网络游戏市场的细分.docVIP

网络游戏市场细分 研究目的： 市场细分定义：按一定的基础和维度将整个市场细化为不同的用户群的过程。 细分的原则：采用最合理的纬度。合理的纬度：1、与目标群最贴切2、确实能影响用户选择 一般情况下，市场细分维度包括消费行为特征、消费心理特征、地理特征和人口统计特征四类。传统的市场细分大多是按照人口统计特征，如性别、年龄、收入等，来定义自己的消费群体。目前网络游戏市场所采用的主要细分维度为职业/教育程度，整个市场被分为中小学生、大学生、上班族、无业者等消费群体。尽管按照性别、年龄、收入、职业和教育程度等客观指标来细分玩家市场要相对容易些，且便于厂商的接近，但这些指标能否作为市场细分的决定维度？它们对于玩家消费行为的解释度如何？细分后的市场是否具有不同的营销反应？难以估测。 传统的市场细分维度几乎完全是建立在对构成细分市场人群的事后分析上，这些方法所依赖的是事后描述性变量，而非因果关系变量，因此无法对未来的消费行为作有效的预测。与之相比，玩家投入度则直接影响到玩家对游戏产品的选择因素，它对玩家消费行为所起的决定性作用比其它细分维度更直接、更精确和更具可预测性。 单一维度很难有效地细分市场，文中所分析的玩家投入度外，我们还可以综合年龄、职业、教育程度或社会阶层（高消费、中消费、低消费）等其它维度来进一步细分游戏市场。 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 玩家的可描述特征难以尽数，我们提炼出了15个用于区分重度玩家与轻度玩家的关键变量，并提供了相应的考量方法。在获得相关数据后，我们即可计算出一个数值，以确定玩家“重”或“轻”的程度，此数值即玩家投入度的量化值。 ? 分类15要素 重度玩家与轻度玩家之间有着明显的不同，而这两类人群与那些对互动娱乐毫无兴趣的人群之间也有很大的差别。要确立玩家群体的分类，必须通过其偏好、意见、认知和行为等内容，对界定范围内相对的两端和相邻的部分加以了解。 表1：分类15要素（无特定顺序） 重度玩家 1、了解技术（游戏设定、数据、术语） 2、为了游戏尝试升级电脑、增加带宽 3、游戏高付费 4、倾向于有深度和画面出色的游戏 5、倾向于“泡菜类”，高重复性，时间与游戏收获成正比的游戏 6、单次游戏时间，游戏次数 7、对游戏相关信息很感兴趣 8、与朋友/在论坛上讨论游戏 9、通过PK/战胜对手获得快感 10、同一款游戏尝试不同的玩法（职业、加点等） 11、游戏内组织/参加帮派 12、第一次玩游戏时的年龄 13、对游戏业的相对了解程度 14、一共玩过多少款网络游戏 15、某一款游戏最长的游戏时间 每一个特征提供了一套量化分析的方法。 加权值 在确定玩家类别时，上述因素中的一部分显然比另一部分更为重要，例如，“单次游戏时间，游戏次数”的关联度要高于“第一次玩游戏时的年龄”。因此，在分类过程中必须为每一个因素设定相应的加权值，加权值越高说明关联度越大。加权值可以由厂商根据自己的目标以及对这些因素的重要性的认识而主观设定。 表2：分类15个因素及其相关加权（按加权值排列） 重度玩家 加权 1、每周游戏时间 10 2、某一款游戏最长的游戏时间 10 3、游戏高付费 10 4、了解技术（游戏设定、数据、术语） 9 5、一共玩过多少款网络游戏 9 6、倾向于“泡菜类”，高重复性，时间与游戏收获成正比的游戏 8 7、同一款游戏尝试不同的玩法（职业、加点等） 7 8、游戏内组织/参加帮派 7 9、通过PK/战胜对手获得快感 7 10、倾向于有深度和画面出色的游戏 6 11、与朋友/在论坛上讨论游戏 6 12、为了游戏尝试升级电脑、增加带宽 5 13、对游戏相关信息很感兴趣 3 14、对游戏业的相对了解程度 2 15、第一次玩游戏时的年龄 1 ? 计算玩家投入度 要求被调查者对分类15要素的问题进行回答，将每一要素区分为五个程度的选择。按照设定，每个选择代表不同的得分。 假设玩家X针对15要素给出了下列得分： 表3：玩家X提供的数据 因素 加权值 得分 1、每周游戏时间 10 3 2、某一款游戏最长的游戏时间 10 4 3、游戏高付费 10 4 4、了解技术（游戏设定、数据、术语） 9 5 5、一共玩过多少款网络游戏 9 4 6、倾向于“泡菜类”，高重复性，时间与游戏收获成正比的游戏 8 5 7、同一款游戏尝试不同的玩法（职业、加点等） 7 3 8、游戏内组织/参加帮派 7 4 9、通过PK/战胜对手获得快感 7 2 10、倾向于有深度和画面出色的游戏 6 3 11、与朋友/在论坛上讨论游戏 6 2 12、为了游戏尝试升级电脑、增加带宽 5 3 13、对游戏相关信息很感兴趣 3