一句话回答
利益细分按客户想从产品里得到的利益来分组,比如省时间、控制或低成本,而不是按客户是谁。因为想要的东西看不见,团队通常用行为规则来近似,比如用邀请队友代表协作,再用几个问题确认。
什么是利益细分?
利益细分(benefit segmentation)按客户想从产品里得到的利益来分组,而不是按客户是谁。两个年龄、职业、国家都相同的人,对同一个工具可能想要截然相反的东西:一个想省时间,一个想要更强的控制,第三个只想要最低的成本。利益细分把他们放进不同的分群,因为打动他们每个人的信息、功能和优惠各不相同。
它是一种特定的细分方式,回答的问题也和常见的几种不同。人口属性细分问「他们是谁?」,行为细分问「他们做了什么?」,利益细分问「他们想从中得到什么?」。麻烦在于想要的东西在人的脑子里。你可以去问,但问卷慢,而且人们说的和做的不一样,所以多数团队用行为来近似利益:第一周就邀请队友的人,多半是冲着协作来的。这种近似是本条目的实用核心,也是下面算例所做的事。分群方法这一族见受众细分;分析流程见客户细分分析。
这个想法从哪里来?
这一方法通常归功于 Russell I. Haley,他 1968 年的文章《Benefit Segmentation: A Decision-Oriented Research Tool》发表在《Journal of Marketing》上。Haley 的论点是,人们所追求的利益是其行为背后的根本原因,而年龄、收入这类描述性属性充其量只是间接指标。他认为,建立在原因之上的细分,能给管理者提供可以据以行动的东西:为每个群体要做的产品功能、要提的主张或要定的价格。
今天它仍然可以作为一条工作规则:选能告诉你下一步做什么的分群定义。「25 到 34 岁」这个分群不会告诉你该发什么信息;「想和别人一起工作」这个分群会。
一般来说细分有哪些好处?
搜「细分的好处」的人,通常是在问为什么要费这个事。有四个实际理由,每个都可以对照数字检验。
- 能排优先级。 如果各群体的转化不一样,就该把有限的精力花在回报最高的地方。在下面的示例里,追求协作的分群升级率是 14.0%,全部用户是 8.9%:花在那里的 100 次销售沟通,预期产生 14 个升级而不是 8.9 个,多 57%(14.0 ÷ 8.9 − 1 = 57.3%)。
- 信息更贴切。 给所有人发的同一封邮件只能很泛。每个分群一条信息,就可以以这个群体追求的利益开头。
- 产品决策有了证据。 分群规模显示你的用户实际追求哪些利益,所以路线图的取舍可以按群体大小和升级率衡量,而不是看谁声音大。
- 不再对差异取平均。 综合比率不描述任何人。一个 2.0% 的群体和一个 14.0% 的群体平均出来的数,对哪个都不准。
要和这些好处权衡的成本是精力和规模:每多一个分群就多一条要写的信息,而太小的群体没法测量。
利益细分和其他类型有什么不同?
| 依据 | 按什么分组 | 示例分群 | 数据来源 | 优势 | 弱点 |
|---|---|---|---|---|---|
| 利益 | 他们追求什么 | 「想协作」 | 问卷答案,或用行为做替代 | 直接告诉你信息和功能 | 想要的东西看不见;替代指标只是推断 |
| 行为 | 他们做了什么 | 30 天内使用导出 3 次以上 | 事件追踪、订单 | 可观察、可重新计算 | 不说明原因 |
| 人口属性 | 他们是谁 | 50–200 人的公司 | 注册表单 | 容易定向 | 与使用的关联弱 |
| 地理 | 他们在哪里 | 来自德国的访客 | 基于 IP 的位置 | 容易本地化 | 与需求的关联弱 |
| 心理 | 态度和价值观 | 早期尝鲜者 | 问卷、访谈 | 解释动机 | 难以规模化 |
利益细分和行为细分在实践中是重叠的。如果没法去问,行为规则就是利益能得到的较可靠的替身;怎么写这样的规则见行为细分。
怎么用行为做替代,按利益来细分?
- 列出用户可能追求的利益。 访谈、客服工单和销售电话能给你三到五个。例如:速度、协作、控制与报表、低成本。
- 为每种利益指定一个能标示它的动作。 协作:邀请了两位或以上队友。速度:使用导入或快捷键三次或以上。控制:创建了报表或仪表盘。低成本或只是试试:以上都没有。
- 把每个写成规则,包含动作、做过还是没做过的条件、时间窗和次数,比如「前 14 天内邀请了 2 位或以上队友」。
- 让分群互斥,给出优先顺序,使每个用户只落入一个分群。
- 检查规模。 少于约 100 个用户的分群太小,没法比较。
- 用几个问题确认。 在每个分群里问 10 到 20 个人,利益是否对得上。在人们认同之前,替代指标只是一个假设。
示例:1,000 个示例用户里的四个利益分群
示例数据:1,000 位在免费版的前 14 天内的用户,以及随后 30 天内的升级数。
| 利益分群 | 规则(前 14 天) | 用户 | 升级 | 升级率 |
|---|---|---|---|---|
| 协作 | 邀请了 2 位或以上队友 | 250 | 35 | 14.0% |
| 控制与报表 | 至少创建了一份报表或仪表盘 | 200 | 22 | 11.0% |
| 速度 | 使用导入或快捷键 3 次或以上 | 300 | 27 | 9.0% |
| 低成本或只是试试 | 以上都没有 | 250 | 5 | 2.0% |
| 全部用户 | 1,000 | 89 | 8.9% |
复核:分群规模相加 250 + 200 + 300 + 250 = 1,000;升级 35 + 22 + 27 + 5 = 89;综合比率 89 ÷ 1,000 = 8.9%。
它说明了什么:
- 差距很大,而且多半不是偶然。 协作 14.0%,低成本 2.0%:250 人里 35 个对 250 人里 5 个。两比例检验(NIST/SEMATECH 电子手册里的方法)得到 z = 4.9,所以仅靠随机波动出现这么大差距的可能性很小。
- 综合的 8.9% 把一切都藏起来了。 它比领先的分群低 5.1 个百分点,比最差的高 6.9 个,只和一个分群(速度,9.0%)接近;它不描述任何真实的群体。
- 这些分群提示不同的行动。 协作用户需要一个提示去邀请第三位队友;控制用户需要报表模板;速度用户需要导入方面的帮助;低成本群体需要一个理由,先真正试一项任务,再看任何升级信息。
示例没有说明的是:是利益导致了升级。邀请队友的用户也许只是更投入。分群描述的是谁倾向于升级,并不证明为什么。
要避免哪些错误?
- 把替代指标当成事实。 邀请队友可能意味着协作,也可能是管理员在配置账号。用几个问题确认。
- 分群太多。 五六个通常是团队能写出不同信息的上限。
- 规则重叠。 如果一个用户能同时在两个分群里,比率会被重复计算;要指定优先顺序。
- 按你没法行动的利益来分。 如果对某个分群你既做不了功能也写不了信息,它只是描述,不是策略。
- 从不刷新。 人们的目标会变;按计划重新计算分群,并观察规模的变化。
在 TapCub 里做利益细分
拿四个分群的例子来建。
- 在 全端分析 › 用户 › 分群与标签,为每种利益建一个规则分群:比如「前 14 天内做过邀请队友 2 次或以上」。规则分群每天或手动刷新,条件可以是做过 / 没做过、属性、首次出现、活跃,以及在某个分群里。
- 给规则排好顺序,使每个用户只落入一个分群,用「在分群里」和「没做过」条件来表达优先顺序。
- 读每个分群的规模和 30 天规模趋势;匿名访客没有档案,不会进入分群,所以要用
tapcub.login识别登录用户。 - 把一个分群作为群组带进 全端分析 › 行为分析 › 行为分析 的漏斗或留存视图,比较各分群的升级率。
- 用用户档案(全端分析 › 用户 › 用户)抽查每个分群的几位成员,对照你假设的那种利益。
TapCub 不做问卷,所以「问 10 到 20 个人」这一步在它之外进行;TapCub 衡量的是每个分群之后做了什么。
资料来源
- Haley, R. I.(1968)。Benefit Segmentation: A Decision-Oriented Research Tool。《Journal of Marketing》,32(3),30–35。
- NIST/SEMATECH 统计方法电子手册,7.3.3 How can we determine whether two processes produce the same proportion of defectives?(示例中用到的两比例检验)。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
