细分B2B的 使用统计学进行市场细分

　　调查问卷上的分类数据提供了人口统计学数据，而采访主体中的问题则确定了行为的各个方面。建立在该标准上的数据交叉表允许我们了解来自不同受访者群组的不同答案。这是最简单层次上的市场细分，所有研究人员都可使用调查结果的计算机表格，建立差异显著的受访者小组。

　　但是，我们可以使用统计技术，特别是多变量分析，让更复杂的细分市场出现。在细分市场研究（甚至在客户满意度研究）中，往往要求受访者说出对一系列表述的同意程度。这些表述旨在确定受访者的需求和兴趣。通常，此类表述有 24 个，有时更多。如果进行 200 次采访，不同群组的答案组合实际上可能有数百万个，而我们则需要采用某些手段，让这些组合恰到好处。

　　利用一种称为因素分析的技术，统计人员可计算出哪组属性最适合在一起。浏览组成这些分组的不同表述或属性，通常可以发现一些常见主题，例如想要以少量额外代价获取低廉价格的人、需要众多服务或者附加服务并愿意为之付款的人、以及关心环保问题的人等等。因素分析将大量属性降至更小但具有代表性的子集。这些子集被贴上“讨价还价者”，“服务寻找者”等标签，以及任何其他可帮助营销团队真正了解他们所面对市场的类似术语。

　　以前，需求分组都是通过因素分析进行的，而现在则可使用称为“聚类分析”的技术进一步计算。这些因素交由聚类分析处理，其运算法则将数据重新安排到指定分区中，因此可以确定某一人群适合某个分组的整齐程度。

　　基于需求进行市场细分的统计方法已经十分盛行，要找到最有趣、最恰当的方式来满足客户群的需要，这当然是一种最客观不过的手段。然而，大众的品位和需求是在不断变化的，我们应始终留意新的细分市场。这个市场在目前雷达屏幕上的显示还不如一个点大。例如，如果 20 世纪 60 年代 Guinness 在消费者中执行了基于需求的市场细分，但是，它没有看到这样一个机会，就是将饮料重新定位为年轻派和潮流派。这个细分市场是通过一系列机敏的营销运动开发出来的。