Klasteru analīze. Zinātniskā pieeja pētījumā sarežģītu parādību

jebkura procesa, ieskaitot mārketingu Control, objektīvi novērtēt situāciju tirgū. Pakāpeniski pārvietojoties procesu analīze tirgus iespējas, kas ietver izvēli mērķa tirgu, un attīstību sarežģītu mārketinga un īstenojot mārketinga aktivitātes, neviļus saskaras ar nepieciešamību pētījumiem. Līdz ar to ir nepieciešams ne tikai paļauties uz talantu un pieredzi no analītiķa, bet arī apmācību tās datu apstrādes paņēmienu izmantošanu.

Mūsdienu ekonomikā, ar saviem sarežģīta un daudzšķautņaina procesu milzīga apjoma informācija, lai atrastu svarīgākos datus, neizmantojot dažādus statistikas paketes kļūst ļoti problemātiska.

Tā ieņem īpašu lomu klasteru analīzi mārketinga pētījumiem. Pēc būtības, šo kombinēto metodi, apvienojot vairākas metodes statistikas pētījumiem. Tā ir balstīta uz meliem klasifikāciju daudzdimensiju novērojumiem, no kurām katrai ir savs noteikts aprakstošus mainīgo. Klasteru analīze liecina metodi klasificēt objektu relatīvo homogēnās (viendabīgs) grupās, kurām sākotnējo mainīgo lielumu kopumu, par atlīdzību. Citiem vārdiem sakot, objekti tiek sadalīti grupās. Grupās, tie parāda līdzības par vairāku iemeslu dēļ.

Klasteru analīzes metodes tiek izmantotas plaša spektra mārketinga mērķiem.

Tirgus segmentācija ļauj patērētājam lauzt kategoriju vērā klasteru balstoties uz sagaidāmajiem ieguvumiem noteiktu preču iegādei. Katra kopa var sastāvēt no patērētājiem, kuri meklē līdzīgas priekšrocības. Nosaukums viņš paņēma atbilstošu - priekšrocības segmentācijas metodi.

No patērētāju uzvedības analīze. Veicot šo uzdevumu, klasteru analīze tiek izmantota, lai radītu homogēnu klientu grupām, lai modelētu savu uzvedību.

Definēšana iezīmes jaunā produktu, mēs varam ražot to Apvienošana zīmoliem, tajā pašā laikā var izsekot regularitāte izrunāts, kad zīmolu paša klastera izstādes sīva konkurence ar otru, nekā ar zīmēm citās grupās.

Grupēšana kopu pilsētā, jūs varat izvēlēties vispiemērotākos tirgus noteiktām precēm.

Klasteru analīze samazina dimensionality datu. Veicot novērojumus par atsevišķiem kopām, tad pāriet uz vairākiem diskriminanta analīzi. Tas ir daudz vienkāršāk un lētāk nekā izskatīt katru gadījumu.

No klasteru mērķis ir grupu objektus ar līdzīgām īpašībām. Lai iegūtu objektīvu novērtējumu līdzības pakāpes, būtu jāievieš dažas atsauces vienību. Veidojot klasterus parasti balstās uz divu vai vairāku funkciju vienlaicīgi.

Klasteru analīze ietver izmantot plašu klasterizācijas metodes. Starp tiem ir, piemēram, varbūtības pieeju, pieejas, kas ir balstīta uz mākslīgo intelektu, loģiska pieeja, hierarhisku pieeju.

Hierarhiska klasteru analīze ietver sarežģītu sistēmu, kas ir vairākas ligzdotu grupās vai kopās dažādu pasūtījumu. Šī metode izmanto divu veidu zīmes. Savelt (vienojošie) zīmes pastāv līdzās divizivnymi (koplietošanas). Funkcijas skaits noved pie šķiršanās par monothetic klasifikācijas metodēm un polythetic.

Izmantojot visus šos metožu statistikas datiem, ir aptuveni simts un klasterizācijas algoritmus. Bet hierarhiskais klasteru analīze ir līderis šajā sarakstā. Tās apelācijas slēpjas faktā, ka tā darbojas lieliski ar deficītu datus, pat tad, ja pieejamie dati nenotiek, kā to pieprasa nosacījumi parasti tiek izplatīta gadījuma lielumi, kā arī citas prasības klasiskās statistikas metodēm.