STP分析--保险公司客户分类分析（采⽤SPSS进⾏分析）⽂章⽬录
研究⽬的：精准营销
“集中优势兵⼒，打击⼀点”，通过对车险客户分类调研，开展精准营销，以便建⽴起⾃⾝的相对优势。
研究内容：客户分类维度
客户分类维度共五种：
⾃然属性因素⼀⼀客户作为⾃然⼈的性别、年龄、地域等属性,
社会特征因素⼀⼀客户作为社会⼈的收⼊、职业、教育程度等属性
⾏为特征因素⼀客户在购买过程中对媒体、渠道、产品、服务、价格、品牌的选择，以及购买数量和购买频次等⾏为特征。态度偏好因素⼀客户的⼼理需求、购买动机、使⽤习惯、使⽤体验与态度倾向等
⽣活状态与个性因素⼀客户的⽣活⽅式、价值观与个性特点等
其中，前三类属于事前分类维度：后两类属于事后分类维度
数据获取与处理
设计调查问卷及确定调研计划
数据处理
录⼊数据，数据编码、清洗⽆⽤数据，重复数据，不合理数据，错误数据。
数据分析架构
客户细分
客户细分⼜分三步
⾸先，明确从哪个维度对客户进⾏分类。若选择多个分类维度，则往往还要对这些维度进⾏处理。若维度间有相关性，则要做因⼦分析；若维度间量纲不同，则要做标准化处理。
然后，选择合适的细分⽅法。
最后,⽤所选定的细分⽅法对客户进⾏聚类。聚类过程需要解决4个问题:
客户要聚成⼏类(即确定类别数)?
每个客户具体属于哪⼀类(即保存聚类成员)?
聚类结果是否有效(即聚类效果检验)?
聚类出的各类客户各⾃具有什么特征(即细分客户命名)?
⽬标客户选择车险分几种
⽬标客户选择也分三步。
⾸先，明确按什么标淮选择⽬标客户，即确定衡量客户吸引⼒和企业竞争⼒的指标
然后，根据各细分客户在这些指标上的表现，计算出客户吸引⼒和企业竞争⼒的得分。
最后，采⽤矩阵分析，出吸引⼒和竞争⼒较好的细分客户作为保险公司的⽬标客户。
⽬标客户定位
⽬标客户选出来了，接下来就要针对⽬标客户开展精准营销，这就是⽬标客户定位。因此,⽬标客户定位需要解决两个问题:
1. ⽬标客户长什么样，和其他细分客户相⽐，有哪些显著的特征?
2. ⽬标客户有哪些偏好，和其他细分客户相⽐，有哪些不同的需求?
第⼀个问题即⽬标客户的特征描述问题。分析思路是先通过⽅差分析判断⽬标客户在哪些特征上与其他客户存在显著性差异，然后利⽤对应分析⽅法对这些特征进⾏描述。
第⼆个问题即⽬标客户的需求定位问题，分析思路是先通过⽅差分析判断⽬标客户在哪些需求上与其他客户存在显著性差异，然后利⽤交叉分析、⽐较均值⽅法对这些需求进⾏描述，并结合需求特点，提出营销组合策略。
数据分析与输出结果
确定分类维度
由于事后分类维度优于事前分类维度，因此选择表达客户⽣活状态的九个语句作为第⼀个分类维度（细分维度1)；接触到细分客户才能落地精准营销⽅案，因此选择保费⾦额作为第⼆个细分维度（细分维度2）
分类维度的消减
细分维度1中各选项间具有相关性，这种相关性会造成重叠信息的扩⼤化，增加分类偏差，因此需要剔除语句间的相关性：
适应性检验
检验原始维度间是否具有相关性，⽆相关性则不适合做因⼦分析
KMO>0.7，显著性Sig<0.05，适合做因⼦分析。
因⼦提取
提取的因⼦对这九个语句的解释度均超过60%，说明所提取的因⼦对原始维度具有⼀定的解释⼒。
从解释的总⽅差可知，按照特征值>1的标准，应提取前四个因⼦。前四个因⼦的累积⽅差贡献率为69.
712%，说明这些因⼦能够解释总体信息量的69.7125。
因⼦旋转
上表中的数值称为因⼦载荷，表⽰因⼦对维度(即9个语句)信息的解释程度
从上表可知，因⼦1解释了“买⾐服都买便宜的”这个维度54.1%的信息,⽽因⼦2解释了该维度490%的信息,54.1%与49.0%数值相近，表明因⼦1和因⼦2都具有该维度的特征，具有相关性。同理，该表还显⽰出因⼦1和因⼦2都具有“喜欢独⾃享受安静的⽣活”“下班后尽快回家”维度的特征，因⼦1和因⼦4都具有“为享受⽽产⽣的浪费是必要的”维度的特征。如前所述，因⼦分析的⽬的就是剔除相关性，使各个因⼦具有差异化的特征,⽽⽬前的成分矩阵没有达到既定效果，因此需要进⾏因⼦旋转。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论