TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

市场细分示例:四类依据,附能复核的数字

四种依据的市场细分示例:人口特征、地理、行为和心理。看行为细分在订单数据里长什么样,以及怎样检验一个细分是不是真的。

奥利弗·里德 发布于 2026 年 11 月 19 日 9 分钟阅读 增长与运营
示例数据:20,000 位客户按订单数拆分。四单及以上的群体占客户 15%、占收入 46.4%(2,688,200 美元中的 1,248,000 美元);一单群体占客户 55%、收入 22.5%。示例数据

市场细分示例分四种依据:人口特征(是谁)、地理(在哪里)、行为(做了什么)和心理(为什么)。行为和地理细分最容易建立,因为数据已经在你的统计里。下文:每种依据的例子、一个用订单数据做的行为拆分算例,以及检验细分是否值得行动的四项标准。

读完你会知道

  • 把每个例子归入四种依据之一,并注明你实际能观察到哪种数据
  • 行为拆分会显示价值的不均衡:示例里 15% 的客户带来 46.4% 的收入
  • 从规模、可触达和反应不同三方面检验细分,并要有足够的人数才能信任差距

市场细分的四类依据是什么?

市场细分是把一个大市场切成几个对你的报价反应不同的小群体。Wendell Smith 在 1956 年把它描述为:把一个异质的市场看成若干较小的同质市场。下面的例子都归入四种依据,每种依据回答的是关于这个人的不同问题。

依据回答的问题细分示例数据从哪里来难观察吗
人口特征他们是谁?25 到 34 岁的女性;小团队的负责人注册表单、问卷、公开统计中等
地理他们在哪里?寒冷地区的客户;某一个都市圈地址、基于 IP 的位置、配送数据容易
行为他们做了什么?下过四单及以上的买家;两次看过价格页的访客网站或应用的事件数据埋点之后容易
心理他们为什么选?重耐用胜过重价格的买家问卷和访谈困难

行为和地理数据已经在你的统计里。人口特征和心理数据通常不在,所以大多数团队先从前两种做起,再用问卷补上其他的。同样的思路用在产品内的人群上,见用户细分示例和受众细分。

本文所有细分示例都是示意性的,不来自任何具名公司。

人口特征细分有哪些例子?

人口特征细分按描述这个人的属性分类,而不是按行为:

  • 年龄段。 一家辅导机构为 30 到 45 岁的成人学习者提供晚间课,另为学龄孩子的家长提供周末方案。
  • 家庭收入。 一家家具商向两个收入段分别展示入门系列和高端系列,配送和分期方案也不同。
  • 人生阶段。 面向首次租房者的银行页面,和面向首次购房者的不同。
  • 角色或公司规模(B2B)。 企业细分用的是同一个思路,只是换成公司属性:一款排期工具对个人顾问讲价格,对 50 人的代理公司讲共享日历。

人口特征容易描述,也容易据此买媒体,但单独使用时预测力较弱。同一个年龄段的两个人,购买的理由可能完全相反。用人口特征决定在哪里投放,用行为决定说什么。

地理细分有哪些例子?

地理细分按人所在的位置分类。最省事的做法是用你本来就在采集的位置:

  • 区域。 美国人口普查局把各州分成四个大区(东北、中西部、南部、西部)和九个分区,是现成的全国报表分法。
  • 气候或季节。 一家服装零售商十月向寒冷地区推外套,同时向温暖地区推凉鞋。
  • 城市与乡村。 一家生鲜配送服务按配送密度设置起送金额。
  • 语言和国家。 一家软件公司按国家展示本地化的价格和客服时间。

局限在于精度。如果位置来自 IP 地址,国家层面可靠,城市层面就差一些,而且它描述的是网络所在地,不一定是这个人居住的地方。选一个你能信任的粒度:做活动规划时,国家或区域通常就够了。

行为细分有哪些例子,数字上长什么样?

行为细分按人做过什么分类:购买频次、用过的功能、读过的页面、首次访问的来源、距上次访问的时间。它们最容易付诸行动,因为已经被测量,而且比属性更能预测下一步行为。方法见行为细分一页;下面看一次拆分长什么样。

示例数据:某网店最近 12 个月有 20,000 位客户。

细分客户数客户占比人均订单数平均订单金额收入收入占比
一单11,00055%1.055 美元605,000 美元22.5%
两到三单6,00030%2.458 美元835,200 美元31.1%
四单及以上3,00015%6.564 美元1,248,000 美元46.4%
合计20,000全部不适用不适用2,688,200 美元全部

核对一行:3,000 × 6.5 × 64 美元 = 1,248,000 美元,1,248,000 ÷ 2,688,200 = 46.4%。占 15% 的客户带来 46.4% 的收入,所以只下过一单的群体(占 55% 的人,22.5% 的收入)需要和复购群体不同的信息:给一个下第二单的理由,而不是他们还没挣到的忠诚福利。

其他行为细分例子:一周内两次看过价格页的访客;完成了新手引导的应用用户,对比停在第 2 步的用户;从邮件进来的购物者,对比从搜索进来的。

app.tapcub.com

按购买次数看收入占比

示例商店,12 个月
四单及以上46.4%
两到三单31.1%
一单22.5%
示例数据
示例数据:20,000 位客户按订单数拆分。四单及以上的群体占客户 15%、占收入 46.4%(2,688,200 美元中的 1,248,000 美元);一单群体占客户 55%、收入 22.5%。

心理细分有哪些例子?

心理细分按价值观、态度和生活方式分类:

  • 重耐用胜过重价格。 会读商品能用多久的评价,并愿意为维修保障多付钱的买家。
  • 追求便利的人。 即使要加钱,也选最快配送的人。
  • 尝鲜者。 喜欢在功能还不成熟时就试用的人。
  • 精打细算的规划者。 比较三个选项,然后等打折的人。

心理细分解释的是为什么,这很有价值,但你很少能直接观察到。切实可行的办法是去问。对 300 到 500 位客户做一份短问卷,设两三个态度问题,就能给被问到的人贴标签,再检查这些标签是否和你能看到的行为吻合(比如「耐用」型买家的退货应该更少)。如果一个标签对应不上任何可观察的行为,就没法大规模定向。

怎样检验一个细分值得采取行动?

一个细分有用,要通过四项检验。任何一项不过,它就只是一种描述,而不是目标。

  1. 可衡量。 你能说出谁在里面,并数得出来。
  2. 够大。 大到能推动你关心的某个指标。
  3. 可触达。 有渠道或页面能对它说话。
  4. 反应不同。 它的转化、客单价或留存与其他人不同。

第四项检验需要一个数字。示例数据:一周内两次看过价格页的访客,400 人里转化 24 人(6.0%);其他人 600 人里转化 9 人(1.5%)。相差四倍(6.0% ÷ 1.5% = 4.0),做两比例 z 检验,z 约为 3.9,远高于代表 95% 阈值的 1.96,所以这个差距不太可能是噪声。

再对比一个小细分:40 位访客里转化 3 人是 7.5%,看起来更好,但 95% 的 Wilson 区间从 2.6% 到 19.9%,太宽,没法据此做计划:真实比率可能接近 1.5% 的基线,也可能远高于观察到的数字。一条经验规则:细分至少有 100 个成员、转化数足够让区间变窄之前,不要围绕它做活动。

检验问题示例结果
可衡量你能列出并数出谁在里面吗?一周内两次看过价格页的访客:400 人
够大它能推动你关心的指标吗?四单及以上:占客户 15%,占收入 46.4%
可触达有没有渠道或页面能对它说话?给复购买家发邮件;给读价格页的人放站内横幅
反应不同转化或价值和其他人不同吗?6.0% 对 1.5%,z 约 3.9

示例数据。任何一项检验不过,细分就只是一种描述,而不是目标。

哪些错误会让市场细分在实践中失败?

  • 细分太多。 十一个细分、每个 40 人,无法衡量。先从三到五个开始。
  • 触达不到的细分。 「乐观的人」是标签,不是渠道。
  • 所有事情只用一种依据。 单靠人口特征找不出那占 15% 却带来 46.4% 收入的客户;购买次数可以。
  • 静态的细分。 客户会从一单变成复购。每月重新拆一次。
  • 忽视规模。 一个反应很好、但只占 0.5% 客户的细分,改变不了收入。
  • 把爬虫算成访客。 机器人流量会扭曲拆分里的每个转化率,对小细分尤其明显。

怎样在 TapCub 里建立这些细分?

TapCub 直接覆盖行为和地理两种依据,其余的只要你带来数据也能承载。上面那家店会这样走一遍拆分。

  1. 查看位置。 网站统计 › 受众 按国家、区域和城市显示访客,另有设备和语言。位置来自 IP 数据库,城市不一定都有,所以做规划用国家或区域。
  2. 建立行为细分。 在 全端分析 › 用户 › 分群与标签 里,用「做过或没做过某事件、属性、首次出现、活跃」等条件建规则分群。「四单及以上」就是对购买事件的一条规则。匿名访客没有档案,不会进入分群;已识别的客户会。
  3. 加入问卷答案。 TapCub 不做问卷。把用户属性的 CSV(例如问卷里的「耐用」标签)通过 全端分析 › 数据管理 › 数据导入 导入,再在规则里当属性用。
  4. 对比各细分。 把一个分群作为同期群放进分析,对比转化、留存或漏斗完成率,就像 6.0% 对 1.5% 的例子。对复购人群,分群与标签 里的 10 个 RFM 分组(冠军、忠诚、潜在忠诚、新客、有潜力等)是现成的行为拆分,组间的移动也有记录。

细分告诉你该对谁说话;写什么信息、选哪个渠道,仍由你的团队决定。

常见问题

市场细分的四种类型和例子是什么?

人口特征(25 到 34 岁的女性)、地理(寒冷地区的客户)、行为(下过四单及以上的买家)和心理(重耐用胜过重价格的买家)。每种回答的问题不同:是谁、在哪里、做了什么、为什么。大多数团队先从行为和地理开始,因为数据已经有了。

市场细分的一个例子是什么?

一家有 20,000 位客户的网店按购买次数拆分:55% 买过一次,30% 买过两到三次,15% 买过四次及以上。最后一组带来 46.4% 的收入,所以每组收到不同的信息。这里的数据是示例,但这个方法适用于任何店的订单数据。

一家企业该有几个市场细分?

开始时三到五个。每个细分都要大到能衡量,又要有足够的区别,需要自己的信息或报价。如果两个细分会收到同样的信息,就合并;如果一个细分不到 100 人,就无法有把握地判断它的反应。

市场细分和目标市场选择有什么区别?

细分是把市场分成群体;目标市场选择是决定为其中哪些群体服务、怎么服务。你可以只细分不选目标(描述市场),但没有细分就没法选目标。定位,即每个目标群体听到的信息,在这两者之后。

哪种细分依据最有用?

取决于要做的决定。对有自己网站或应用的企业,行为通常最能付诸行动,因为它被测量过,并能预测人接下来做什么。人口特征和地理帮助决定在哪里投放,心理有助于定位,但需要问卷。

另见:细分、目标市场选择和定位(STP):一个 SaaS 算例。

资料来源

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

奥利弗·里德

产品体验专员

关注产品易用性、使用路径与功能采用,通过具体场景拆解从首次体验到持续使用的关键环节。

用自己的事件建立行为细分

规则分群、RFM 分组和区域拆分来自同一份数据,可以直接对比各细分的反应。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie