教育行业实体培训怎么做差异化

     我有一个朋友，在成都做英语培训。最近因为要搬教学地点的缘故，大家聚在一起聊了聊。七嘴八舌大概聊了一个小时。我很欣赏这个时代，能聚在一起大聊商业机会的年轻人，也喜欢这样的人们。回家后我整理下自己的思路，构成这篇文章。

      首先我要说的第一个观点是“我不是建议你差异化，而是差异化是唯一未来的出路”。 很多时候我们做事情最开始目的都是为了多赚点钱。于是拉了几个学生在校外开启了小课堂。然后日子自然变得苦了起来，除了正常上班每天还额外2-3个小时的小课堂。然后赚到了一个月四位数的外快。然后这个时候我想问问，难道说我们要这样30年么？是的 目前的模式就是这样的，靠着比外面便宜点的时薪，拉来了几个小祖宗。要知道小祖宗可不是长期消费用户，教育领域的特点是一个用户你获取了但是你赚钱的周期也就那2年，然后你就会重复的去找下一批 下一批。。。会很累。

       首先那么累非你所愿，所以需要差异化。另外就算吃得苦，愿意累30年，我也想说这个算牌并不是那么简单，教育行业在未来很难小富即安。

         为什么很难小富即安？，因为Addressable Market是一个固定值，即学英语人就那么多。你在获取资源，别人更大的培训机构或者个人不傻也会跟着去获取，这个时候你的Market Value Added肯定是不如别人的，而Addressable Market始终是个固定的，而随着未来互联网化，更多的addressable market会被大机构获取。地域性限制会被削弱（互联网模式消除地域性扩展到教育领域就是五年类的事情），并且越是大的机构边际成本也会缩减，你的价格优势也会缩减。所以 作为个体英语机构，你和大机构模式雷同，未来机会也会变小。并不是一个比累的活。

所以：差异化 才是出路。

  那么如何做差异化？ 得先明白 什么是 差异化 的感知。

   “可被感知的差异化，才是好的差异化”。举例来说  就拿一个4G和wifi来说

如果是这样的叙述告诉大家4G和wifi的区别，容易让用户选择么？用户看不到差异化

4G：4G可以在DSL和有线电视调制解调器没有覆盖的地方部署，然后再扩展到整个地区。很明显，区域上4G有着不可比拟的优越性。另外速度也很快。

wifi：Wi-Fi是一种允许电子设备连接到一个无线局域网（WLAN）的技术，通常使用2.4G UHF或5G SHF ISM 射频频段。连接到无线局域网通常是有密码保护的；但也可是开放的，速度非常快。

但是换一种方式，用户就可以感知了，很清楚什么情况什么是最优解。

4G：每个月需要付费几十到几百费用，享受任何地点任何时间的网络服务。速度快，支持优酷高清视频实时直播，一般APP的网速更是搓搓有余。

WIfi：完全免费，但是只能在一个固定区域生效的网络，你走远了就没有了，速度一样很快，网速和你家光纤持平，快于4G。

目前教育行业在我看来很多都像我第一个距离的说明一样，缺乏可以被感知的差异性。都是这样的千篇一律：

个性化配置，精品小班，不发脾气，脾气温和 好

精品教师，火箭品质，多年教学经验 让无数学生走入人生成功殿堂....

所以你再思考差异化的时候，得要明白 这个差异化 是个可被你的目标用户轻易感知，并且为之兴奋的差异化。

那么明白了 差异化的感知性，就需要寻找这个差异化。寻找之前就先明确自己的 目标市场。和市场特点

如果你想做 目标群体是 中年妈妈们 非应试的英语培训。

你需要做的事情：对目前市场人群做 画像。

下面这段 转自 互联网，请参考：http://www.woshipm.com/pmd/107919.html

写到这里

一、什么是用户画像？

男，31岁，已婚，收入1万以上，爱美食，团购达人，喜欢红酒配香烟。

这样一串描述即为用户画像的典型案例。如果用一句话来描述，即：用户信息标签化。

如果用一幅图来展现，即：

二、为什么需要用户画像

用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？

也可以做数据挖掘工作：利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌？利用聚类算法分析，喜欢红酒的人年龄段分布情况？

大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解” 人。当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。

三、如何构建用户画像

一个标签通常是人为规定的高度精炼的特征标识，如年龄段标签：25~35岁，地域标签：北京，标签呈现出两个重要特征：语义化，人能很方便地理解每个标签含义。这也使得用户画像模型具备实际意义。能够较好的满足业务需求。如，判断用户偏好。短文本，每个标签通常只表示一种含义，标签本身无需再做过多文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。