Segmentering er inndelingen av en kundebase eller et publikum i grupper som er forskjellige på måter som er relevante for en beslutning. I analyse brukes det til å disaggregere gjennomsnitt som skjuler viktig variasjon; i markedsføring brukes det til å målrette aktivitet; i produktarbeid brukes det til å bestemme hvilke behov en funksjon skal dekke. Det samlende formålet er å erstatte en enkelt figur som beskriver alle med flere figurer som beskriver grupper som faktisk oppfører seg annerledes.
Argumentet for dette er at samlede målinger rutinemessig er misvisende. En stabil total konverteringsrate kan skjule en stigende mobilrate som oppveier en fallende desktop-rate, et voksende segment av lavverdikunder som maskerer tapet av høyverdikunder, eller en forbedring i ett marked som kompenserer for forverring i et annet. Fordi det samlede beregningstallet er det som vises på dashbordet, går disse sammensetningsendringene ofte ubemerket hen inntil de er store nok til å endre totalen, og da har den underliggende endringen pågått i flere måneder.
Nyttig segmentering defineres av beslutningen den støtter, ikke av dataene som tilfeldigvis er tilgjengelige. Demografiske segmenter er enkle å konstruere og ofte ubrukelige, fordi alder og sted ofte predikerer atferd dårlig sammenlignet med hva folk faktisk har gjort. Atferdssegmenter basert på kjøpsfrekvens, hvor nylig man har kjøpt, kategori, kanal, enhet eller livssyklusfase har en tendens til å være langt mer handlingsrettede, fordi medlemskap gjenspeiler avslørte preferanser snarere enn en egenskap, og fordi de resulterende gruppene er knyttet til aktivitet et team faktisk kan utføre.
Den største analytiske faren er at segmentering mangedobler muligheten for falske funn. Å dele et eksperiment eller et datasett nok ganger vil produsere tilsynelatende slående forskjeller utelukkende ved tilfeldigheter, og jo mindre hvert segment blir, desto større er usikkerheten rundt tallene. Segmenter definert etter å ha sett dataene, valgt fordi de viser en interessant forskjell, er spesielt upålitelige. Disiplinen er å definere segmentene av interesse på forhånd, å rapportere usikkerhet sammen med segmenttall, og å behandle post hoc segmentfunn som hypoteser som krever separat bekreftelse.
Operasjonelt sett er segmenter bare verdifulle hvis det er mulig å handle på dem. Et segment som ikke kan identifiseres i systemene som ville være rettet mot det, eller som er for lite til å rettferdiggjøre differensiert behandling, eller som endrer medlemskap raskere enn aktivitetssyklusen det informerer om, produserer analyser uten konsekvenser. Praktiske begrensninger, inkludert om segmentet kan bygges i e-postplattformen, om nettstedet kan gjenkjenne det i sanntid, og om noen eier den resulterende aktiviteten, bør vurderes før segmenteringen utformes snarere enn etter.
Segmentstabilitet fortjener å bli vurdert ved utforming, fordi segmenter med raskt endret medlemskap er vanskelige å handle på og gir forvirrende målinger. Et segment definert av nylig atferd kan miste halvparten av medlemmene sine i løpet av en måned, noe som betyr at en kampanje rettet mot det når en annen populasjon enn den som er analysert, og en målestokk som rapporteres for det sammenligner forskjellige personer periode til periode. Der volatilitet er iboende, slik det er for livssyklusfaser, er den passende responsen å rapportere flyter mellom segmenter i stedet for nivåer innenfor dem, siden det er mer informativt å vite hvor mange kunder som har gått fra aktive til frafalte enn å vite hvor mange som for øyeblikket er i hver tilstand.
I praksis drar de fleste organisasjoner nytte av et lite antall klart definerte, stabile segmenter som brukes konsekvent på tvers av rapportering, markedsføring og produktbeslutninger, snarere enn av et forseggjort opplegg som bare finnes i én enkelt analyse. Å etablere denne delte definisjonen er normalt arbeid for en dataanalyse funksjon, og det er det som tillater vekststyring og markedsføringstjenester å planlegge mot det samme synet til kundebasen i stedet for å opprettholde et privat syn.