近年来，用户细分已经成为各大企业进行市场规划、产品设计、资源配置的重要依据。从用户角度看，用户细分在充分了解用户需求的基础上，为其提供“量身定制”的产品，满足了用户的个性化需求。从企业角度来看，用户细分有利于企业针对特定的目标市场进行产品规划和营销策略制定，充分利用用户的差异化需求，将其转换成为产品的核心竞争力，从而适应甚至引领整个市场的发展，协助企业在多变的市场中立于不败之地。同时，用户细分也能用于指导市场划分，从而实现人力物力财力的最优配置。

在SAS公司JMP事业部的年度全球用户交流会上，来自Sony的Peter Liu和Laura Higgins，为大家分享了他们运用先进分析软件JMP，对游戏主机市场用户行为的细分来进行营销策略调整，合理规划资源配置，最终拔得市场头筹的真实故事。

PS4是SONY旗下的最新一代家用游戏机，于2013年11月15号在美国发布，首日销量便突破百万，打破主机销售记录；之后一直引领美国乃至全球市场，市场份额获得了巨大的攀升，SONY也借由PS4重新夺回了市场老大的位置。

图1 LTD市场份额

PS4取得如此辉煌业绩的背后，主要驱动因子在于SONY把玩家放在第一位，通过市场细分对核心的PS玩家群体进行精准营销，同时辅以合适的价格策略。那么如何进行市场细分来精准定位不同的PS游戏用户群呢？

大家都知道游戏主机市场往往卖的不是主机，而是一种服务或者说是游戏生态圈，由于DLC(扩展包，加人物，加武器，加任务等)的存在大大丰富和扩展了玩家对游戏的美好体验，因此我们会特别关注哪些玩家会购买DLC，下面我们也会以购买DLC的玩家为例，向大家介绍用户细分的应用 

首先我们收集了大量的PS玩家的游戏数据，包括游戏名称、类别、扩展包、平台类型、媒介类型、玩的次数、玩的时长、第一次玩的时间、最后一次玩的时间等，进行数据探索，找寻到关键变量，进行用户细分；

图2 PS玩家游戏数据

Step1：数据探索发现

图3 数据分布GP_hr

接下来观察数据的分布，我们看到大多数的变量分布都是有偏分布，以GP_hr（玩游戏的时间）为例，可以看到大部分玩家玩游戏的时间介于50小时之内，部分玩家介于50-200之间，还有较少量的玩家分散于200h-1150h之间；为了使数据的分布更接近正态分布，我们对该变量进行了LOG变换处理。

图4 多元相关系数

接下来通过多元分析观察变量之间的相关性，最终筛选出玩游戏的次数、时间、玩龄、年龄等变量作为分类变量。

Step2：聚类分析

因为很多变量是非正态分布，我们选取K-means进行聚类分析，选择聚类组数3组到12组之间进行探索，经过探索发现当分为4类的时候，各项统计指标最佳（CCC最大），Biplot输出图形具有很好的分辨力，同时分类结果在业务理解与应用上也可以对各类不同玩家进行很好的阐释。

图5 K-means Biplot图

在聚类之前，JMP会对原有的分类变量进行主成分分析，而Biplot是以提取到的前两个主成分为坐标轴展示了不同组别人群的分布情况，图中的圆圈部分代表每个群体的中心点，如上图所示。可以看到四类不同群体在两个主成分轴上的到很好的区分。

图6 四类不同群体的行为数据

图7 四类不同群体的行为数据

图6和图7分别用表格和图形的形式展示了聚类之后的结果，我们可以看到第4类是单个游戏玩的次数特别多的重度玩家，第1类则是不敢单个游戏还是综合整个平台的游戏玩的次数都非常多的玩家一族，第2类和第3类都是普通的玩家，他们的区别在于玩龄的长短。

Step3：辅助分析

通过方差分析中的多组比较，我们可以看到四类玩家在玩游戏的次数以及其他变量上面大都存在显著性的差异，由此可见，K-means的分类结果可以对PS玩家进行很好的区分。

图8 方差分析之多重比较

综上我们根据分类的结果可以得到第1类和第4类群体都是重度玩家，只是偏好有所差别，可以把他们都归为游戏驱动型；而第2类和第3类玩家都是普通玩家，分为老用户和新注册用户，他们对玩游戏的时间会有所控制和选择，强度也不大，对价格会比较敏感；针对以上4类群体，Sony分别采取不同的针对性营销策略，包括信息的传递，与玩家的互动沟通，时间规划，以及价值的主张等各方面；从下图我们可以看到在最大化利用市场花费的同时，最终DLC的销售收入远远高于预期。

图9  DLC Sales

关注您的客户，倾听他们的想法，挖掘他们的内在需求，通过用户细分，精准定位，差异化营销，合理分配服务资源，才能赢得、扩大和保持高价值的客户群，吸引和培养潜力较大的新客户群，保证企业的长期利润和持续发展，最终像SONY公司一样引领市场。