1703881801
与之类似的，如果你想构建一个完全成熟的调查漏斗式营销漏斗，并且想迅速去构建一个不成熟的1.0版本的营销漏斗，但被条件所迫，只能选择其中一个时，这个练习会帮助你挑选出值得选择的那一个。
1703881802
1703881803
下面我要做的，是仔细检查每一个我感兴趣的关键参数：
1703881804
1703881805
〇全职vs兼职
1703881806
1703881807
你会发现，对于这个问题，营销对全职工作者有严重的（70%/30%）倾向。
1703881808
1703881809
1703881810
1703881811
1703881812
1703881813
1703881814
1703881815
1703881816
〇业务类型
1703881817
1703881818
在这个例子中，65%的消费者是销售自己产品或咨询服务的公司老板。那么“其他”这个细分选项呢？这个选项得到相对高的22%的数据，让我甚至怀疑我是否遗漏了标注多选选项。但是，在仔细审视了这些反馈之后，我得到一个十分有趣的发现：大部分选择“其他”选项的受访者实际上是既销售自己产品又提供咨询服务的公司老板。加上第三个“混合”分类中的开放问题反馈，销售自己产品的公司老板（包括同时含有／不含有咨询业务的公司）超过了所调查顾客群体中的65%。
1703881819
1703881820
〇业务规模
1703881821
1703881822
就业务规模而言，大约85%的企业在销售上创造的利润低于50万美元／年，大约68%的企业低于10万美元／年。当我在考虑如何将这些信息与我们的产品相结合时，这个数据告诉我，我可以引导65%的人加入我们的训练课程，另有20%的人加入我们的教练&智囊团项目，另外15%代表更大型企业的人可以作为我们代理级销售漏斗运营人。
1703881823
1703881824
这个数据除了让我们对这个消费群体有了一个粗略的了解，还告诉我们，如果只能选择市场中的一部分去关注，我们的用户虚拟形象可能会像这样：
1703881825
1703881826
每年在自己的企业中挣少于10万美元的全职的、销售自己产品的公司老板。
1703881827
1703881828
注意：这是这一步骤的简略描述。如果想要训练自己，你需要去关注各个变量之间的相互关系。举个例子，当我们分析“实际上100%的商业收入至少10万美元／年或以上在‘全职’分类里分布”这个现象时，我们发现，70%的全职公司所有者极有可能有更高的平均收入倾向。
1703881829
1703881830
分析这些开放性反馈数据并从中挖掘到精髓
1703881831
1703881832
下一部分的深度调查分析可以说是整个过程中最重要的环节。在这个过程中，我们将关注点放在开放性核心关键问题上。也就是为每个反馈分类，并将其转化为实际营销过程中的客户熟悉的语言。
1703881833
1703881834
换句话说，我们将在关注上部20%反馈者的基础上挖掘这些开放性反馈中的精髓。
1703881835
1703881836
1703881837
1703881838
你用这些反馈来做什么呢？
1703881839
1703881840
• 用来决定哪些细分会自然而然地出现在你的营销中。
1703881841
1703881842
• 用来识别人们的关键问题（敏感话题或问题）是什么。
1703881843
1703881844
• 用来识别他们的反对意见是什么。
1703881845
1703881846
• 用来识别最大的困难是什么。
1703881847
1703881848
• 用来关注他们的个人统计信息。
1703881849
1703881850
简单来说，当建立弱介入用户细分调查时，你用这些分析结果来细分受访者。