如何精准定位目标客户，准确量化客户需求来开发新的产品组合，并预测其可能的市场份额。
根据零售业务营销要求，运用多种数据源分析给出产品性能组合的建议。
数据源准备
搜集除已有销量数据之外的额外信息包括对潜在消费者进行市场调查，收集其基本信息（地点、年龄、可支配收入等）及其对产品的购买欲望，对产品各维度性能的重视程度以及对产品功能的重要性排序，再在搜集的数据基础上进行预处理。收集现有的产品功能以及市面上相同种类竞品拥有的产品功能。
有了数据，但是有一部分特征是算法不能直接处理的，还有一部分数据是算法不能直接利用的。
特征转换
潜在消费者地区。需要把地区转变成到一线、新一线、二线、三四线伪变量。
产品特征。从产品信息表里面可以得到款式，颜色，质地以及这款产品是否是限量版等。然而并没有这些变量。这就需要我们从产品名字抽取这款产品的上述特征。
清洗存在NA以及非目标市场的客户信息（如退休人员）
建模
对通过消费需求调查得到的消费者对产品功能的选择行为做出分层聚类分析，得到四类人群。再根据其中主要的两类人群进行了联合分析，得到各产品性能的价值，最后通过分析竞品已有特征和我们预计给出的新功能组合产品进行模拟预测得到预计的市场份额，给出合理性的建议。
在此案例中，通过碎石图得到聚类种类为4，其可视化图形如下：
可以看出，我们的目标消费者主要面向在校大学生以及工作3年以内的白领。对于功能需求的四个重要的标签分布为助眠灯光，助眠香薰，蓝牙连接，睡眠智能预测，舒压呼吸。
随后进行的conjoint分析结果如下：
随时关注您喜欢的主题
最后预测得到的市场份额如下：
因新的产品组合预测可以12.5%的同类产品市场份额，因此建议推出拥有助眠灯光，睡眠智能预测，舒压呼吸功能组合的新产品。
关于作者
Yue Yu
在此对Yue Yu对本文所作的贡献表示诚挚感谢，她专注数理金融、数据建模等领域。擅长R语言。
【专题】2024年双十一购物节营销、消费洞察报告汇总PDF洞察（附原数据表）
【视频讲解】Python深度神经网络DNNs-K-Means（K-均值）聚类方法在MNIST等数据可视化对比分析
【专题】2024摇摆的消费者-消费者体验营销报告汇总PDF洞察（附原数据表）
【专题】2023-2024中国保险数字化营销调研报告汇总PDF洞察（附原数据表）
