了解您的目标受众!这在产品开发方面是如何在现实中发挥作用?
让我们选一个例子。Survey Monkey,人们用来创建调查问卷之类的工具。 显然,细分方式之一是按价格层级划分: 个人用户(免费)、小型团队、中型企业和企业。 但是,你也可以想到他们可能会有一堆其他的细分方式。
- 按参与程度(休闲、核心、高级用户)划分
- 按成熟度(例如,新用户、30天用户、1年用户等)
- 按行业(科技、电子通讯等)划分
- 按用户角色(行政助理、营销人员、研究人员等)
- 按任何类型的人口统计学--年龄、性别、地理等。
- 按用户行为分类
- 按上述属性的任何组合
问题:
- 公司是否有一个正式的目标受众优先列表?有多少?有多细化?他们如何确定什么是细分市场?多大程度的细分是过多的?
- 他们如何平衡不同目标受众的产品体验?
- 他们如何处理细分市场内的差异性?(有些妈妈想要X,有些妈妈想要Y)。
- 他们是否按细分市场 "提供 "不同的体验(例如,印度的用户是否看到与法国的用户完全不同的体验)?
- 随着公司/产品的发展,上述所有情况是如何变化和转变的?
1. 一种倾向认为: 细分市场遵循商业目标。你可能从一个广泛的类别开始,即 "想要调查的人"。但你真的需要为调查付费的人。然后,你与潜在客户进行讨论,直到你找到愿意为你提供的服务付费的人,并尝试创建谁会购买与谁不会购买的类别。
- 如果我们想增加净收入,我们可能想获得更多的企业客户,他们可以获得真正的大额支票。 因此,我们优先考虑那些有助于我们向大型企业买家销售的功能。 我们通过确保我们拥有他们安全清单上的所有功能和对多团队调查的支持来接近买家。 我们可能从基于行业定义的细分市场(财富100强)的企业开始,然后看一下安全领域的角色、用户和买家。
- 如果我们想有一个更稳定的收入来源,我们可能会去中端市场,由一个任意的员工数量或收入定义。 这允许你有更多的客户,但支票较小,但风险较小,因为其中一个客户的流失会使企业沉没。 他们会有不同的关注点,买家和用户可能是相同的人。
- 指定聚类的数量为K。
- 首先对数据集进行洗牌,然后随机选择K个数据点作为中心点,不做替换,以此初始化中心点。
- 不断迭代,直到中心点没有变化,即数据点的分配没有变化。
- scikit-learn
- seaborn
- numpy
- pandas
- matplotlib
- 铁杆粉丝可能是真正的竞争者,他们每天都在玩,也许他们有时会转到你的竞争对手那里。他们通常比较年轻,有更多的空闲时间。
- 休闲粉丝不是为了赢而玩。他们是为了玩得开心。他们可能平均年龄较大,忙于工作、生活等,所以他们每周只玩1-2次。他们更忠诚。
- 新手在尝试游戏。有些人非常喜欢这个游戏,并将继续成为铁杆粉丝或休闲粉丝。
当你要根据细分市场做出不同的体验或优先级调用时,了解你的细分市场是有价值的。
你应该专注于对你正在开发的东西有意义的属性。 在上面第一个的例子中,也许像收入水平这样的东西是均匀分布的,没有什么区别。在这种情况下,收入水平不会是一个有用的细分方式。尽管你经常会发现,如果你能很好地对你的客户进行细分,那么你会发现他们有很多不同的共同属性。
最后细分是一门艺术。也许应该有两个细分的新手--那些有竞争游戏经验的人和那些刚进入这个类型的人。也许这将改变你对待新手经验的方式。也许这根本就没有什么区别。 4. 细分市场是一个发现解决方案的工具 我认为细分市场不一定是一个起点,而是一个发现解决方案的工具。 从一个详尽的细分清单开始,几乎就像花时间制定一个大量的问题清单,以备你发现他们可能解决的问题。 当然,你可能有足够的数据(比如你用来做你的理想客户档案的数据),你一直在关注或你从历史上知道是问题的领先指标。这只是来自于想了解你的用户。
如果我使用你的Survey Monkey的例子,而是从一个商业问题开始--"收入在下降"。 我会用细分来缩小范围,这样我们就可以建立一个明确的原因假设。 这是我们的理想客户档案吗?(按25-35岁的郊区母亲和驾驶小型货车的人进行细分......你说的)?不是,它是全球所有的收入吗?(按国家划分)如果是,哪些国家?等等。 这些让我离找到一个可行的解决方案更近了一步。 也许我有一个新的本地竞争者,或者我的本地化很糟糕。
现在,在一个大型的B2C或B2B中,你甚至可能有团队关注的渠道或细分市场,这样更容易啦。
在像我现在这样的小型B2B中,我只是在开发一些目标细分市场。 它们是基于客户的问题(谁有这些相同的问题,以便我可以和他们交谈,确保我们的解决方案是正确的)。 在有流失风险的客户群体中,他们是否有任何共同因素?或者他们是基于业务问题(我可以建立什么功能或新产品,为谁建立,将有最大的回报,以便我可以实现我们的增长目标)。
总之,使用细分来缩小你的焦点,但要从问题开始,不要从制造小群体开始。