Big Database

继续进行市场细分的研究，调查结果记录在一个表格中，其中垂直字段是问题，水平线是答案。所有数据均以数字形式记录，指示相应的答案选项。

确定合适的细分属性
分割属性的“适合性”程度是通过确定两个可能特征之间的数学关系来确定的，例如问题和答案之间的数学关系（如上述研究中所述）。高度相关性表明属性之间存在关系，换句话说，表明使用该对的可能性。仅当 澳大利亚号码 两个分段属性相交时才会形成分段组

为了计算这种对应关系，需要找到问题之间的相关系数。

上述研究的比率系数计算表明，以下几对之间的相关性最高：“您在工作中使用互联网多久了”和“在专业活动中使用互联网的程度如何。 ”这些结果使我们得出结论，这些特征最准确地描述了公司的客户，这意味着它们可以作为形成稳定的细分群体的基础。



步骤 4. 定义分段

根据获得的数据，您可以开始形成细分群体（或消费者细分）。让我们回到我们的例子。可以合理地假设，根据指定的细分标准，我们最终应该得到 16 个组的响应比率。

由于分段属性“互联网经验”和“专业活动”重合而可以形成的分段数量：