01.为什么要对有用户进行细分？
用户天生就存在差异，他们由于所处自然环境、社会环境、受教育程度等因素的不同，在购买心理、购买行为等方面存在差异性。这种差异性，让市场细分既是可能，也是必要。如果企业要最大化地实现可持续发展和长期利润，就要明智地只关注正确的用户群体，因为企业要获得每一位用户，先前都要付出一定的投入，这种投入只有在你能赢得用户的忠诚后才能得到补偿。
因此，要通过价值营销以获得品牌忠诚重要的一步就是对用户进行细分，去区分用户群体的异质性，通过识别具有独特需求的特定消费者群体，区别化对待客户，企业可以制定有针对性的营销策略和产品。只有这样企业才能保证他在培育用户忠诚的过程中所投入的资源得到回报，企业的长期利润和持续发展才能得到保证。
02.用户细分的指标
对用户进行细分的前提是收集用户相应的信息数据，一般来说，用户细分可以根据以下三个方面来考虑：
（1）根据用户的外在属性分类。例如所在城市、住宅等。这种划分方法简单、直观，数据也很容易得到，但这种分类相对比较粗放。
（2）根据用户的内在属性分类。例如年龄、籍贯、信仰、性格特征、消费态度、收入水平、风险接受度、价值取向等。
（3）根据用户的行为分类。用户的行为介质、行为偏好、行为频率、行为时长、行为周期；由或者细化到用户的消费行为：消费时间、消费频率、消费金额等。
03.用户细分的方法
下面介绍两个用户细分的模型：对应分析和聚类分析。二者可以将回答相同或者相似的调查对象编成不同的组别，并对这些组别认真的研究和分析。
（1）对应分析
对应分析技术在市场营销经济研究中通常用于研究多个分类变量的关系，是市场细分、产品定位、品牌形象以及满意度研究等营销领域常用的一种方法。 举个例子，某个产品广告需要植入各大视频平台，但是该广告的植入不是说覆盖在每一个视频里，而是需要针对性地植入到产品消费者与视频观众属性保持一致的频道。我们需要对不同节目的的观众进行一个划分，来挖掘出潜在的信息。 在SPSSPRO中，采用对应分析方法，将四个用户属性拖入到变量框中，点击进行分析。
结果分析：
下图对应分析为绘制出的低维空间感知图，主要关注的是点与点之间的距离，在相同区域点与点之间靠得越近，意味着它们之间关联关系越强；点与点之间靠得越远，意味着它们之间关联关系越弱。
我们可以人为地根据点与点的距离对属性进行分类，18-25岁更偏向与看悬疑的电影；18岁以下更多的会看动漫；36岁或以上的群众更偏向于电视剧、综艺；而男性更偏向于悬疑科幻等题材；女性更偏向于看情感、励志等题材。
（2）聚类分析
聚类分析的核心思想就是物以类聚，人以群分。在市场细分领域，消费同一种类的商品或服务时，不同的客户有不同的消费特点，通过研究这些特点，企业可以制定出不同的营销组合，从而获取最大的消费者剩余，这就是客户细分的主要目的。
举个例子，如果用户选择在网站或应用上花费时间，或者进入界面后距第一次有效点击时间间隔很长，这些都是非常有用的信号。说明用户对产品非常陌生或者产品交互主线不够清晰，但用户又充满一定的好奇心想要看看产品究竟具备什么。如果他们不花时间，或者进来就可以选择他们想要了解的，或者直接关闭，那也是同样重要。
现有几个关于用户在一年内的网页行为：articles_count发文章次数、answer_count回答次数、thanked_count点赞数、follower_count评论数，根据这四个统计得到的网页行为数据，我们需要将其分为高活跃用户、一般用户、不活跃用户。 在SPSSPRO中，采用聚类分析(K-Means)方法，将四个用户行为拖入到变量框中，并且选择聚类个数为3，点击进行分析。
结果分析：
模型将用户分成了三类，我们以高活跃用户组详细去分析，高活跃用户的发文章次数articles_count的均值是108.75次，可能的范围是在【108.75-65.045，108.75+65.045】内，也即【43.705，173.045】范围内；而高活跃用户的回答次数answer_count的均值是572.0次......
最终，模型将用户分成了三类，其中不活跃用户占比98%，一般用户占比1.82%，高活跃用户占比0.17%，下图以饼图呈现了各组用户的占比。
04.总结
用户细分既能区分用户的异质性，明确目标受众群体；又能合理地利用资源，通过识别具有独特需求的特定消费者群体，区别化对待客户，企业可以制定有针对性的营销策略和产品。
它既是客户关系管理的重要理论组成部分，又是其重要管理工具。它是分类研究客户、进行有效客户评估、合理分配服务资源、成功实施客户策略的基本原则之一，为企业充分获取客户价值提供理论和方法指导。
