Alai

Download your Free DIY Market Segmentation eBook

Gdy ludzie odnoszą się do zmiennych segmentacji, są one zazwyczaj odnosząc się do jednego z następujących:

• Pojedyncza zmienna, która jest używana do przydzielania ludzi do segmentów
• Zestaw zmiennych, w którym ludzie są używani do przydzielania ludzi do segmentów na podstawie jakiegoś logicznego związku
• Zestaw zmiennych, które są używane w predykcyjnym algorytmie statystycznym do. przewidywania przynależności do segmentu
• Zestaw zmiennych, które są wykorzystywane w algorytmie segmentacji
• Zmienna w pliku danych lub bazie danych, która rejestruje przynależność do segmentu

Pojedyncza zmienna, która jest wykorzystywana do przydzielania ludzi do segmentów

Często, często jedna kluczowa cecha ludzi jest używana do definiowania segmentów. Linie lotnicze dzielą pasażerów na segmenty (poziomy) w oparciu o punkty statusowe (dłuższe loty i droższe loty dają więcej punktów statusowych). Banki przydzielają klientów do segmentów w oparciu o zysk, jaki klienci prawdopodobnie zapewnią bankowi.

Zbiór zmiennych wykorzystywanych do przydzielania ludzi do segmentów w oparciu o związek logiczny

Czasami istnieją związki logiczne między niewielką liczbą zmiennych, które można wykorzystać przy przydzielaniu klientów do segmentów. Marketerzy bezpośredni dzielą klientów na segmenty i nadają im priorytety w oparciu o to, jak niedawno ludzie odpowiadali, jak często odpowiadali i ile wydali, gdy wcześniej kupowali rzeczy w wyniku kampanii direct-mail. Firmy produkujące towary paczkowane, takie jak Nestle i Unilever, klasyfikują ludzi w segmenty etapów życia, w oparciu o wiek, stan cywilny i liczbę dzieci (np, jeden segment rodzin z małymi dziećmi, inny z nastolatkami, „pustymi gniazdami” itp.).

Zbiór zmiennych, które są używane w statystycznym algorytmie predykcyjnym do przewidywania przynależności do segmentu

Czasami pojedyncza zmienna jest identyfikowana jako użyteczna dla segmentacji, ale wartość zmiennej jest nieznana dla niektórych osób. Na przykład, bank może wiedzieć, jak duży zysk zapewniają jego klienci, ale nie może znać potencjalnego zysku klientów konkurencji. Modele predykcyjne mogą być używane do przewidywania zysku obecnych klientów w oparciu o inne zmienne, takie jak wiek, miejsce zamieszkania, stan cywilny, rasa itp. Te inne zmienne są czasami określane w tym kontekście jako zmienne segmentacyjne, a przewidywania dokonywane przy użyciu tych zmiennych segmentacyjnych mogą być wykorzystywane do nadawania priorytetów klientom innych banków (np. w celu kierowania do nich reklam na Facebooku).

Zbiór zmiennych, które są wykorzystywane w algorytmie segmentacji

Czasami identyfikuje się dużą liczbę zmiennych, a algorytmy segmentacji, takie jak analiza skupień k-średnich i analiza klas ukrytych, są wykorzystywane do identyfikowania grup osób, które są do siebie podobne. Zmienne, które są używane w tej analizie, są określane jako zmienne segmentacyjne.

Zmienna w pliku danych lub bazie danych, która rejestruje przynależność do segmentu

Gdy segmenty są tworzone przy użyciu dowolnej z metod omówionych powyżej, osoby w bazie danych lub pliku danych są przypisywane do segmentów. Np. pierwsza osoba może być w segmencie 1, druga osoba w segmencie 3, i tak dalej. Dane, które zawierają te informacje o przynależności do segmentu są również często określane jako zmienne segmentacyjne.

Ten artykuł odnosi się/ogranicza się do ludzi. Jednakże, te same pomysły mają zastosowanie do innych jednostek analizy (np. grupowanie gospodarstw domowych, krajów, okazji, itp.