Klaster analiza. Znanstveni pristup u proučavanju složenih fenomena

Kontrola bilo kojeg procesa, uključujući marketing, uključuje objektivnu ocjenu stanja na tržištu. Postupno se kreće kroz proces analize tržišnih prilika, koje uključuju odabir ciljnih tržišta i razvoj složenih marketinga i provedbe marketinških aktivnosti, nesvjesno suočen s nužnošću istraživanja. Stoga je potrebno ne samo da se oslanjaju na talentu i iskustvu analitičara, ali i na obuku u uporabi tehnike obrade podataka.

U modernoj ekonomiji, sa svojim složenim i višestrukih procesa, ogromne količine informacija pronaći najrelevantnije podatke bez upotrebe različitih statističkih paketa postaje vrlo problematično.

Ono zauzima posebnu analizu uloga clustera u marketing istraživanja. Po svojoj prirodi, ovaj kombiniranoj metodi, kombinirajući nekoliko metoda statističkog istraživanja. Ona se temelji na lažima klasifikaciji multivarijatnih opažanja, od kojih svaki ima svoj vlastiti skup opisnih varijabli. Klaster analiza ukazuje na metodu za klasifikaciju objekta u odnosu homogene (jedinstvenih) skupine koje imaju izvorni niz varijabli razmatranje. Drugim riječima, objekti se podijeliti u skupine. U skupinama, oni pokazuju sličnosti na nekoliko osnova.

Klaster metode analize se koriste za širok raspon marketinških ciljeva.

Segmentacija tržišta omogućuje potrošaču razbiti kategoriju u klastere na temelju očekivanih prednosti stjecanja određene robe. Svaki klaster može sastojati od potrošača koji su u potrazi za slične pogodnosti. Ime je odabrao odgovarajuću - metoda koristi segmentacije.

Analiza ponašanja potrošača. U ovom zadatku je klaster analiza se koristi za stvaranje homogena grupa kupaca kako bi se simulirali ponašanje.

Definiranje značajke novog proizvoda, možemo proizvesti grupna marki, u isto vrijeme može se pratiti regularnost izgovara kad su marke u istom klasteru izložbe žestoke konkurencije međusobno nego s oznakama u ostalim grupama.

Grupiranje klastera u gradu, možete odabrati najprikladnije tržišta za određenu robu.

Klaster analiza smanjuje dimenzionalnost podataka. Izvođenje zapažanja o odvojenim klastera, a zatim premjestiti na višestruke diskriminacijske analize. To je puno jednostavnije i jeftinije nego razmotriti svaki slučaj.

Cilj klastera je grupirati objekte sličnih karakteristika. Za objektivniju procjenu stupnja sličnosti treba uvesti neki referentnu jedinicu. U formiranju klastera obično oslanjaju na dva ili više osobina istovremeno.

Klaster analiza uključuje korištenje širokog raspona metoda klastera. Među njima su, kao što su vjerojatnosni pristup, pristupi, koji se temelje na umjetnoj inteligenciji, logički pristup, hijerarhijski pristup.

Hijerarhijski klaster analiza uključuje složeni sustav koji se sastoji iz više ugrađenih skupina ili skupine različitih naloga. Ova metoda koristi dvije vrste znakova. Aglomeraciju (objedinjavanju) znaci koegzistiraju s divizivnymi (sharing). Broj značajki dovodi do razdvajanja na monothetic metode klasifikacije i polythetic.

Korištenje svih tih metoda u statistici, ima oko sto i clustering algoritama. No, hijerarhijska klaster analiza je lider na ovom popisu. Njegova privlačnost leži u činjenici da je savršeno djeluje s deficitom od podataka, čak i kada su dostupni podaci ne odvijaju kako je propisano u uvjetima normalno distribuiranih slučajnih varijabli, kao i druge uvjete iz klasične statističke metode.