/, Статистика, Услуги по Бренд аналитики/Обзор основных видов сегментации

Обзор основных видов сегментации

Оглавление

Сегментация бренда

Сегментация помогает принимать более эффективные решения и повышает прибыль целым рядом способов.

С ее помощью можно:

  • понять, что влияет на поведение потребителей в какой-либо категории товаров или услуг
  • выявить модели поведения потребителей и их мотивацию, а также установить их взаимосвязь с какими-либо характеристиками (например, демографическими)
  • увидеть, как позиционируются бренды в различных потребительских сегментах
  • определить, насколько бренды удовлетворяют существующие потребности потребителей
  • определить неудовлетворенные потребности
  • скорректировать существующее предложение товара таким образом, чтобы он соответствовал более широкому спектру потребностей потребителей
  • повысить качество новой разрабатываемой продукции; а также
  • повысить качество управления взаимоотношениями с клиентами

Несмотря на отсутствие общепринятых определений, существует по меньшей мере четыре сильно отличающихся друг от друга вида количественной сегментации.

Априорная сегментация составляет статистические портреты потребителей, которые помогают исследователям понять и спрогнозировать важные маркетинговые переменные, такие как использование бренда.

Апостериорная сегментация использует информацию, полученную в ходе опроса потребителей, данные о клиентах и иные источники для разбивки потребителей на относительно однородные группы.

Сегментация брендов выявляет кластеры брендов на основе потребительского восприятия или фактического покупательского поведения.

Сегментация драйверов определяет группы потребителей с различными приоритетами (побудительными стимулами) по отношению к одной или нескольким маркетинговым переменным, таким как общая удовлетворенность или частота использования категории.

Рассмотрим каждый из этих четырех типов сегментации рынка более подробно.

Априорная сегментация

В случае с априорной сегментацией имеется заранее определенная целевая переменная (зависимая переменная), которую необходимо понять или спрогнозировать. Такая целевая переменная по сути представляет собой заранее определенный сегмент. Типичными источниками данных являются исследования потребительских предпочтений и характера потребления, трекинговые исследования и панели. Простым примером такой сегментации может быть изучение использования категории (например, среди активных, умеренных и малоактивных пользователей) по демографическим группам потребителей. Целевая переменная (или априорный сегмент) здесь – это тип потребителя.

 

Для составления портрета таких заранее определенных групп потребителей может использоваться кросстабуляция, однако априорная сегментация также использует статистические методы, такие как логистическая регрессия и автоматическое выявление зависимостей по распределению хи-квадрат (CHAID), или более современные методы, распространенные в интеллектуальном анализе данных и прогнозной аналитике. В совокупности эти инструменты иногда называются “контролируемым обучением”. Они используются потому, что простое изучение перекрестных табличных данных может оказаться недостаточным, так как не учитывает взаимосвязей между предсказывающими переменными, “заглушками” в перекрестных таблицах. С другой стороны, многофакторный анализ (т.е. моделирование двух или более прогнозируемых параметров [независимых переменных] одновременно) может привести к ценным выводам, которые невозможно получить иным образом. Также можно разрабатывать статистические модели для отнесения новых или потенциальных клиентов к группе вероятно активных, умеренных или малоактивных потребителей продукции, в соответствии с нашим примером.

Применение априорной сегментации

Кратко рассмотрим пример априорной сегментации.

Среди мужчин и женщин старше 18 лет был проведен опрос о потреблении энергии и смежным темам. В опрос были включены вопросы о новом виде высокоэнергоэффективной системы кондиционирования воздуха (КВ). Респонденты также оценивали концепцию системы с точки зрения симпатий и антипатий.

Ключевым вопросом было получение информации о симпатии по отношению к концепции. Для распределения респондентов на подгруппы с наиболее высоким интересом к концепции был использован метод CHAID. Целевой переменной выступало выражение симпатии (оценка покупательского интереса первого и второго уровня / трех последних уровней), а девять демографических и поведенческих переменных представляли собой прогнозируюемые параметры.

Интерес к новой системе КВ был невысоким: только 21% респондентов ответил, что описанная идея им понравилась. Ответы на открытые вопросы говорили о том, что некоторым респондентам концепция была непонятна или основные заявления казались неправдоподобными. Таким образом, отчасти равнодушное отношение было вызвано самими стимулирующими материалами, а не идеей продукта. Кроме того, анализ CHAID выявил вариативность в зависимости от характеристик респондентов.

  • Концепция нравилась больше всего (40%) тем респондентам, которые не имеют систем КВ или пользуются ими нечасто, а также относятся к возрастной группе моложе 30 лет. Вероятно, это объясняется экономическими причинами или большей обеспокоенностью защитой окружающей среды
  • Респонденты с высоким уровнем дохода, не являющиеся активными пользователями систем КВ и живущие в домах с деревянным каркасом, составили вторую по уровню симпатий группу (33%), так как охлаждение воздуха в больших домах с деревянным каркасом зачастую обходится дороже
  • Концепция была популярнее у респондентов в более теплом климате и проживающих в крупных городах

Апостериорная сегментация

В случае с апостериорной сегментацией какой-либо заранее определенной целевой группы не существует. Напротив, задача заключается в том, чтобы выявить группы потребителей, которые имеют маркетинговое значение и могут быть использованы для планирования маркетинговых мероприятий. Для апостериорной сегментации используется информация, собранная в ходе опросов потребителей или из иных источников, например из записей об операциях с клиентами, для классификации потребителей на относительно однородные и отличающиеся друг от друга группы. Основным статистическим методом определения таких сегментов (кластеров) респондентов является кластерный анализ.

 

Сегменты обычно определяются и обобщаются на основе потребительского отношения, поведения и демографических характеристик. Могут использоваться данные из опросов потребителей, записей о клиентах или иных баз данных, а также из комбинированных источников, в которых косвенные оценочные данные объединяются с фактическими данными. Еще один источник данных – аналитически выведенная значимость, полученная при помощи компромиссных методов, таких как анализ max-diff и конджойнт.

 

В случае с оценочными данными для сегментации, привязанной к событиям или мотивациям, оценка значимости зачастую ассоциирована с конкретными событиями или мотивациями для совершения покупки в категории и позволяет определить, что является самым важным условием для выбора бренда. Классический пример – выбор бутылки вина: вино, которое выбирается для празднования повышения по службе, скорее всего будет сильно отличаться от того, которое планируется использовать в готовке, и при выборе мы будем руководствоваться очень разными критериями.

 

Исторически сложилось так, что наиболее распространенными приемами группирования являются анализ по методу k-средних и иерархический кластерный анализ, однако сегодня все большую популярность набирают более современные методы, в том числе методы интеллектуального анализа данных. Было бы явным преуменьшением сказать, что существует множество методов группирования, и каждый из них может использоваться множеством способов.

Применение апостериорной сегментации

В Таблице 1 приведены основные результаты апостериорной сегментации, проведенной в рамках исследования отношения и характера потребления модных товаров среди женщин.

Таблица 1: Пример апостериорной сегментации

Ценители оптимального 27% Знатоки 18% Невыразительные 25% Законодатели мод 14% Несемейная молодежь 16%
Люди старшего возраста Большинство имеет детей Около половины - домохозяйки Самый высокий располагаемый доход
Средний уровень расходов Иногда готовы потратиться Сдержаны Практичны
Люди старшего возраста Большинство - семейные Около половины работает полный рабочий день Тратят больше остальных Европейские бренды Энергичные Позитивные Оптимистичные Искушенные энтузиасты моды Средняя возрастная группа Две трети семейных Половина имеет детей
В основном работают полный рабочий день Тратят ниже среднего
Бренды низкого уровня Традиционные Наименьший интерес к моде Удобство
Комфорт
Цена
Молодой сегмент
Около половины семейные
В основном без детей
В основном работают полный рабочий день Средний уровень расходов Полные комплекты одежды Склонны покупать по сезону Уверенные в себе и напористые Энтузиасты моды
Любят модничать Модные журналы
Самый молодой сегмент
В основном не семейные, без детей
В основном работают полный рабочий день Самый низкий располагаемый доход
Тратят меньше других Американские бренды
Готовы использовать подделки Интересуются модой, но… …чувствительны к ценам

Основные выводы и заключения исследования:

  • Бренд клиента не выделяется среди конкурентов
  • Бренду не хватает четкой направленности
  • Отмечена возможность для перехода в верхние эшелоны рынка по средству вывода брендов, не продающихся до сих пор в стране проведения исследования
  • Стратегия сбыта не была дифференцирована и требует изменений в соответствие с портфелем продукции бренда
  • Требуется стратегически продуманное использование модных журналов и цифровых медиа; маркетинговая деятельность на момент проведения исследования была бессистемной

Сегментация брендов

Как уже говорилось выше, сегментация брендов напоминает апостериорную сегментацию, с тем лишь различием, что сегментации подвергаются не потребители, а бренды. Мы определяем группы брендов в пределах одной категории товаров/услуг, которые более схожи между собой, чем с другими брендами в той же категории. Делается это для того, чтобы выявить:

  • сильные и слабые стороны бренда по сравнению с конкурентами
  • какие аспекты имиджа бренда наиболее актуальны для потребителей
  • какие существуют возможности для расширения линейки продукции или запуска совершенно новых продуктов.

Для сегментации брендов может использоваться полученная в результате опроса потребителей информация о заявленных покупках или имидже бренда или фактические сведения о покупательском поведении по данным записей об операциях с клиентами. Аналитическая часть как правило довольно проста – часто применяется иерархический кластерный анализ, многомерное шкалирование, анализ соответствий, факторный анализ и biplot-анализ, а результаты обычно представляются в виде бренд-карты. Каждый из этих методов предлагает несколько отличное от других видение рынка, однако эти различия могут быть не очень большими. Анализ соответствий, факторный анализ и biplot-анализ более информативны, чем прочие перечисленные выше методы, в том смысле, что они демонстрируют, с какими качествами потребители наиболее сильно ассоциируют те или иные бренды, а также как структурирована исследуемая категория. Анализ соответствий отличается от других методов тем, что он в определенной степени делает поправку на влияние масштаба бренда и позволяет получить представление об относительных сильных и слабых сторонах брендов.

Применение сегментации брендов

Далее рассмотрим краткий пример сегментации брендов. Среди потребителей, приобретающих готовые к употреблению безалкогольные напитки, был проведен опрос по ряду тем, в том числе о потреблении специализированных напитков.

Также задавались вопросы об имидже ведущего бренда специализированных напитков. Был проведен иерархический кластерный анализ и анализ соответствий, и в обоих случаях результаты говорили о том, что в восприятии потребителей ведущие бренды специализированных напитков относятся к одному из двух сегментов брендов:

  • Развлекательный сегмент: ассоциируется с такими качествами, как молодежный, инновационный, уникальный вкус, утоляет жажду и подходит мне
  • Функциональный сегмент: питательный, натуральный, высококачественный, полезный для кожи, хороший состав

Эти выводы позволили клиенту получить лучшее понимание причин реально наблюдаемой структуры продаж.

Сегментация драйверов

Этот подход сочетает в себе апостериорную сегментацию и анализ ключевых стимулов. Его можно считать комбинацией кластерного анализа и методов регрессии – и действительно, для сегментации стимулов иногда применяется метод покластерной регрессии.

 

В первую очередь необходимо ответить на вопрос о том, что такое анализ ключевых драйверов. Анализ ключевых драйверов – это универсальный термин для обозначения статистического моделирования, направленного на определение того, какой вес различные переменные имеют в стимулировании конкретной потребительской переменной, например, намерения совершить покупку, выбора бренда или удовлетворенности в целом. К примеру, банк может интересовать, какие аспекты обслуживания наиболее важны для его клиентов (вежливый персонал, удобный веб-сайт и т.д.). Еще одна область применения – тестирование продукции для определения ключевых драйверов симпатии или намерения совершить покупку для получения понимания о том, каким образом продукт может быть преобразован или переоформлен для максимизации его продаж.

 

Анализ драйверов как правило представляет собой универсальное решение, где для всех потребителей в выборке строится одна статистическая модель. Используя этот подход, мы исходим из предположения, что у всех них одинаковая структура потребностей. Когда такое предположение кажется нереалистичным, обычно проводится отдельный анализ для заранее определенных групп потребителей (например, по возрастным группам или полу).

 

Однако у подхода с таким широким охватом есть свои недостатки. Может существовать множество подгрупп потребителей, и зачастую нельзя знать заранее, какие группы отличаются от других. Например, можно предположить, что люди, относящиеся к различным возрастным категориям, имеют разные драйверы при совершении покупок в Категории X, однако в реальности это может оказаться не так. Реальные сегменты стимулов могут не наблюдаться напрямую, а очевидные характеристики (такие, как возраст и пол) будут описывать лишь часть общей картины. И, наконец, высок риск получения случайных результатов и различий, которые могут казаться важными, но окажутся искажениями, возникшими в результате использования большого количества отдельных моделей, зачастую в довольно небольших подгруппах потребителей. Такая работа может отнять много денег и времени и иметь сомнительную эффективность.

 

В идеальном случае, можно было бы проводить анализ всех данных и одновременно выявлять группы потребителей с различными приоритетами. Сегодня существуют более сложные статистические методы, которые хорошо подходят для выполнения такой задачи, однако обычно они предполагают большой объем вычислений. К счастью, современные компьютеры и программы делают эту задачу выполнимой даже при работе с довольно большими массивами данных. И все же сегментация драйверов может быть довольно сложной и отнимать много времени, а при анализе рынка обязательно будут возникать ситуации, в которых не представляется возможным выявление явных и имеющих практическую ценность сегментов. Но отрицательный результат – это тоже результат, и это не всегда плохо.

Применение сегментации по драйверам

Рассмотрим пример. В рамках исследования отношения и характера потребления, среди женщин был проведен опрос о средствах для ухода за кожей. Одним из продуктов, входящих в опрос, были очищающие средства для лица. В одном из разделов интервью респонденты оценивали известные им бренды очищающих средств для лица по ряду характеристик и по степени заинтересованности в покупке в будущем. Была произведена сегментация драйверов, где заинтересованность в покупке выступала в качестве зависимой переменной, а оценки характеристик – в качестве независимых переменных. Были выявлены три сегмента драйверов (Таблица 2).

Таблица 2: Пример сегментации по драйверам

Базовый уход 43% Ориентир на красоту 30% Ориентир на уход 27%
Обычно наименее вовлеченная в категорию группа Чаще имеют нормальную кожу Активно вовлечены в категорию
Чаще имеют жирную кожу
Чаще имеют чувствительную кожу
Чаще других обеспокоены проблемами кожи
Основные стимулы - общие свойства:
  • Поддерживает увлажненность кожи
  • Не оставляет ощущения липкости
  • Легко смывается
  • Безопасен для кожи
  • Не оставляет на коже блеска
Самый низкий покупательский интерес к бренду клиента
Наименее активные пользователи бренда клиента
Среди основных стимулов:
  • Успокаивает кожу
  • Кожа выглядит чистой
  • Нежный с мягким эффектом
  • Кожа выглядит свежей
  • Кожа выглядит красивой
Несколько моложе Наиболее активные пользователи бренда клиента Самый высокий покупательский интерес к бренду клиента
Основные качества:
  • Кожа испытывает комфорт
  • Улучшает состояние кожи
  • Помогает предотвратить возникновение проблем кожи
  • Подходит чувствительной коже
  • Подходит мне
Демографические параметры и активность использования на среднем уровне

Самая большая группа потребителей – это не фанаты ухода за кожей, а те, кто стремится получить базовый эффект от товара. С другой стороны, как и ожидалось, многие женщины ожидают от продукции конкретных преимуществ помимо базовых обязательных свойств. Маркетинговая команда клиента почувствовала необходимость обновления бренда, а приоритеты потребителей в этой категории стали более понятными. Кроме того, с точки зрения исследований и разработок продукции существует необходимость искать компромисс между созданием продукта, который предлагал бы определенный эффект, и продукта, который не вызывал бы раздражения или повреждения кожи. Все эти выводы были учетны в планировании исследований и разработок.

Передовая практика сегментации

Для многих клиентов сегментация представляет собой один из наиболее ценных видов маркетинговых исследований. Сегментация может быть сложной задачей, но даже в случаях, когда она кажется простой, все может пойти не так, как надо. При планировании и проведении сегментации, важно учитывать:

  • как структурирован рынок
  • достоверные факты о рынке
  • ваши представления / представления клиента о категории
  • как вы/клиент действуете в связи с этими представлениями
  • что вам/клиенту важнее всего узнать о рынке

Нельзя просто прогонять огромный массив невыверенных данных через кучу алгоритмов и ждать, что программа выберет для вас лучшую модель. Такую практику можно считать образцом неэффективной работы, и хотя опытный исследователь-маркетолог вряд ли стал бы так работать, нельзя сказать, что в реальной практике такой подход – редкость.

 

При использовании записей о клиентах, убедитесь, что точно знаете, о каких потенциальных переменных идет речь; внутренние базы данных часто активно используют сложную терминологию, и карты данных могут оказаться не слишком информативными, а то и вовсе недостоверными.

 

Как и в случае с маркетинговыми исследованиями в целом, самое важное – это знать, кто будет использовать результаты исследования, и как и где они будут использоваться. Данные здесь имеют критическую значимость и должны быть привязаны к этим условиями как теоретически, так и практически. Очень важно работать целенаправленно и не использовать данные просто потому, что у вас они есть! И последнее, но не менее важное – уделяйте особое внимание разработке материалов опроса, в первую очередь в части исследования потребительских оценок. Некачественная анкета поставит крест на любой попытке сегментации.

 

Слова “Все должно быть изложено так просто, как только возможно, но не проще” часто приписывают Альберту Эйнштейну. Не знаю, кто высказал эту мысль первым, но это действительно дельный совет.

Инструменты анализа и визуализации данных

Несколько видео о наших продуктах

| Аналитика бизнеса
Проиграть видео
Презентация аналитической платформы Tibco Spotfire
| Аналитика бизнеса
Проиграть видео
Отличительные особенности Tibco Spotfire 10X
| Аналитика бизнеса
Проиграть видео
Как аналитика данных помогает менеджерам компании
2021-01-26T20:45:39+02:00