Klasterinė analizė. Mokslinis požiūris į sudėtingų reiškinių tyrimo

Valdymo bet kokio proceso, įskaitant rinkodaros, apima objektyvų vertinimą apie padėtį rinkoje. Palaipsniui pereinant per analizės rinkos galimybes, kurios apima tikslinių rinkų parinkimas ir plėtros proceso kompleksinės rinkodaros ir įgyvendinant rinkodaros veiklą, nesąmoningai susiduria su mokslinių tyrimų būtinumo. Taigi svarbu ne tik remtis talento ir patirties analitiko, bet ir mokymo savo naudojimo duomenų apdorojimo metodus.

Šiuolaikiniame ekonomikos, su sudėtingų ir įvairialypių procesų, didžiuliai informacijos kiekiai rasti aktualiausius duomenis be įvairių statistinių paketų naudojimo tampa labai problemiška.

Ji užima ypatingą vaidmenį klasterinė analizė marketingo tyrimus. Pagal savo pobūdį, šios bendros metodas, derinant kelis metodus statistinių tyrimų. Jis yra pagrįstas melu klasifikaciją daugiamatis pastabas, kurių kiekvienas turi savo rinkinį aprašomosios kintamųjų. Klasterio analizė rodo, metodą klasifikuoti santykinių homogeninės (vienodų) grupės, kurių originalų kintamųjų rinkinį, už atlygį objektą. Kitaip tariant, objektai yra suskirstyti į grupes. Grupėse, jie rodo panašumus dėl keleto priežasčių.

Klasterinė analizė metodai yra naudojami įvairių rinkodaros tikslais.

Rinkos segmentavimas leidžia vartotojui nutraukti kategoriją į grupes remiantis tikimasi naudos dėl tam tikrų prekių įsigijimo pagrindu. Kiekvienas klasteris gali būti sudarytas iš vartotojų, kurie ieško panašias išmokas. Pavadinimas jis pakėlė tinkamas - Privalumai segmentavimo metodą.

Iš vartotojų elgsenos analizė. Atlikdamas šią užduotį, klasteris analizė naudojama siekiant sukurti homogenišką klientų grupes, kad būtų imituotos savo elgesį.

Bruožų naują produktą, mes galime pagaminti jį Grupavimas ženklų, tuo pačiu metu galima atsekti reguliarumą tariama tada, kai to paties klasterio eksponuoti ženklai nuožmi konkurencija tarpusavyje, nei su kitomis grupėmis ženklų.

Grupavimas klasterius mieste, galite pasirinkti tinkamiausias rinkas tam tikrų prekių.

Klasterinė analizė sumažina duomenų Dimensija. Atliekant pastabas dėl atskirų grupių, tada pereiti prie kelių diskriminantinės analizė. Tai daug paprasčiau ir pigiau nei apsvarstyti kiekvienu atveju.

Grupavimas tikslas yra grupės objektų pagal panašias savybes. Objektyviau vertinant panašumo laipsnį reikia įvesti tam tikrą atskaitos vienetas. Formuojant grupes paprastai remtis dviejų ar daugiau funkcijų vienu metu.

Klasterinė analizė apima platų grupavimo metodų naudojimą. Tarp jų yra tokie, tikimybinis požiūris, požiūrių, kurie, remiantis dirbtinio intelekto, loginio mąstymo metodą, hierarchinė požiūrio.

Hierarchinis klasterinė analizė apima sudėtingą sistemą, kuri turi daug lizdinė grupių ar grupių skirtingų užsakymų skaičių. Šis metodas naudoja dviejų rūšių požymius. Aglomeratas (vienijančios) žymenys kartu su divizivnymi (dalintis). Funkcijų skaičius veda prie skyriumi dėl monokategorinio klasifikacijos metodus ir polikategorinį.

Naudojant visus šiuos metodus statistikoje, yra apie šimtas klasterizacijos algoritmai. Bet hierarchinė klasterinė analizė yra šio sąrašo lyderis. Jo skundas yra tai, kad ji veikia puikiai su duomenų deficito, net tada, kai turimi duomenys nevyksta, kaip reikalaujama pagal sąlygas, kurios paprastai platinami atsitiktinių dydžių, taip pat kitų reikalavimų klasikinio statistiniais metodais.