用现有产品开拓新市场，企业必须在不同的市场上找到具有相同产品需求的客户，其中产品定位和销售方法往往会有所调整，但产品本身的核心技术则不必改变。例如，中国移动基于移动通信技术开展无线固话业务，拓展家庭客户和政企客户市场。

3．产品延伸（Product Development）策略

在现有产品基础上推出新产品给现有客户，采取产品延伸的策略，利用现有的客户关系来借力使力。通常是扩大现有产品的深度和广度，推出新一代或是相关的产品给现有的客户，提高该产品在消费者荷包中的占有率。例如，中国电信基于宽带网络线路提供IPTV业务。

4．多元化经营（Diversification）策略

提供新产品给新市场。在这种情况下由于企业的既有专业知识能力可能派不上用场，因此是风险相对较大的策略。多元化经营成功的企业多半能在销售、通路或产品技术等方面有效取得协同效应（Synergy），否则将面临风险。

二、客户细分

客户细分是20世纪50年代中期由美国学者温德尔史密斯提出的，其理论依据在于客户需求的异质性和企业需要在有限资源的基础上进行有效的市场竞争。客户细分是指企业在明确的战略业务模式和特定的市场中，根据客户的属性、行为、需求、偏好以及价值等因素对客户进行分类，并提供有针对性的产品、服务和销售模式。

客户细分方法的根本差别是细分维度。不同细分维度的细分依据、所需的细分技术不同，导致不同的细分方法有着不同的适应性。以下讨论的客户细分维度包括基于统计特征、基于生活方式、基于消费行为以及基于客户价值的细分。

（一）基于人口统计特征的客户细分

人口统计特征细分是最重要的细分维度之一，也是最直观、最简单的客户细分方法。人口统计细分主要从年龄、籍贯、性别、家庭规模、家庭收入、受教育程度、种族、宗教、国籍等因素对客户进行细分。对于大多数商家而言，其产品只能覆盖有限的地区、有限的客户，不同客户存在显著的差异性。人口统计特征细分客户的优点是客户的属性特征明显；由此进行细分的客户群也界限明显；但缺点是用户群细分比较粗放，这些用户拥有的共同消费性特征的概率可能并不大。如果企业按照这种统计特征来细分客户群并进行产品设计，产品虽可能具有比较广泛的通用性，却可能因为面临产品差异化不足而难以拓展市场的难题。

（二）基于生活习惯和偏好的客户细分

通过生活方式、习惯和偏好的背景来识别并细分客户，这种方法也常用于客户研究中。在基于生活习惯和偏好的客户细分中，企业不是简单利用客户的显性统计特征来细分客户，而是利用一种隐性的生活与习惯偏好特征来细分客户。这些生活与习惯偏好特征需要企业开展市场调查来获取，它们可能与某些人口显性特征有一定关系，也可能不存在什么关系，因此需要企业做比较细致的数据收集、分析和研究工作。如喜欢某类小说、某类游戏、某类影视剧的客户，或者具有某类心理特征的人，都可能成为企业某类产品的适用对象。

异业案例

全聚德前门店客户细分

全聚德前门店每个餐位创造的销售收入在餐饮业中都处于领先水平。该店要求服务员在客户进门时判断其属于哪种类型，并针对不同类型的就餐客户提供不同的服务对策。他们按照人的4种不同气质类型把客户分为4类：活泼型、安静型、兴奋型、敏感型。对活泼型客户，服务员在可能的情况下，应主动与之交谈，但不应有过多重复；应多向他们提供新菜信息，并尽可能让他们主动选择；遇到他们要求退菜的情况，尽量满足。对安静型客户，领位服务时尽量安排他们坐在较为僻静的地方，点菜服务时尽量向他们提供一些熟悉的菜肴；顺其心愿，不过早表述自己的建议，给他们足够的时间进行选择，不过多催促，不同他们进行太多交谈或表现得过于热情，把握好服务的度。对兴奋客户，点菜服务时尽量推荐新菜，主动进行现场促销，但不与他们争执，万一出现矛盾应避其锋芒；在上菜、结账时尽量迅速，就餐后提醒他们不要遗忘所带物品。对敏感型客户，领位时尽量安排僻静处，如果临时需调整座位，一定要讲清原因，以免引起他们的猜测和不满；服务时注意尊重他们，服务语言应清楚明了，与他们谈话恰到好处，在他们需要服务时要热情相待。

（三）基于消费行为的客户细分

基于消费行为细分的基本假设是用过去的行为来预测将来的行为。随着数据库技术的发展，客户细分领域出现了以行为模式数据为基础、以信息技术为支撑的细分方法，具体操作是通过分析数据库中现有客户已经发生的消费行为模式对客户进行分类。消费行为细分是一种便捷的方法，随着计算机分析数据应用的普及和大数据营销的推广，这种细分方式越来越多地被采用在产品设计与开发中。不过基于消费行为细分客户是以历史数据为基础的，有时难以对潜在客户或未发生消费行为的客户进行识别和评价。

异业案例

加拿大皇家银行利用客户细分提升客户价值

加拿大皇家银行RBC在利用数据挖掘客户需求和细分市场方面取得了卓越业绩。RBC原来只有三个客户细分类别：高利润回报类客户、中等利润回报类客户以及较低利润回报类客户。后来RBC建立了超过80种客户分类模型的数据库，主要用三个衡量指标：利润回报潜力、现金收益率以及客户的生命周期。每一个可盈利细分组的盈亏均由一位高级经理负责，银行为直接接触客户的员工提供非常具体的、有实际操作作用的数据。例如，RBC研究消费者信用卡信息时，发现有一部分人在冬天几个月迁徙到美国佛罗里达，以躲避难熬的加拿大寒冬。RBC美国分公司开发出“候鸟套餐”，包括提供旅行健康保险、申请加拿大基金的便利通道、在线综合账目查询、实时资金划拨服务，还可以利用加拿大信用记录在美国申请抵押贷款，通过免费电话咨询跨国银行业务，并将此提供给美国的个人银行销售。此项细分战略帮助银行在该细分类别的每个客户在产品购买量方面超出了行业的平均值，每个客户净收益增长率达到250%，客户的流失率下降了45%。再如，RBC的客户分析人员从用户数据中发现，医学院和牙科学院的学生及实习医师是很有潜力的一个群体，他们在毕业后有相当一部分成为“摇钱树”。于是RBC整合推出一项计划，专门针对资金吃紧的年轻专业医师的需要推出相应的服务，其中包括为医学院提供学生货款、新从业时为购置医疗设备提供贷款。结果一年内RBC在该客户群体中的市场份额由2%跃升至18%，每个客户收入是行业平均值的3.7倍，并且客户流失率很低。

（四）基于客户利益动机的客户群细分

这是最先由Haley等（1963年）提出的客户细分方法，是基于因果关系分析客户利益因素，利用客户的动机、态度和行为来挖掘客户背后的真正利益，从而找到产品价值的切入点。这里提到的利益是一个相对宽泛的概念，它可以是客户偏好的产品或者服务的特征，也可以指客户实际的价值。基于客户动机细分构建的是因果关系模型。客户的人口统计学特征、行为特征、心理特征等因素都可能是其中产生因果关系的因素。这种方法相比于以客户属性细分市场而言，要求更高，细分方法也更丰富，如联合分析法、因子分析法等。

基于不同的客户进行维度细分各有千秋，各有优劣，仅依靠单一的细分维度很难取得理想的细分效果，往往需要通过几个维度的相互补充才能使细分市场同时达到差异性、可衡量性、可达到性、足量性和行动可能性等准则要求。比如，新产品的开发和定位、品牌形象塑造、渠道模式选择和宣传计划等，往往同时需要企业从多个维度包括人口统计特征、生活习惯与偏好、客户利益动机等来综合分析。

案例

某地运营商客户细分方法

某地运营商在咨询公司的帮助下，对移动客户群主要采用ARPU法、消费行为法、消费心理法进行客户细分（见表1-3）。通过多个维度的客户细分，对客户群进行分析和交叉研究，然后采取针对性的客户服务策略。

（五）基于客户价值的市场细分

客户细分是为了做好客户服务和客户经营，根本目的是提升客户价值。美国著名营销学者隋塞莫尔（Valarie A. Zeithaml）、勒斯特（Roland T. Rust）和兰蒙（Katherine N. Lemon）认为，管理人员可以根据企业从不同的客户那里获得的经济收益，把客户划分为几个不同的价值类别，并理解不同类别客户的需要，为他们提供不同的服务，可明显地提高本企业的经济收益。他们于2002年提出了“客户金字塔”价值模型。企业根据潜在的忠诚客户和客户的终身价值，把客户分为白金客户、黄金客户、铁客户和铅客户4类。

白金客户（“顶尖”客户）是与本企业目前有业务往来的前1%的客户；黄金客户（“大”客户）是与本企业目前有业务往来的随后4%的客户；铁客户（“中型”客户）即与本企业有业务往来的再随后15%的客户；铅客户（“小”客户）即所剩下的80%的客户。也有人在4类客户基础上将非活跃客户、潜在客户等纳入客户金字塔（见图1-1）。

一般衡量电信运营商的客户服务和客户经营水平的主要指标是客户满意度和客户忠诚度，量化数据是客户离网率、客户投诉率；反映运营商客户价值的是客户ARPU和在网时长。基于客户细分，电信运营商都建立了星级客户或VIP服务体系，使价值高的客户能够享受到更好的服务；同时在客户价值经营中，有的运营商基于客户细分，对不同客户群建立了不同的客户关怀和维系政策。

案例

某地运营商基于客户价值的客户细分

某地运营商基于客户价值分析，将客户群简单地分为4类：高语音高数据、高语音低数据、低语音低数据和低语音高数据，并针对不同客户细分群体采取相应客户服务和客户经营策略（见图1-2）。

客户细分是运营商进行客户关系管理（Customer Relationship Management, CRM）的基础。客户关系管理理论也是一种营销理论，在电信行业具有广泛的影响和应用。CRM主要是通过围绕客户生命周期发生、发展的信息归集，并对客户详细资料进行深入分析，来做好客户服务和客户经营。客户关系管理的核心是客户价值管理，即满足不同价值客户的个性化需求，提高客户忠诚度和保有率，实现客户价值持续贡献。围绕CRM客户价值分析，出现了不少分析模型和工具，比如常用的RFM模型是用作衡量客户价值的一种工具和手段。该模型通过一个客户的近期购买行为、购买的总体频率、消费金额三项指标来描述该客户的价值状况。

（六）基于聚类分析的客户细分

聚类分析指将物理或抽象对象的集合分组成为由类似对象组成的多个类的分析过程，因此也可以应用到客户细分中。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。现在许多聚类分析工具已被加入到计算机统计分析软件中，如SPSS、SAS等，将聚类分析和计算机数据挖掘有效结合起来，大大减小了聚类分析的复杂度。

根据聚类分析方法对电信客户进行细分，首先需要利用通信消费行为数据库选取客户属性特征、通信行为、消费资料等数据建立分析模型，采取一定的聚类算法对用户群进行细分，划分为若干个客户细分群。这些客户细分群显现出多个维度数据组合特征（见图1-3）。

聚类分析现在是一个很活跃的研究领域，研究者提出了许多聚类算法。传统的聚类算法大致可以分为5类：划分算法、层次算法、基于密度算法、基于网格算法和基于模型算法。

1．划分算法（Partitioning method）

这种方法是首先创建k个划分，k为要创建的划分个数；然后利用循环定位技术将对象从一个划分转移到另一个划分，以改善划分质量。典型的划分算法包括K-means、K-medoids、CLARA、CLARANS等，其中K-means是最常用的聚类分析方法。

2．层次算法（Hierarchical method）

是创建一个层次以分解给定的数据集，可以分为自上而下（分解）和自下而上（合并）两种操作方式。为弥补分解与合并的不足，层次合并经常要与其他聚类方法相结合，如循环定位。典型的层次算法包括BIRCH、CURE、ROCK、CHEMALOEN等。

3．基于密度算法

根据密度完成对象的聚类，根据对象周围的密度（如DBSCAN）不断增长聚类。典型的基于密度算法包括DBSCAN、OPTICS等。

4．基于网格算法

首先将对象空间划分为有限个单元以构成网格结构，然后利用网格结构完成聚类。典型的有STING、CLIQUE等。

5．基于模型算法

假设每个聚类的模型并发现适合相应模型的数据。典型的基于模型算法包括COBWEB、CLASSIT等。

案例

某地运营商基于聚类分析的客户细分

某地运营商利用数据挖掘技术，对移动用户进行细分管理。其中采取K-means算法建模划分出15个细分客户群（见表1-4），并对每个细分群采取针对性的经营策略。