「任憑弱水三千,我只取一瓢飲」此文出自於中國文學名著《紅樓夢》,意思就是說,雖然弱水這條河流長達三千里,水量非常充沛,但從我的需求來看,我只要舀其中小小一瓢來喝就好。將這段話套用於現今的商業思維也相當到位,我們大多數接觸的企業資源和時間都是有限的,為了要在競爭激烈的環境中存活,不見得需生產一個任何人都「想要」or「喜愛」的產品,嘗試反其道而行,使用適當的市場區隔,找出某一部分人有需求的東西即可,反正需求的量體夠大,就有辦法在市場中生存下來。
市場區隔是什麼?
在定義上,「市場區隔」是一種分類程序,一種將整體(市場)區分成部份(子市場)的方法(出自
消費者行為市場分析技術:數據演算如何提供行銷解決方案),而以網路分析的面向來看,「區隔」就是將客戶資料依照不同的維度、屬性變數來進行分組,除此之外,當發展到一定程度,「市場區隔」就會進化成「標籤化」,我們開始以組合後的屬性與行為組合替
「客戶貼標」,像是我們很愛形容的「白領族」、「草莓族」、「Z世代」等標籤。
一般來說,我們都會「假設」使用市場區隔的技術後,就能將某種相同特徵、輪廓與行為反應,分隔成不同的消費族群,而他們會對企業一系列的行銷策略做出相似的回應,且他們的回應方式又與其他的族群有很大的不同,因此,只要我們幫客戶所貼的標籤越多越細,就越有可能實現更精準的行銷模式,或者更進一步的達到個人化的精準行銷。
例如,汽車的TA就可以很清楚的區分為「小資族群」、「親子家庭」、「冒險越野」、「都市貴族」...等,而企業就會因應生產各系列的車款,而這些車款就會呈現出不同的品牌印象、價位區間以及功能訴求。
有效市場區隔的條件
延伸我們上面提到的,不論是採用機器學習或是屬性分類分群法,通常都假設結果後的群組存有完美的「組內同質」、「組間異質」,但從實務上看來,組內同質和組間異質僅僅做到「互斥」,最理想的狀態則是期待能做到「相互獨立,完全窮盡」(麥肯錫顧問公司提出的「MECE, Mutually Exclusive Collectively Exhaustive」概念)。主要原因就是,假如沒有相互獨立,市場區隔的效益就不容易完整實現,而沒有了完全窮盡,就容易忽略潛在的市場。
其實我們在進行市場區隔時,通常會應用一種叫做「側寫Profiling」的方式(這專有名詞源自於犯罪心理學,它主要是指依據警方所掌控到的線索,執行一系列推斷偵防罪犯背景與特徵的一種技巧),透過數據分析來描繪消費者的圖象,並藉著側寫的結果,找出目標群組與市場,另一方面,我們挑選出來的群組除了滿足「相互獨立,完全窮盡」的原則外,還需要符合以下由行銷教父Philip Kotler提出的五大標準:
- Differentiable:區隔後的市場,對於需求的差異有沒有不同。
- Measurable:區隔後的市場,是否夠具體,大小是否可衡量可進行推估。
- Substantial:區隔後的市場,是否具備一定的人口規模或經濟,量體是否夠大能讓公司獲利。
- Accessible:區隔後的市場,企業的產品或服務,有沒有辦法或機會進入。
- Actionable:區隔後的市場,能否發展可行的計畫與策略,是否有足夠的競爭力進入。
我們都愛用甚麼變數來區隔市場
一般來說,我們慣用的變數大致上可分為兩大類:
「特徵分群」通常又可劃分為固定與變動屬性,固定指的是固定不變的資料,如血型、性別、生日...等,變動則是會隨著時間而變化,如婚姻、年紀、收入、居住地...等;而「行為分群」我則習慣將它分成動機行為與結果行為,動機行為包括造訪頻率、開信率、點擊率、互動程度、加入我的最愛或放入購物車行為...等,而結果行為則會是購買商品的次數、會員身分、平均購買金額...等。
介紹幾個實做的區隔範例
對於GA操作不陌生的朋友,應該都相當清楚在GA普通報表的上方,可立即使用內建區隔的方式套用於報表中,而若想要發揮更強大的區隔分析功能,則還能特別活用自訂區隔。單以特徵分群來看,可根據「目標對象」或「客戶開發」報表中的值來輕易定義出一些區隔,如下圖:
比較棘手麻煩的環節,通常就是「行為分群」了,因為我們在開始行為區隔前,還需先準備好蒐集「合適的行為資料」,包含了各種事件設定(我特別提供了關於GA4事件的設定,可參考連結,而在未來我也會繼續分享更多GA4與GTM的事件設定技巧)。接下來,我會介紹幾位數據分析的大大所自建的區隔範例,給大家後續執行上作為參考。
假設我們經營一個專門推廣丹麥旅遊的網站,在三個月前,我們公司添加了一個新網頁,可從首頁標題連結「Top 10 Reasons to Visit Denmark This Year」過去。大家想知道此新網頁對增加登記郵寄名單是否有幫助。
因此,數據分析團隊依照了這需求,建立一個包含順序行為的區隔(備註:書中範例是以GA通用版的設定為主,我這邊特別進一步改用GA4的設定頁面做呈現)。我們為了要驗證測試假設:「【拜訪丹麥的十大理由】網頁會增加我們的電子郵件註冊量」。所以我們建立了一個帶有特定步驟順序的區隔,其中我們假設想知道的整個行為僅涵蓋同一個工作階段內,且順序步驟為「後面接著」,而不是「後面緊接著」,所以整個設定的示意就會如下圖。(Step2的事件名稱我們將item_reservation假設為電子郵件註冊,真實狀況則依個人設定命名為準)
假設我們想區隔「在同一階段內有瀏覽過三個頁面的目標受眾」,我們可以進行如下圖般的設定。
這邊的操作上,我們另外多做兩個設定,第一個是Membership duration調整為效期1日(再行銷效期:輸入將使用者保留在目標對象名單上的天數 〈1 到 540 天〉);第二個則是開啟Audience Trigger,在使用者符合加入名單的目標對象定義時觸發事件。
關於如何在GA4設定區隔和目標對象,Google官方文件有很詳細的範例說明,連結在此
使用典型的分群法RFM,進行顧客分群,通常以R越近越好, F越多越好,M越大越好做為高價值顧客的標準。
Recency:最近一次購買(或者是付費)時間;Frequency:一定時間內購買(或者付費)次數;Monetary:一定時間內購買(或者付費)總金額
以上就是幾種常用的「區隔」實際範例,如果還想要了解更多設置技巧,建議還可參考下面幾個Google官方連結:
小結
「區隔」其實就是學數據分析的人,最應該擁有的基本思維與技巧,我們在一般預設的彙整報表中,通常只能看出整體趨勢變化,可是卻很難找出隱含的問題點,唯有透過分析師觀察公司的商業模式、目標受眾、市場狀況,找出符合產品的區隔維度後,才能夠切割分解出有價值可執行的見解(Insight)。所以如何正確有效的使用「區隔」,才能引領公司找出更多背後的問題,而當發現的問題愈多,就愈能從資料找出更多的商業解答,因此,我們可以很果決地替文章下最後一個註解:
以上就是「區隔分析」的簡單介紹,如果有任何問題或建議,都歡迎留言一同討論。