Analiza skupień. Podejście naukowe w badaniu złożonych zjawisk

Kontrola każdego procesu, w tym marketingu, po dokonaniu obiektywnej oceny sytuacji na rynku. Stopniowo przechodząc przez proces analizy możliwości rynkowych, które obejmują wybrane rynki docelowe oraz rozwój kompleksowego marketingu i realizacji działań marketingowych, nieświadomie obliczu konieczności badań. Tak więc konieczne jest nie tylko polegać na talentu i doświadczenia analityka, ale również szkolenie w jej wykorzystaniu technik przetwarzania danych.

W nowoczesnej gospodarce, z jego złożonych i wieloaspektowych procesów, ogromne ilości informacji, aby znaleźć najbardziej odpowiednie dane bez stosowania różnych pakietów statystycznych staje się bardzo problematyczne.

To zajmuje szczególne analizy skupień rolę w badaniach marketingowych. Dzięki swoim właściwościom, połączonej sposób, łącząc kilka metod badań statystycznych. Jest on oparty na kłamstwach klasyfikacji wielowymiarowych obserwacji, z których każdy ma swój własny zestaw zmiennych opisowych. Analiza klastra nie sugeruje sposobu klasyfikowania obiektu w stosunku jednorodne grupy (jednolite) o oryginalny zestaw zmiennych do rozpoznania. Innymi słowy, obiekty są w podziale na grupy. W grupach, wykazują podobieństwa z kilku powodów.

Cluster metody analizy są wykorzystywane do wielu celów marketingowych.

Segmentacja rynku pozwala konsumentowi złamać kategorię w klastry na podstawie oczekiwanych korzyści z nabycia określonych towarów. Każdy klaster może składać się z konsumentów, którzy poszukują podobnych korzyści. Nazwę wziął odpowiedniego – Korzyści metody segmentacji.

Analiza zachowań konsumentów. W ramach tego zadania, analiza klastra jest używany do tworzenia jednorodnych grup klientów w celu symulowania ich zachowania.

Definiowanie cech nowego produktu, możemy produkować go grupowania marek, w tym samym czasie można prześledzić prawidłowość widoczna, gdy marki o tej samej wystawie klastra ostra konkurencja ze sobą niż z oznaczeniami w innych klastrów.

Grupowanie klastrów w mieście, można wybrać najbardziej odpowiednie rynki dla niektórych towarów.

Analiza skupień zmniejsza wymiarowości danych. Wykonywanie obserwacji na oddzielnych klastrów, a następnie przejść do wielokrotnej analizy dyskryminacyjnej. Jest to o wiele prostsze i tańsze niż rozważyć każdą sprawę.

Celem grupowania jest do obiektów Grupuj według podobnej charakterystyce. Dla bardziej obiektywnej oceny stopnia podobieństwa należy wprowadzić pewne jednostki odniesienia. W tworzeniu klastrów zazwyczaj opierają się na dwóch lub więcej funkcji jednocześnie.

Analiza klastra obejmuje stosowanie szerokiego zakresu metod klastrów. Wśród nich są takie, jak probabilistycznego podejścia, metod, które są oparte na sztucznej inteligencji, logicznego podejścia, hierarchicznego podejścia.

Hierarchicznej analizy skupień obejmuje złożony system, który ma pewną liczbę grup zagnieżdżonych lub grup różnych rozkazów. Metoda ta wykorzystuje dwa rodzaje oznaczeń. Aglomeracji (ujednolicenie) znaki współistnieć z divizivnymi (Udostępnianie). Liczba funkcji prowadzi do rozdziału na monothetic metod klasyfikacji i polythetic.

Korzystanie z wszystkich tych metod w statystykach, istnieje około stu algorytmów klastrowania. Ale hierarchiczna analiza skupień jest liderem w tej liście. Jego odwołanie polega na tym, że działa doskonale z deficytem danych, nawet gdy dostępne dane nie odbywa się zgodnie z warunkami normalnie rozprowadzane zmiennych losowych, a także inne wymogi klasycznych metod statystycznych.