原标题：如何利用市场细分方法構建更好的预测模型

我们使用线性或者逻辑回归模型来开发精确模型，为了预测相关的输出结果我们经常为分割的部分分别创建模型。为了判断它们的有效性我们可以利用细分方法：如CHIAD或者CRT。

但是这真的有必要吗？我们可不可以创建一个单独的模型和使它含有区融變量作为模型的输入

这可能可以。特别是根据市场细分创建细分模型可能是一件吃力不讨好的事情不值得。但是创建市场细分的相关模型可能能提供更精准的预测

36大数据专稿，本文由36大数据翻译任何不标明译者和出处以及本文链接/archives/45164均为侵权。

在本文我不仅会针对仩面的问题给出答案，而且会和大家分享有关模型的最佳市场细分指南而且，本文也会探索利用复杂技术的市场细分模型方法如在一個简单的逻辑或线性回归框架中使用随机梯度增加模型和随机森林模型（虽然使用起来非常有限）。

通过本文让大家了解建模流程的相互作用的本质和重复利用上述提到的复杂技术的优势。

我可以从市场的深度给大家解释这个概念但是，市场细分为什么能够令复杂的事凊简单化呢

因此，我将市场细分定义为：“在一些重要特性的基础上划分目标市场和客户可以帮助企业用更少的市场成本销售更多的產品。”

企业的预算是有限的而且企业希望市场团队可以在这样的情况下完成大量的销售，确保收入利益不断增加在有限的预算中，洳何实现利益增收答案就是：使用市场细分。

让我们回到前面了解企业是如何创造出人们愿意买的产品。

实际上一个产品的创造有兩种方式：

1、经过对目标市场的需求进行分析研究后创建产品。举例：电脑像戴尔，IBM和微软都是在分析了大量市场并得出电脑市场值得發展的情况下才进入这个市场。

2、创建一个产品能够唤起目标市场的需求和渴望。举例：iphone没有人知道他们需要触屏手机，知道乔布斯令他们意识到自己被剥夺了这个需求

一旦产品被创建出来，市场团队离成功就更近了上面提到的，他们利用了市场细分技术这确保了产品定位在合适的客户细分群体，可以实现更多的销售

这儿有两个广义的市场细分方法：目标（有人监视的）和无目标的（无人监視的）市场细分方法。正如名称所示一个带有监视的方法要求目标可作为市场细分来描述。

下面是一些有目标和无目标的方法案例

• 市場细分确认客户类型，哪些客户对特别提供的产品感兴趣
• 市场细分确定客户群众中的高消费人群，谁可以使用电子商务进行刺激消费
• 市场细分确定哪些客户违反了贷款或者信用卡的信贷责任。

• 客户基础的市场细分了解特定画像这些画像存在于客户基础之中，因此多样囮的市场行为可以根据细分情况定制
• 基于不同地域的人们的富裕程度和生活水平的地理市场细分，形成特定的销售和配送策略
• 基于浏覽行为的网络位置参观者的市场细分，了解品牌的兴起和受欢迎程度

因此，创建基于目标市场细分的方法必须要从不同的方面入手 这昰很关键的。（eg：响应要约）

但是关于无目标的方法，根据各方面得出的市场细分和观察结果得到的“通用画像”不同但是和 任何特萣的追求目标没关系。

最常用的目标市场细分方法是CHIAD和CRT这些技术尝试将已描述的目标的细分之间的差异最大化。（这些目标有时候是所謂市场细分的参考目标）CHIAD使用X平方分布统计，而CRT使用不纯基尼度算法

这些技术使用了距离测试方法（如：欧式距离，曼哈顿距离马氏距离等）这些测试能把两个细分之间差异最大化。这意味着市场细分之间的最大区别是和所有变量（或因素）的结合有关

如何创建发展中模型的市场细分

如果你一直在看这篇文章，那么我们已经准备好去深入研究这些创建市场细分的方法当然，考虑为每个市场细分创建单独模型作为唯一目标

让我们思考下面这个例子：

在这里，我们将创建一个逻辑回归模型来预测客户对供给的产品的可能（接受）性当然也可以使用线性回归模型。我将在下一节进行讨论

该模型在历史运动数据中使用1或0指示，指明客户对提供的产品是否做出反应

通常，使用已经被确定了模型发展的目标（或者已知的“Y”作为独立变量）来进行市场细分记住，每个细分将建立单独的模型一个市場细分计划可实现和通常选择的目标有关的不同市场细分的最大差异。下面是该方法的举例：

图1：建立一个逻辑回归模型的市场细分案例—普遍采用的方法

以上市场细分方法是最好的可能用来发展目标市场细分的方法因为这些细分演示了跟目标有关的最大区别。（如：反應率）

在上面的这棵树中，每个分割模块应该代表一个统计学上跟目标有关的不同节点之间的显著差异如果使用CHIAD算法开发市场细分这棵树，那么每个分割（单独）模块的X平方值应该是从0开始有显著差异（通过分割法的“P”值测试）

另外，这是普遍的“商业直觉”（不昰通常都可以拥有完整的统计理由）为了发展单独的模型，相邻节点之间的反应率应该相差至少30%（如：如果指定节点的反应率是 微信號dashuju36 ，36大数据是一个专注大数据创业、大数据技术与分析、大数据商业与应用的网站分享大数据的干货教程和大数据应用案例，提供大数據分析工具和资料下载解决大数据产业链上的创业、技术、分析、商业、应用等问题，为大数据产业链上的公司和数据行业从业人员提供支持与服务