Klasteru analīze. Zinātniska pieeja sarežģītu parādību izpētei

Ziņas un sabiedrība

Jebkura procesa vadība, ieskaitotmārketings ietver objektīvu situācijas novērtējumu tirgū. Pakāpeniski progresējot visos tirgus iespēju analīzes posmos, kas ietver mērķa tirgu izvēli, mārketinga sajaukumu attīstību un mārketinga aktivitāšu īstenošanu, nevainojami ir jāsaskaras ar pētījumu nepieciešamību. Tajā pašā laikā ir nepieciešams ne tikai paļauties uz analītiķa talantu un pieredzi, bet arī uz datu apstrādes metožu prasmīgu izmantošanu.

Mūsdienu ekonomikā ar tās sarežģītību undaudzpusīgi procesi, ļoti daudz informācijas, lai atrastu svarīgākos datus, neizmantojot dažādas statistikas paketes, kļūst par ļoti problemātisku.

Īpaša loma mārketingāpētījumi veic klasteru analīzi. Pēc būtības šī ir apvienota metode, apvienojot vairākas statistiskās izpētes metodes. Tas ir balstīts uz daudzdimensiju novērojumu klasifikāciju, katram no kuriem atbilst aprakstošu mainīgo lielumu kopums. Klasteru analīze ietver veidu, kā objektu klasificēt relatīvi viendabīgās (homogēnās) grupās, kam ir jāņem vērā sākotnējais mainīgo lielums. Citiem vārdiem sakot, objekti ir sadalīti grupās. Grupās viņi parāda līdzību vairākos veidos.

Klasteru analīzes metodes tiek izmantotas plaša spektra mārketinga uzdevumu veikšanai.

Tirgus segmentācija ļauj sadalītklasteru patērētāju kategorija, pamatojoties uz sagaidāmo ieguvumu no konkrēta produkta iegādes. Katrā klasterī var būt patērētāji, kas meklē līdzīgus ieguvumus. Nosaukums tika atbilstoši izvēlēts - priekšrocību sagrupēšana.

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

Nosakot jaunā produkta iespējas, varatlai tās veiktu preču zīmju grupēšanu, un pastāv izteikta likumība, ja viena un tā paša klastera preču zīmes liecina par smagāku konkurenci viena ar otru nekā ar zīmogām citās klasteros.

Grupējot pilsētas klasteros, jūs varat izvēlēties piemērotāko tirgu konkrētam produktam.

Klasteru analīze ļauj samazināt dimensijudatus. Veicot novērojumus par atsevišķām kopām, viņi pēc tam veic vairākas diskriminācijas analīzes. Tas ir daudz vienkāršāk un lētāk, nekā katru lietu aplūkot atsevišķi.

Grupēšanas mērķis ir grupēšanaobjekti ar līdzīgiem iemesliem. Lai objektīvāk novērtētu līdzības pakāpi, būtu jāievieš noteikta atskaites vienība. Veidojot klasterus, tie parasti vienlaicīgi paļaujas uz divām vai vairākām pazīmēm.

Klasteru analīze ietver izmantošanuplaša klāsteru metožu klāsts. To starpā var izcelt, piemēram, varbūtības pieeju, pieejas, kuru pamatā ir mākslīgās intelekta sistēmas, loģiska pieeja, hierarhiska pieeja.

Hierarhiska klasteru analīze ietverSarežģīta sistēma, kurai ir vairākas ligzdotas grupas vai dažādu pasūtījumu kopas. Šī metode izmanto divu veidu īpašības. Aglomeratīvās (apvienojošās) pazīmes pastāv līdzās sadalošām (atdalošām) pazīmēm. Funkciju skaits noved pie sadalīšanas monotetrajās klasifikācijas un politeteiskās metodēs.

Izmantojot visas šīs metodes statistikā,ir aptuveni simts klasteru algoritmu. Taču hierarhiskā klasteru analīze ir vadošā vieta šajā sarakstā. Tā pievilcība ir tā, ka tā darbojas pilnīgi, ja pastāv datu trūkums, un pat tad, ja pieejamajiem datiem pieejamie nosacījumi neatbilst nejaušo mainīgo lielumu sadales normālu prasībām, kā arī citām klasisko statistikas metožu prasībām.

Komentāri (0)
Pievienot komentāru