博冠体育大数据市场细分的常用步骤数据是市场细分的基础，通过对数据的分析，可以对海量用户有一个初步的了解，数据收集分析一般采用 用户数据提取分析与问卷调研两种方式，根据产品目标确定统计分析的维度指标。
1、内部属性（准确稳定），指性别、年龄及学历等客户自身具备的属性，这类因素一般比较准确靠谱且稳定，一般不会有太大变化；
2、外部属性（简单直观），指客户级别、客户所属机构及客户持有产品等体现客户与企业之间关系的因素，这类因素对企业来说最简单直观，能够静态地体现客户当前的价值；
3、活动行为（动态预测），指消费金额、消费频率、最近一次访问时间及访问时长等反映客户与企业之间活动的数据，这类数据是动态的，能够更实时地反映客户的行为偏好与价值变化，有利于进一步挖掘预测客户需求。
根据所收集的数据进行建模的思路主要有事前细分（有先验数据指导）和事后细分（无先验数据指导）两种。
事前细分是指在细分研究前已选定了细分标准的细分方法，即在市场细分时，先选择细分的依据或标准，然后根据这些已确定的标准来对顾客进行分群。常用的细分标准有地理区域、人口统计特征及购买量等。
事后细分是指以概率统计学为理论依据的市场细分方法，常根据消费者调研数据采用统计分析技术推导消费者分类特征并得出细分类群。以统计学为理论依据博冠体育app官方网站入口，就势必存在这样的理论假设，即对消费者在某一时空的统计结果可以反应他们的稳定心理和行为特征，从而可以用过去的消费统计结果来推测预计消费者未来的购买行为。从理论依据和假设方面来比较，事后细分方法较事前细分方法有一定的进步。
数据建模的方法很多，如神经网络、遗传算法、蒙特卡罗算法、聚类分析及关联算法等。目前，在实际应用中最常见的是用户分类、推荐算法及防流失模型等。
用户画像（User Persona）的概念最早由交互设计之父Alan Cooper提出，是建立在一系列属性数据之上的目标用户模型。一般是产品设计与运营人员从用户群体中抽象出来的典型用户，本质是一个用以描述用户需求的工具。
确定具象的定性个体描述也就是创造人物角色。Alan Cooper提出了Persona这一概念，是在海量数据分析基础上，进行具象化得到一个的虚拟用户。 Persona 的含义如下：
P代表基本性（Primary research），指该用户角色是否基于对真实用户的情景访谈；
E代表移情性（Empathy），指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引起同理心；
R代表真实性（Realistic），指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物；
O代表目标性（Objectives），该用户角色是否包含与产品相关的高层次目标，是否包含关键词来阐述该目标；
N代表数量（Number），用户角色的数量是否足够少，以便设计团队能记住每个用户角色的姓名，及其中的一个主要用户角色。一个产品一般最多满足3个角色需求；
A代表应用性（Applicable），设计团队是否能使用用户角色作为一种实用工具进行设计决策。
通过数据分析去了解用户，根据他们的目标、行为和观点的差异，将他们区分为不同的类型，然后每种类型中抽取出典型特征。例如，个人基本信息，家庭、工作及生活环境描述，用一个名字、一张照片及一个场景等描述，就形成了一个具象的典型用户画像。人物角色一般会包含与产品使用相关的具体情境，用户目标或产品使用行为描述等。为了让用户画像容易记忆，可以用具体的名字、标志性语言或几条简单的关键特征进行描述。针对每一个类别的用户，可虚拟出一个人物角色，一般3~7个画像即可。
随着互联网的发展，用户画像（User Profile）又包含了新的含义。根据用户人口学特征、网络浏览内容、网络社交活动及消费行为等信息抽象出的一个标签化的用户模型，就是用户画像（User Profile）（见图5）。它的核心工作主要是利用存储在服务器上的海量日志和数据库里的大量数据进行分析和挖掘，给用户贴“标签”，而“标签”是能表示用户某一维度特征的标识，主要用于业务的运营和数据分析。
简言之，用户画像（user persona）是产品设计人员在产品规划阶段，基于对用户的真实需求虚拟出的典型人物角色。用户画像（user profile）是基于大量用户数据，结合相应的需求和场景沉淀出的一系列标签，这些标签共同为提供更好的产品迭代提供数据支持。 绘制典型用户的作用主要包括：
1、理解用户。人物角色是海量用户“打包”后的研究结果，是用户研究结果的生动呈现方式，是用户心理模型好的载体，可以让产品经理与设计师方便的换位思考。
2、提高沟通效率。人物角色是用户研究结果的具象化，不但生动，而且代表着用户真实的目标和动机等信息，基于统一用户认知基础的沟通，可以大大提高团队的沟通效率。
3、设计依据。人物角色让设计师找到了“以用户为中心的设计”的着力点——“用户”，设计师可以根据“人物角色”选择最佳的设计方案。
1、细分市场规模的合理性。细分市场间的规模大小差异越大，细分结果的有效性越差，因为规模极小的细分市场，难以保证有相当的市场容量使企业获得足够的经济效益。事前细分由于事先确定细分标准，得出固定细分市场数目进而易引起各细分市场大小失衡。相比之下，事后细分易克服这样的缺点，因为事后细分方法根据调研样本的实际状况来确定细分市场数目及相应规模。事后细分可以根据数据分析结果，较灵活地进行细分市场数目和规模的确定。
2、细分市场信息了解程度。事前细分方法由于规定细分依据，先对细分结果有一定的预期，在很大程度上加入了细分研究者的主观估计与理解。而事后细分方法完全按照调研结果来确定细分市场的具体状况，能客观地反映细分市场的真实信息，受人为主观因素影响少。所以，从对细分市场的客观信息了解角度来讲，事后细分要优于事前细分。
3、实际购买匹配度。通过对调查对象的追踪，获取实际购买情况数据，以此为据来分析两种方法的细分效果。购买匹配度用来分析各细分市场中有多少样本最终真正购买此细分市场的对应产品。返回搜狐，查看更多